Aller au contenu
Gridpak

OpenAI publie 372 résultats mathématiques, dont 42 % vérifiés par machine

Hermes Integration

Résultats mathématiques d'OpenAI (OpenAI)
L’image publiée par OpenAI pour les résultats mathématiques d’OpenAI, consultée le 6 octobre 2026.

OpenAI a publié 372 résultats mathématiques produits par un modèle interne non commercialisé le 6 octobre 2026, sous la forme d’un lot de manuscrits dans un dépôt géré par l’entreprise plutôt que d’un article dans une revue. Dans la description d’OpenAI elle-même, il s’agit de nouveaux résultats sur des problèmes ouverts en mathématiques. En quatre jours, la publication avait produit un second document : plus de 100 réactions publiques recueillies par le blog mathématique Proofs and Prompts, allant de l’enthousiasme pour de nouvelles preuves au chagrin face à une profession qui a changé en une semaine.

Ce qui a réellement été publié

Le dépôt constitue la substance de la publication, et le catalogue d’OpenAI est précis sur sa taille : 719 manuscrits regroupés en 372 familles de résultats, chacune classée par discipline mathématique. Une famille peut contenir un résultat principal, des arguments complémentaires, des conséquences et des preuves alternatives, si bien que le nombre de fichiers dépasse le nombre de résultats revendiqués.

La partie qu’un lecteur peut vérifier sans être mathématicien est la partie formelle. Lean est un langage de programmation dans lequel une preuve peut être vérifiée par un ordinateur, et OpenAI affirme avoir formalisé de nombreuses preuves en Lean et vouloir en ajouter d’autres au fur et à mesure qu’il les obtient.

Le dépôt publie aussi dix résumés abrégés du raisonnement du modèle, des estimations du calcul derrière le travail, et des statistiques sur les problèmes qu’il a tentés. La procédure a été globalement la même tout du long : un modèle non commercialisé, environ trois heures de réflexion ChatGPT Pro par résultat, et environ 4 000 problèmes posés.

Ce qu’OpenAI a publié Chiffre
Manuscrits dans le catalogue 719
Familles de résultats 372
Résultats phares avec une formalisation Lean 42 %
Problèmes posés au modèle environ 4 000
Calcul par résultat environ 3 heures de réflexion ChatGPT Pro

Deux familles ont été traitées en dehors de la procédure fixe : une région sans zéro pour la fonction zêta de Riemann et la conjecture de Hodge pour les variétés abéliennes de type CM. OpenAI indique que la rédaction de la région sans zéro pour Re(s) supérieur à 11/12 a été éditée par un humain pour la lisibilité.

Le haut de la page publiée par OpenAI pour sa sortie mathématique, consultée le 10 octobre 2026
La page publiée par OpenAI pour la sortie, consultée le 10 octobre 2026. La date qui y figure, le 6 octobre 2026, est celle que cet article retient pour le fait.

Les chiffres à retenir

  • Le catalogue compte 719 manuscrits, soit 372 familles de résultats.
  • 42 % des résultats phares portent une formalisation Lean, la seule partie qu’un lecteur peut vérifier à moindre coût.
  • Le dépôt d’OpenAI lui-même avertit que certains résultats non formalisés pourraient encore poser problème.

Sur quoi repose l’affirmation

L’affirmation est qu’il s’agit de nouveaux résultats sur des problèmes ouverts. Ce qui est vérifié aujourd’hui, c’est le sous-ensemble formalisé, 42 % des résultats phares. Tout le reste se situe à différents stades de vérification, et le dépôt d’OpenAI dit clairement que certains résultats non formalisés pourraient poser problème. C’est la phrase la plus utile de la publication, car elle indique au lecteur que 372 est un décompte d’affirmations, pas de théorèmes établis.

Notre calcul sur les propres chiffres d’OpenAI : environ 4 000 problèmes ont été posés et 372 familles ont été cataloguées, soit à peu près 9 résultats pour 100 problèmes soumis au modèle. OpenAI ne publie pas de taux d’échec par problème. Le dépôt indique seulement que le regroupement des sorties en familles et l’exigence d’un niveau de signification ont produit le catalogue, ce qui laisse la règle de sélection à l’intérieur de l’entreprise.

La réaction de la communauté apporte les éléments que la publication ne couvre pas. Dans les réponses recueillies par Proofs and Prompts le 8 octobre, Henry Wilton écrit qu’OpenAI refuse de nommer les auteurs de ses articles et ne les soumet pas aux revues, ce qui, selon lui, présente les mathématiques comme n’étant plus une activité humaine.

Si OpenAI voulait détruire la communauté mathématique, ce serait une excellente façon de s’y prendre.

D’autres réponses renvoient la question des standards à la communauté elle-même. Enrico Fatighenti écrit qu’il refuse un article humain qu’il ne peut pas lire au-delà de la première page, alors que la discipline est désormais censée déchiffrer et vérifier à ses frais des articles issus de systèmes d’IA. Giulio Tiozzo décrit la publication comme des articles mis en ligne à la hâte, et rapporte avoir pris un exemple, un groupe à 116 générateurs, et obtenu en dix minutes un exemple plus petit à 12 générateurs.

Ce qui n’est pas publié

Aucun auteur nommé, aucune évaluation par les pairs, aucune vérification indépendante. Les résultats sont allés dans un dépôt contrôlé par l’entreprise, avec les tickets et les pull requests désactivés, si bien que la communauté n’a nulle part, à l’intérieur de la publication, où poster des corrections. Le modèle qui a produit les résultats n’est pas commercialisé, donc l’exécution ne peut pas être reproduite de l’extérieur.

Ce que cela change pour quiconque paie pour l’IA de pointe

La publication n’est pas un produit, et le modèle derrière ne peut pas encore être acheté. Sa valeur pour un acheteur est un signal sur ce à quoi un modèle de pointe peut être digne de confiance dans un domaine où une mauvaise réponse n’est pas une question de goût.

Le premier signal est le rendement. Un laboratoire qui pose 4 000 problèmes et publie 372 familles de résultats publie les sous-produits de son évaluation, et c’est le ratio qui compte pour la planification : environ neuf résultats catalogués pour cent problèmes tentés, et seulement 42 % de ceux-ci vérifiés par machine. Si vous bâtissez sur un travail technique assisté par IA, ce ratio est la forme du pipeline telle que le fournisseur lui-même la décrit.

Le deuxième est le coût de la vérification. Fatighenti et Johannes Schmitt font le même constat : les articles existent, les lecteurs non, et la charge de la vérification retombe sur quiconque se soucie du résultat. Pour une équipe qui utilise déjà l’IA pour la recherche ou l’ingénierie, la règle pratique est de budgéter la vérification, pas seulement la génération : vérification formelle là où le domaine le permet, et temps de relecture humaine dans le plan là où ce n’est pas le cas.

Le troisième est la provenance. Les articles ne portent aucun nom d’auteur, donc citer l’un d’eux revient à citer un dépôt plutôt qu’une personne. C’est un appui plus fragile qu’une revue, et cela vaut la peine de le savoir avant qu’un résultat ne soit livré.

L’avis de Neural Minute

Le chiffre à retenir de cette publication n’est pas 372. C’est 42 %.

C’est la fraction qu’OpenAI déclare lui-même comme vérifiée par machine, et le même dépôt indique que certains résultats en dehors pourraient poser problème. Un fournisseur qui publie 719 manuscrits puis dit dans son propre dépôt qu’une partie du lot peut être fausse est plus honnête là que dans son titre. Le titre est une affirmation ; les 42 % formalisés sont un fait. Traitez le sous-ensemble vérifié par machine comme le livrable et le reste comme un programme de recherche, et demandez à tout fournisseur avançant une affirmation comparable quelle fraction a été vérifiée, et par quel moyen.

Deux autres points comptent pour quiconque veut s’appuyer là-dessus. Le modèle n’est pas publié, donc le travail n’est reproductible qu’à l’intérieur d’OpenAI, ce qui rapproche la publication d’un article scientifique plutôt que d’un outil que vous pouvez exécuter. Et la réaction est arrivée en deux jours, plus vite que le temps de lire les articles, ce qui prouve en soi que le domaine n’a aucun processus pour absorber une production de ce volume, et le sait.

Notre réserve porte sur le décompte. Les 372 familles, les 719 manuscrits et les 42 % sont tous des chiffres qu’OpenAI rapporte sur son propre travail, sans vérification externe et sans auteur nommé derrière le moindre article. Ils sont peut-être exacts. Ils ne sont pas encore vérifiés de façon indépendante, et la publication, à son crédit, le dit.

Sources

  • Sharing AI progress in mathematics, openai.com, publié le 6 octobre 2026 : https://openai.com/index/sharing-ai-progress-in-mathematics/
  • Les chiffres du catalogue utilisés ici, 719 manuscrits, 372 familles de résultats, 42 % des résultats phares formalisés, environ 4 000 problèmes posés et environ trois heures de réflexion de ChatGPT Pro par résultat, sont publiés dans le dépôt qu’OpenAI gère sous sa propre organisation GitHub, consulté le 10 octobre 2026
  • Les réactions citées ici proviennent du recueil publié par le blog mathématique Proofs and Prompts le 8 octobre 2026