OpenAI et les mathématiques : 722 manuscrits, quelles avancées ?

L’IA face aux frontières des mathématiques.

OpenAI publie des centaines de manuscrits. Pourquoi cette annonce impressionne-t-elle autant, et que reste-t-il à vérifier ?

Le 6 octobre 2026, OpenAI a rendu publics des travaux mathématiques produits par un modèle interne. L’entreprise publie les manuscrits et des éléments de vérification sur GitHub. L’annonce concerne donc des documents consultables, pas seulement une promesse de résultats futurs. [1]

722 manuscrits initiaux [2] [3] 719 après les trois retraits du 7 octobre.

372 familles de résultats [2] Plusieurs textes peuvent concerner le même ensemble de résultats.

≈ 3 h de calcul par résultat [1] Moyenne en équivalent ChatGPT Pro, pas une durée universelle.

≈ 42 % de résultats principaux formalisés [3] 300 sur 719, selon le décompte d’OpenAI du 7 octobre.

Le point décisif La publication est réelle. La validation doit se faire résultat par résultat. Ni le nombre de manuscrits ni l’enthousiasme d’un spécialiste ne remplacent l’examen des démonstrations.

Une annonce, une preuve formelle et un consensus scientifique ne désignent pas la même chose.

Illustrations générées par IA : elles expliquent la recherche, la vérification et la compréhension des résultats. Elles ne représentent ni de véritables manuscrits ni une validation des preuves annoncées.

Des manuscrits, pas 722 découvertes indépendantes

Le catalogue est organisé en familles de résultats. Une famille peut réunir une démonstration principale, des arguments complémentaires, des conséquences ou d’autres preuves. Le nombre de fichiers ne mesure donc pas directement le nombre de percées scientifiques distinctes. [2]

Le mot manuscrit est lui aussi important : publier un texte sur un dépôt n’équivaut pas à obtenir son acceptation après évaluation par une revue. Les recommandations d’AGMAI distinguent la diffusion initiale, l’examen scientifique et le travail nécessaire à la compréhension des résultats. [10]

La bonne lecture : OpenAI soumet un corpus de résultats à l’examen. On ne peut pas transformer automatiquement ce corpus en un palmarès de centaines de découvertes déjà certifiées.

Que signifient les niveaux A, B, C et D ?

Abhishek Saha est professeur de mathématiques à Queen Mary University of London, spécialiste de théorie des nombres et des formes automorphes. [4] Son classement porte sur le caractère novateur et surprenant des résultats. Ici, D désigne la rupture la plus spectaculaire : ce ne sont pas des notes scolaires. [5]

A Un résultat solide Un travail valable, parfois excellent, mais sans rupture majeure. L’essentiel des publications se situe dans cette catégorie.

B Une avancée exceptionnelle Un aboutissement remarquable, obtenu dans une direction de recherche dont la réussite restait concevable.

C Une percée surprenante Un obstacle important est franchi, sans qu’un chemin convaincant vers la solution ait été connu auparavant.

D Une rupture stupéfiante Un résultat que les spécialistes auraient jugé très improbable avec les méthodes alors disponibles.

Dans son appréciation initiale, Saha place l’essentiel des annonces en B ou C et un résultat en D : la « quasi-hypothèse de Riemann ». C’est un jugement qualitatif, pas un audit individuel des 722 manuscrits. [5]

Riemann : ne pas confondre avancée partielle et solution complète

L’hypothèse de Riemann concerne les zéros non triviaux de la fonction zêta, notée ζ(s). Ces zéros sont liés à la répartition des nombres premiers. L’hypothèse affirme qu’ils se trouvent tous sur la droite où la partie réelle du nombre complexe s vaut 1/2. [7]

La famille 003 du catalogue annonce une région sans zéros pour Re(s) > 7/8. Elle comprend aussi une démonstration différente pour le seuil 11/12. Ces deux bornes ne doivent pas être confondues : 7/8 est la plus forte, car elle exclut une région plus grande. [6]

Deux affirmations différentes

L’hypothèse complète

Re(s) = 1/2

Tous les zéros non triviaux seraient sur cette droite.

Le résultat annoncé

Re(s) > 7/8

Aucun zéro ne se trouverait à droite de ce seuil.

Repères sur l’axe réel, dans la bande critique

Repères sur l’axe réel : 0 ; 1/2 ; 7/8 ; 1. La droite de Riemann est repérée à 1/2 ; la région annoncée sans zéros se situe à droite de 7/8.

Schéma pédagogique : la partie imaginaire et l’exclusion symétrique à gauche ne sont pas représentées. Ce n’est ni une carte des zéros ni un pourcentage de résolution du problème. [6] [7]

La distinction est simple : exclure une zone à droite de 7/8 ne suffit pas à placer tous les zéros sur 1/2. Cette annonce ne démontre donc pas l’hypothèse de Riemann complète. Celle-ci reste classée parmi les problèmes non résolus par le Clay Mathematics Institute à la date de consultation. [7]

« Partiel » ne veut pas dire « insignifiant ». Réduire fortement l’espace dans lequel un phénomène peut se produire peut déjà transformer un problème. C’est cette différence entre résultat incomplet et résultat mineur qu’il faut garder à l’esprit.

« Trois heures » : une moyenne, avec des exceptions

OpenAI parle d’environ trois heures en équivalent de calcul ChatGPT Pro par résultat. Ce n’est ni un chronomètre universel ni l’affirmation que toute la collection a été produite en trois heures. [1]

Le dépôt indique qu’environ 4 000 problèmes ont été soumis au modèle. Il précise que les travaux sur une région sans zéros de la fonction zêta et sur Hodge pour les variétés abéliennes à multiplication complexe font exception à la procédure standard. Le texte de la preuve au seuil 11/12 a également été révisé par un humain pour sa lisibilité. [2]

Deux raccourcis à éviter : attribuer automatiquement trois heures au résultat sur Riemann, ou calculer un taux de réussite en divisant 372 familles par 4 000 problèmes. Les unités et les regroupements ne correspondent pas nécessairement un pour un.

Lean vérifie une preuve, pas un communiqué

Une formalisation traduit un énoncé et sa démonstration dans un langage précis. Un assistant de preuve comme Lean vérifie alors les inférences au regard de définitions, de règles et d’axiomes explicites. Ce n’est pas simplement demander à une autre IA si le texte lui paraît convaincant. [8]

L’énoncé est-il le bon ?

Les hypothèses et la conclusion formalisées correspondent-elles réellement au problème annoncé ?

La preuve tient-elle ?

Les étapes sont-elles justifiées et les dépendances explicitement identifiées ?

Qu’apporte-t-elle ?

Quelle est sa nouveauté, et comment les chercheurs peuvent-ils comprendre puis réutiliser ses idées ?

Une preuve formelle réussie apporte une garantie forte sur l’énoncé effectivement vérifié. Elle ne juge pas à elle seule la nouveauté d’une idée, la pertinence des hypothèses ou l’importance scientifique du résultat. Ces questions restent distinctes. [8] [10]

Le chiffre d’environ 42 % correspond au décompte publié par OpenAI, pas à un audit indépendant effectué pour cet article. [3] L’absence de formalisation ne suffit pas non plus à déclarer une preuve fausse : une démonstration peut être examinée par des mathématiciens sans passer par Lean.

Des retraits et des corrections dès le lendemain

6 octobre OpenAI annonce la mise à disposition des résultats et de leurs documents d’accompagnement. [1]

7 octobre Une erreur de signe conduit au retrait de trois manuscrits liés. Quatorze autres textes sont révisés, et treize manuscrits supplémentaires reçoivent des mises à jour de références et de versions. [3]

8 octobre Au moment de la consultation pour cet article, le catalogue affiche 719 manuscrits répartis en 372 familles. [2]

Ces retraits ne réfutent pas l’ensemble du corpus. Mais ils interdisent de présenter tous les textes initiaux comme des démonstrations définitivement acquises. Inversement, le fait qu’un manuscrit ne soit pas retiré ne constitue pas, à lui seul, une validation.

Pour suivre un résultat, il faut donc conserver son titre, sa version et ses dépendances, plutôt que de se fier uniquement au nombre spectaculaire affiché dans une publication virale.

Un tournant possible, pas un verdict collectif

Le groupe indépendant AGMAI présente la publication comme un événement important. Il précise toutefois que son rôle consultatif ne vaut ni jugement sur l’impact des résultats ni approbation du processus. Pour lui, la diffusion ouvre le travail de compréhension ; elle ne l’achève pas. [9]

Ses recommandations soulignent aussi la responsabilité des laboratoires : faciliter la vérification, améliorer les textes, respecter les contributions antérieures et soutenir la compréhension humaine. Elles expriment explicitement des réserves sur la recherche menée avec des modèles propriétaires inaccessibles à la communauté. [10]

Ce que l’on peut en déduire, sous réserve de validation : si une part importante des résultats résiste à l’examen, l’IA pourrait accélérer non seulement la rédaction des preuves, mais aussi la découverte d’idées nouvelles. La difficulté se déplacerait alors en partie vers leur vérification, leur explication et leur réutilisation.

En revanche, produire un travail remarquable ne démontre pas, à lui seul, une conscience ou une autonomie générale. La phrase virale selon laquelle l’IA ne serait « plus un outil » exprime une interprétation, pas une conclusion mathématique. Un outil peut précisément permettre d’accomplir ce qu’une personne seule ne pourrait pas faire.

Conclusion

Prendre l’annonce au sérieux, sans transformer des résultats proposés en découvertes toutes confirmées. La mesure du progrès sera la solidité des preuves et la fécondité des idées.

Méthode et limites de cet article

Ce décryptage s’appuie sur l’annonce d’OpenAI, le catalogue et son historique, les publications d’AGMAI, la présentation du Clay Mathematics Institute et la documentation de Lean. Le commentaire de Saha est cité comme une appréciation personnelle ; son texte a été consulté dans une reproduction publique, le chargement direct de X n’ayant pas été possible.

Il ne s’agit pas d’un audit mathématique des manuscrits. Les preuves Lean n’ont pas été recompilées pour cet article. Les chiffres sont un instantané des sources consultées le 8 octobre 2026 et peuvent évoluer. Les schémas servent à expliquer les distinctions, pas à certifier les résultats.

Les encadrés, la chronologie et les repères du schéma de Riemann sont repris en texte dans le format du blog. Les illustrations conceptuelles sont générées par IA.