Les annonces mathématiques d’OpenAI révèlent le goulot d’étranglement de la vérification en IA

L’article de WIRED décrit un conflit grandissant entre les laboratoires d’IA de pointe et les mathématiciens professionnels autour du processus. Lindsay McCallum, porte-parole d’OpenAI, a déclaré à WIRED que le 28 août, l’entreprise avait commencé à entraîner un nouveau modèle interne et que, en plus d’avoir « résolu le problème du prix du millénaire de Navier—Stokes », le modèle avait « résolu plus de 100 problèmes ouverts de longue date dans la plupart des domaines des mathématiques ».

C’est une affirmation extraordinaire, dans un contexte fragile. Le problème de Navier–Stokes fait partie des problèmes du prix du millénaire, une catégorie de problèmes dont la résolution exige normalement un examen approfondi par des experts. Nous avons couvert les enjeux de vérification autour de cette annonce dans l’affirmation d’OpenAI sur une preuve de Navier–Stokes : le résultat annoncé compte, mais le passage de « le modèle a produit un argument » à « le domaine accepte le théorème » est la partie difficile.

WIRED a également rapporté qu’OpenAI avait dit à certaines personnes prévoir de publier sur GitHub des centaines de solutions à des problèmes non résolus. McCallum a déclaré à WIRED que l’entreprise « travaillait à publier de manière responsable » les prochains résultats mathématiques et s’appuyait sur les conseils et recommandations publiques de l’Advisory Group on Mathematics and Artificial Intelligence de l’Institute for Advanced Study. Elle a aussi indiqué qu’OpenAI n’avait pas fixé de date de publication.

Cette distinction compte. Une publication sur GitHub est utile pour le logiciel. Ce n’est pas automatiquement la bonne unité pour les mathématiques de pointe. Les mathématiciens peuvent lire du code, des preuves formelles, des plans et des articles, mais chaque format répond à une question différente. L’argument fonctionne-t-il ? Qui a eu l’idée clé ? Sur quels travaux antérieurs repose-t-il ? Quelles parties sont nouvelles, et lesquelles sont des recombinaisons ? Que devraient citer les autres chercheurs ?

Bryna Kra, mathématicienne à Northwestern University ayant participé à la réunion d’août, a déclaré à WIRED que les participants avaient demandé à OpenAI de ne pas publier ses résultats uniquement dans un billet de blog ou un tweet, mais d’écrire des articles que les mathématiciens pourraient « absorber, digérer et utiliser ». Kra a déclaré à WIRED : « Apparemment, cette contribution a été ignorée. »

L’exemple technique le plus clair dans les sources n’est pas le lot contesté de centaines de résultats. C’est le résultat antérieur d’OpenAI sur les distances unitaires.

Le problème d’Erdős sur les distances unitaires demande, en gros, combien de paires de points dans un plan peuvent être séparées d’exactement une unité. Paul Erdős avait conjecturé que la meilleure configuration possible croîtrait à peine plus vite que le nombre de points. Selon Ars Technica, le modèle d’OpenAI lui a donné tort en construisant une configuration de points plus complexe que les approches traditionnelles fondées sur une grille.

Ars décrit la méthode comme une recombinaison astucieuse d’idées mathématiques connues. Le modèle a utilisé une grille en grande dimension, l’a projetée en deux dimensions et a utilisé des entiers algébriques pour créer une structure plus riche. Selon l’évaluation d’Ars, le résultat n’introduisait pas de techniques véritablement nouvelles. Des mathématiciens humains ont ensuite clarifié et étendu le travail.

Cette combinaison est importante : suffisamment autonome pour compter, mais pas magique. Le système d’IA a trouvé une preuve qui résolvait une grande conjecture ouverte, mais le résultat avait encore besoin d’une interprétation, d’une simplification, d’une extension et d’un positionnement dans la littérature par des humains.

C’est l’image à court terme la plus réaliste de l’IA dans la recherche : les modèles explorent largement, relient des sous-domaines et passent au crible des stratégies de preuve qui seraient fastidieuses pour les humains ; les humains décident quelles questions comptent, réparent l’exposition, vérifient le travail et construisent la couche suivante. Cette division ne tiendra peut-être pas éternellement, mais les éléments actuels des articles cités soutiennent davantage une histoire hybride qu’un récit de remplacement net.

Cela ressemble aussi à ce que les ingénieurs observent avec les agents logiciels. Les questions de production les plus difficiles ne sont pas seulement « le modèle peut-il produire une réponse ? » Elles sont « pouvons-nous l’évaluer, la reproduire, l’attribuer et le laisser agir en toute sécurité ? » C’est pourquoi la conception de l’évaluation est devenue centrale, des petits jeux de référence aux mesures sur exécutions répétées comme pass@k ; si vous voulez la version ingénierie, commencez par l’évaluation des LLM.

La réaction rapportée par WIRED n’est pas anti-IA au sens simple. Plusieurs mathématiciens cités dans l’article semblent enthousiastes face à des outils plus puissants. Leur inquiétude porte sur le pouvoir institutionnel et le processus scientifique.

WIRED écrit que certains universitaires estiment que les mathématiques sont devenues un terrain d’essai pour OpenAI et Anthropic, alors que ces entreprises rivalisent pour démontrer les capacités de leurs modèles. Nestor Guillen, professeur invité de mathématiques à New York University, a déclaré à WIRED qu’il existe chez les mathématiciens « une perception de comportement mafieux » à l’égard des entreprises d’IA. McCallum, d’OpenAI, a répondu : « Nous ne sommes pas d’accord avec cette caractérisation. »

Le différend le plus sérieux décrit par WIRED implique Tristan Buckmaster, professeur à New York University, et Levent Alpöge, employé d’Anthropic. WIRED rapporte qu’OpenAI a déployé des milliers d’agents en septembre pour travailler sur un problème du prix du millénaire après avoir entendu des « rumeurs » selon lesquelles d’autres étaient proches du but. Buckmaster a accusé OpenAI de devancer le travail qu’il avait mené avec Alpöge, un travail que les deux chercheurs n’avaient pas encore publié mais qu’ils développaient avec l’aide des outils d’OpenAI.

Le chercheur d’OpenAI Sébastien Bubeck a nié avoir demandé qu’Alpöge soit exclu de la liste des auteurs, selon le compte rendu de sa réponse par WIRED. Malgré tout, l’épisode montre pourquoi l’attribution devient difficile lorsque des chercheurs utilisent des outils propriétaires, que des laboratoires peuvent observer certains usages et que des modèles internes peuvent être orientés à grande échelle vers des problèmes adjacents.

La communauté réagit déjà. WIRED mentionne Hexagon, un dépôt de matériel mathématique principalement généré par l’IA, et Palomar, un registre de mathématiques vérifiées par machine. L’article cite également la déclaration de Leiden, un appel signé par plus de 4 000 mathématiciens demandant aux entreprises d’IA de respecter les standards des mathématiciens.

La direction est claire : si les mathématiques générées par l’IA deviennent abondantes, les mathématiques ont besoin d’une nouvelle infrastructure pour la provenance, la revue et la vérification. GitHub peut en faire partie. Il ne peut pas être tout le processus.

Une preuve n’est pas acceptée parce qu’un modèle puissant l’émet. Elle est acceptée parce qu’une communauté peut la vérifier.

Cette couche sociale est facile à sous-estimer de l’extérieur. Les mathématiques ressemblent souvent à de la logique pure : soit la preuve est valide, soit elle ne l’est pas. En pratique, une preuve doit aussi être lisible, contextualisée et reliée aux travaux existants. Un domaine doit savoir quels lemmes font le travail, quelles hypothèses sont cachées, quelles citations manquent et quelles affirmations sont assez solides pour être réutilisées.

L’IA met ce système sous tension en changeant le volume. Une preuve difficile est un défi. Des centaines de solutions revendiquées deviennent un problème de file d’attente. Si seul un petit nombre d’experts peut évaluer chaque résultat, publier un gros lot peut créer un arriéré qui ressemble à du progrès du point de vue du laboratoire et à des débris du point de vue du domaine.

Pour les créateurs d’IA, voici l’analogie utile : la capacité sans capacité de revue crée un risque opérationnel. Un agent de code qui ouvre 200 pull requests peut être moins utile qu’un agent qui en ouvre cinq, faciles à relire. Un agent de recherche qui produit des milliers d’affirmations candidates a besoin de tri. Un agent métier qui agit dans plusieurs outils a besoin de points d’approbation, de journaux d’audit et de chemins de restauration. Le même schéma apparaît dans les approbations human-in-the-loop et dans le travail agentique de longue durée, où le contexte, l’état et la supervision comptent davantage qu’une réponse impressionnante.

La controverse mathématique est un aperçu de ce qui se passe lorsque la génération devient moins coûteuse que l’évaluation.

Les mathématiques sont un premier test de résistance parce qu’elles ont des propriétés particulières. Les problèmes peuvent être formulés avec précision. Les preuves peuvent parfois être vérifiées formellement. Le prestige est lié à la résolution de questions ouvertes nommées. Et la communauté a des normes fortes en matière de priorité, d’attribution et de publication.

D’autres domaines feront face à une version de la même pression partout où trois conditions sont réunies :

Le logiciel y est déjà. Le code peut être généré rapidement, mais l’exactitude, la sécurité, la maintenabilité et la propriété exigent encore une revue. La littérature scientifique en est proche : une IA peut proposer des hypothèses ou des analyses plus vite que les laboratoires ne peuvent les tester. Le travail juridique et médical est plus contraint, mais il partage la même asymétrie entre une production fluide et une vérification coûteuse.

La leçon n’est pas de ralentir chaque modèle par défaut. Elle consiste à concevoir les institutions et les systèmes autour du goulot d’étranglement. Si un modèle peut produire 1 000 artefacts plausibles, la question produit devient : quels sont les 10 qu’un humain doit voir, dans quel ordre, avec quelles preuves et sous quelles contraintes ?

C’est aussi le centre de conception des systèmes d’agents pratiques. Les workflows multi-agents ont besoin de routage, de mémoire, d’outils et de chemins d’escalade, mais aussi de limites : ce qui peut s’exécuter automatiquement, ce qui exige une revue et ce qui est journalisé pour inspection ultérieure. Si vous construisez dans cette direction, les problèmes d’ingénierie recoupent davantage l’orchestration multi-agent que l’ingéniosité des prompts.

Les articles pointent vers une courte liste de normes qui réduiraient les frictions.

Premièrement, publier des articles, pas seulement des annonces. Les billets de blog peuvent expliquer les résultats, mais ils ne devraient pas remplacer l’objet scientifique lorsque l’affirmation est un théorème.

Deuxièmement, séparer les démonstrations de capacité des affirmations scientifiques. « Notre modèle a produit cette preuve » et « la communauté accepte ce résultat » sont deux énoncés différents. Les garder séparés protège à la fois le laboratoire et le domaine.

Troisièmement, divulguer la provenance. Si des outils d’IA ont été utilisés par des mathématiciens externes, si un laboratoire a eu accès aux interactions d’utilisateurs, ou si des agents internes ont été déployés après avoir entendu parler de travaux concurrents, l’histoire de l’attribution a besoin de plus qu’une note de bas de page.

Quatrièmement, utiliser des registres et une infrastructure de vérification. WIRED rapporte que des mathématiciens ont encouragé OpenAI à utiliser des outils comme Hexagon et Palomar. Si ces outils ne suffisent pas, les laboratoires devraient aider à améliorer le processus plutôt que le contourner.

Cinquièmement, publier à un rythme compatible avec une revue humaine. Un déversement de centaines de résultats peut maximiser le spectacle. Il ne maximise pas la compréhension.

La crise d’identité, s’il y en a une, n’est pas que les mathématiciens ne comptent plus. C’est que la profession devra peut-être redéfinir le travail rare qu’elle accomplit. Poser les bonnes questions, définir des standards, vérifier les résultats, attribuer le crédit et transformer des preuves isolées en théorie utilisable deviennent d’autant plus importants que les machines peuvent produire davantage de réponses candidates.

Ce basculement est inconfortable. Il est aussi familier. Tout domaine mature développe des filtres quand la production devient bon marché. L’IA oblige les mathématiques à construire ces filtres en public.

Pour plus d’actualités claires sur l’IA et de guides pratiques, abonnez-vous à la newsletter de NeuraLIA Labs.

• Le problème central n’est pas seulement de savoir si l’IA peut résoudre des problèmes mathématiques difficiles, mais si la communauté mathématique peut vérifier et absorber les résultats à la même vitesse.
• OpenAI aurait revendiqué des avancées majeures sur des problèmes de longue date, notamment Navier–Stokes et plus de 100 autres questions ouvertes, mais l’acceptation dépend de l’examen des experts.
• Le résultat sur les distances unitaires d’Erdős montre un schéma probable à court terme : les systèmes d’IA peuvent trouver des preuves importantes, tandis que les humains continuent de les simplifier, de les contextualiser et de les étendre.
• Les inquiétudes des mathématiciens portent sur le processus, la provenance, l’attribution, les normes de publication et le risque de submerger les systèmes de revue.
• Le même goulot d’étranglement entre génération et vérification apparaît dans le logiciel, la science, le droit, la médecine et les workflows d’IA agentique.

C’est l’écart entre la vitesse à laquelle les systèmes d’IA peuvent générer des preuves ou affirmations plausibles et la lenteur avec laquelle les experts peuvent les vérifier, les contextualiser, les attribuer et les réutiliser.

OpenAI aurait affirmé qu’un modèle interne avait résolu le problème du prix du millénaire de Navier–Stokes, mais l’article souligne que la vérification par la communauté est nécessaire avant qu’une telle affirmation soit acceptée.

Leurs inquiétudes portent notamment sur les standards de publication, la paternité, la provenance, les conflits de priorité et la possibilité que de grands lots de résultats générés par l’IA submergent la revue par des experts.

Selon les articles évoqués, un modèle d’OpenAI a réfuté la conjecture d’Erdős sur les distances unitaires en recombinant des idées connues de manière utile, après quoi des mathématiciens humains ont clarifié et étendu le travail.

Le logiciel, la recherche scientifique, le travail juridique et le travail médical subissent tous une pression similaire, car l’IA peut produire des résultats rapidement tandis que la validation reste coûteuse et lourde de conséquences.