Dans la nuit du 6 au 7 octobre, OpenAI a déposé sur GitHub 722 manuscrits de mathématiques produits par l’un de ses modèles internes, jamais rendu public. Pas un article, pas une poignée de résultats : plus de sept cents textes d’un coup, rangés en 372 « familles », de la théorie des nombres à la géométrie en passant par la combinatoire. Aucun ne porte de nom de chercheur. La communauté mathématique, déjà secouée par les annonces des derniers mois, se retrouve devant une question simple et vertigineuse : qui va relire tout ça ?
Des promesses spectaculaires, une vérification partielle
Sur le papier, les titres donnent le tournis : avancées vers des conjectures célèbres, contre-exemples à des énoncés vieux de plusieurs décennies, une trentaine de mentions de problèmes posés par le mathématicien hongrois Paul Erdős. Selon OpenAI, le modèle a reçu environ 4 000 problèmes et a consacré en moyenne trois heures de calcul à chaque résultat. Mais ce sont des affirmations de l’entreprise, que personne n’a encore vérifiées de façon indépendante.
OpenAI le reconnaît d’ailleurs elle-même : certains résultats « pourraient comporter des problèmes ». Environ 42 % seulement auraient été validés par Lean, un logiciel qui vérifie mécaniquement les démonstrations. Le reste n’a, à ce stade, été relu par aucun humain de façon documentée ; selon Scientific American, une partie des résultats n’est même pas encore comprise par les mathématiciens de l’entreprise. Dès le lendemain, OpenAI a retiré trois manuscrits à cause d’une erreur de signe et en a corrigé quatorze autres. Le dépôt n’en compte plus que 719.
« Il faut demander les reçus »
Les réactions sont partagées. Daniel Litt, de l’université de Toronto, y voit plutôt une bonne nouvelle pour la discipline. Andrew Sutherland, du MIT, résume le scepticisme ambiant d’une formule : il faut demander les reçus. Un groupe consultatif indépendant de neuf mathématiciens, créé à l’initiative d’OpenAI fin septembre et dont fait partie le Français François Charles, de l’École normale supérieure, avait recommandé de publier pour chaque résultat le modèle, les instructions et le calcul utilisés. OpenAI ne l’a pas fait. Le groupe a précisé que cette publication n’était ni une évaluation de son impact, ni une approbation.
La méfiance a ses raisons. En octobre 2025, un dirigeant d’OpenAI avait affirmé que son modèle avait résolu dix problèmes d’Erdős ; il avait en réalité retrouvé des solutions déjà publiées, et le message avait été supprimé. En septembre, l’entreprise a été accusée de s’approprier sans les citer des travaux sur les équations de Navier-Stokes. L’archive scientifique arXiv, de son côté, a durci ses règles face aux textes générés par IA non vérifiés.
La science ouverte, oui ; la relecture gratuite, non
Il ne s’agit pas de nier que ces outils peuvent aider les mathématiciens : si une partie de ces résultats tient, c’est une avancée. Mais la façon de faire pose un vrai problème de méthode. La recherche repose sur un contrat implicite : celui qui publie assume, signe et explique. Ici, une entreprise déverse plus de sept cents textes sans auteur, sans le modèle qui les a produits, et laisse à une communauté universitaire, bénévole pour l’essentiel, le soin de trier le vrai du faux. C’est la science ouverte à l’envers : l’entreprise garde l’outil et les données, la communauté hérite du travail.
Le jour où ces résultats seront relus, signés et le modèle publié, on pourra parler de découverte. D’ici là, c’est surtout une démonstration de force.
Sources
- OpenAI — dépôt GitHub openai/math (README, sommaire et historique)
- Next — OpenAI inonde la recherche avec 722 prépublications de mathématiques générées par IA
- Scientific American — OpenAI unleashes hundreds more math results upon a field already in shock
- Decrypt — OpenAI’s secret AI model cracked hundreds of math problems
- AGMAI — Advisory Group on Mathematics and AI
- TechCrunch — OpenAI’s embarrassing math (octobre 2025)
- Next — OpenAI accusée de mauvaises pratiques scientifiques (septembre 2026)
- CERN Courier — arXiv’s one-strike rule on AI
