Discussion :

[Eliora]

OpenAI affirme qu’un modèle d’IA résout le problème mathématique de Navier-Stokes et publie une démonstration de 165 pages, sans briguer le prix d’un million de dollars

OpenAI a annoncé que son modèle d'IA interne venait de résoudre l'une des plus grandes énigmes de la recherche mathématique — mais cette annonce a suscité de vives critiques après qu'un mathématicien de l'université de New York a affirmé que l'entreprise avait joué sale. OpenAI a déclaré avoir prouvé que les équations de Navier-Stokes pouvaient « exploser ». Quelques heures avant l'annonce d'OpenAI, Buckmaster a présenté une version différente des faits, affirmant qu'il était parvenu à une solution dès le 22 août avec un collègue. OpenAI et Bubeck réfutent tous la version des faits donnée par Buckmaster.

OpenAI est une société d'intérêt public (PBC) américaine spécialisée dans l'intelligence artificielle (IA), dont le siège social est situé à San Francisco. Elle développe des modèles d'IA générative propriétaires, notamment sa série de grands modèles de langage (LLM) appelés « Generative Pre-trained Transformer » (GPT). Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé l'essor de l'IA ; en septembre 2026, ChatGPT est le cinquième site web le plus visité au monde. OpenAI commercialise également les modèles GPT Image et Codex, un agent de codage basé sur l'IA.

En août 2026, OpenAI a révélé que son prochain modèle d'IA, encore inédit à l’époque, baptisé Astra, avait réussi à résoudre dix problèmes de longue date dans les domaines des mathématiques, de la complexité quantique et de l'informatique théorique. Si ces affirmations résistaient à un examen minutieux de la communauté scientifique mondiale, cette avancée marquerait bel et bien un tournant historique. Le modèle d'IA a généré ces démonstrations mathématiques complexes de manière entièrement autonome. Les chercheurs sont ensuite intervenus pour vérifier ce travail. Les problèmes résolus par le modèle Astra faisaient appel à des théories académiques extrêmement complexes. Ce n'étaut pas la première fois qu'OpenAI revendiquait un succès dans le domaine des mathématiques.

Récemment, OpenAI a annoncé que son modèle d'IA interne venait de résoudre l'une des plus grandes énigmes de la recherche mathématique — mais cette annonce a suscité de vives critiques après qu'un mathématicien de l'université de New York (NYU) a affirmé que l'entreprise avait joué sale. OpenAI a déclaré avoir prouvé que les équations de Navier-Stokes, qui décrivent le mouvement des fluides, pouvaient « exploser » — c'est-à-dire atteindre un point où les calculs prédisent une vitesse infinie, ce qui ne peut se produire dans la nature.

C'est l'un des sept « problèmes du Prix du Millénaire », chacun doté d'un million de dollars par le Clay Mathematics Institute. Selon OpenAI, ce résultat a nécessité 88 heures de travail et la mobilisation d’environ 10 000 agents IA coordonnés — des copies de ses modèles travaillant en parallèle sur la démonstration —, le tout vérifié par Lean, un logiciel qui valide une démonstration étape par étape. Mais ils ne sont peut-être pas ceux qui ont trouvé la solution en premier.

Quelques heures avant l’annonce d’OpenAI, Tristan Buckmaster, mathématicien à NYU, a présenté une version différente des faits dans un communiqué de quatre pages. Avec Levent Alpöge, mathématicien chez Anthropic, concurrent d’OpenAI, il avait passé près d’un an à utiliser des modèles d’IA pour rechercher des preuves de l’explosion des fluides et était parvenu à une solution dès le 22 août.

Buckmaster affirme que le 3 septembre, alors que des rumeurs circulaient selon lesquelles Anthropic avait résolu un problème majeur, il a parlé du projet à un mathématicien d’OpenAI, en soulignant qu’il s’agissait d’un projet personnel sans lien avec aucune des deux entreprises. Trois jours plus tard, lors d’un appel téléphonique, Sébastien Bubeck, d’OpenAI, lui a annoncé qu’un modèle interne avait déjà produit une démonstration de 100 pages pour les équations de Navier-Stokes forcées — cette même approche très ciblée que, selon Buckmaster, presque personne d’autre ne poursuivait.

Buckmaster raconte que Bubeck lui a alors proposé deux options : soit OpenAI publie ses résultats le lendemain de ceux de son équipe, soit Buckmaster rédige seul son article, en excluant Alpöge car celui-ci travaille dans un laboratoire concurrent. Lorsque Buckmaster a répondu qu’il préférait rendre ses résultats publics, Bubeck lui aurait rétorqué : « Pourquoi voudrais-tu ruiner ta carrière ? »

« Si tu ne veux pas que je sois gentil, alors je n’ai pas à l’être », a déclaré Bubeck à Buckmaster, selon sa déposition. Buckmaster a fini par publier les articles de recherche présentant ses conclusions. Levent Alpöge y était cité, mais aucun des deux chercheurs n’a été reconnu par OpenAI — à l’exception d’un tweet repris dans lequel l’entreprise reconnaissait ne pas pouvoir « exclure que des données anonymisées issues de leur utilisation de nos produits aient contribué à améliorer nos modèles ».

OpenAI et Bubeck ripostent

Bubeck, OpenAI et Altman réfutent tous la version des faits donnée par Buckmaster. Dans un message publié par la suite, Bubeck a partagé des SMS proposant une publication coordonnée avec Alpöge et offrant les prompts d’OpenAI, et affirme avoir agi de bonne foi. « J’espère que ce message montre clairement que nos intentions étaient des meilleures possibles », a-t-il écrit. « Je n’ai jamais, au grand jamais, demandé que Levent soit retiré de la liste des auteurs de son propre travail. »

Le PDG d’OpenAI, Sam Altman, a pris la défense de Bubeck, affirmant qu’il « avait agi avec intégrité et générosité tout au long du processus » et qu’OpenAI avait proposé de laisser l’équipe de Buckmaster publier en premier dès qu’elle s’était rendu compte qu’elle n’avait résolu que l’équation d’Euler, et non l’ensemble des équations de Navier-Stokes. Dans un communiqué séparé, OpenAI a déclaré n’avoir jamais pris connaissance des travaux des deux chercheurs avant leur publication et n’avoir accédé à aucune donnée utilisateur spécifique. Cela dit, l’entreprise n’écarte pas non plus explicitement cette possibilité.

Terence Tao, lauréat de la médaille Fields, a qualifié les fondements mathématiques de Buckmaster et Alpöge de « réalisation remarquable ». C’est la deuxième actualité concernant l’IA et les mathématiques émanant de ces deux mêmes laboratoires, quelques jours après qu’Anthropic a annoncé que Claude avait produit une démonstration vérifiée par ordinateur du dernier théorème de Fermat. Le résultat le plus avancé de Buckmaster et Alpöge — la version la plus proche du problème réel doté d’un million de dollars — reste inédit dans l’attente d’une dernière vérification par Lean. Personne en dehors d’OpenAI n’a non plus examiné de manière indépendante cette démonstration de 100 pages.

En janvier 2026, le célèbre mathématicien Joel David Hamkins a exprimé de sérieux doutes quant à l'utilité des modèles d'IA dans la recherche mathématique, qualifiant leurs résultats de « déchets » et de « mathématiquement incorrects ». Il soulignait la tendance frustrante de l'IA à affirmer avec assurance des informations incorrectes et à résister à toute correction, reflétant ainsi les interactions humaines contre-productives. Malgré les succès remarquables de cette technologie, Hamkins estimait que les systèmes actuels n'étaient pas fiables pour une véritable collaboration en matière de recherche.

Voici l'annonce d'OpenAI :

À propos du problème du prix du millénaire de Navier-Stokes

Nous partageons ici une solution au problème d’existence et de régularité des équations de Navier-Stokes, l’un des problèmes du Prix du Millénaire. Cette démonstration, générée par un système interne d’OpenAI, montre que la dynamique des équations de Navier-Stokes décrivant le mouvement des fluides peut présenter une singularité en un temps fini. Nous mettons à disposition à la fois un exposé de la démonstration et une formalisation dans Lean.

Les problèmes du Prix du Millénaire⁠ représentent certaines des questions les plus profondes à la frontière des mathématiques. La question de savoir si le mouvement fluide tridimensionnel régulier peut se dégrader est restée sans réponse pendant environ 90 ans. L’un des principaux objectifs de nos travaux est de donner aux scientifiques les moyens de faire progresser la recherche et la technologie au bénéfice de l’humanité tout entière. Pour résoudre le problème de Navier-Stokes, nous avons utilisé un modèle interne nettement plus performant que GPT-6 Astra. Nous estimons qu’il est important d’informer le monde du rythme des progrès de l’IA et de ce à quoi il faut s’attendre avec les futurs modèles.

Le problème

Les équations de Navier-Stokes s'appuient sur la deuxième loi du mouvement de Newton (« F = ma ») pour décrire le mouvement des fluides. Il est important de noter qu'elles traitent un fluide comme un milieu continu plutôt que de suivre les molécules individuellement. Ces équations sont utilisées pour la conception d'aéronefs, les prévisions météorologiques et l'étude de la circulation sanguine. Une question fondamentale restée en suspens concernant ces équations dynamiques est de savoir si l’approximation du continuum du fluide peut échouer.

Plus précisément, les équations de Navier-Stokes pour un fluide incompressible en trois dimensions de densité constante peuvent-elles présenter une « singularité », même lorsque le mouvement démarre en douceur ? Ici, une singularité signifie que la dynamique conduit à une augmentation sans limite des vitesses dans le fluide en un temps fini. L’apparition d’une singularité devrait se produire malgré la présence de la viscosité, qui tend à lisser le mouvement. Étant donné qu’un fluide réel ne peut pas se déplacer à une vitesse infinie, cela marquerait une défaillance dans la manière dont les équations modélisent le fluide. Pour continuer à modéliser le système, il faudrait alors suivre le comportement de chaque particule individuellement.

Ces équations remontent aux travaux du XIXe siècle de Claude-Louis Navier et George Gabriel Stokes. En 1934, Jean Leray a prouvé que des solutions existaient au sens généralisé, mais la question de savoir si elles restaient toujours régulières est restée une question centrale sans réponse. En 2000, le Clay Mathematics Institute a classé le problème d’existence et de régularité des équations de Navier-Stokes parmi les sept problèmes du millénaire.

Résultat

Notre système a permis d’apporter une preuve analytique et une formalisation « Lean » démontrant qu’un fluide initialement lisse et au repos peut développer une singularité en un temps fini. Une force régulière est appliquée au fluide, et son énergie reste finie tout au long de la dynamique, depuis le repos jusqu’à la formation de la singularité. Cela résout le problème du Prix du Millénaire de Navier-Stokes en établissant l’énoncé « C » (ainsi que « D ») de la formulation officielle du Prix du Millénaire⁠.

La solution est un vortex, un tourbillon de fluide en rotation, qui s'enroule vers l'intérieur et s'allonge de plus en plus, à l'image de spaghettis. Cette région centrale se rétrécit tout en s'accélérant de telle sorte que son énergie reste finie, comme l'exigent les lois de la physique. Le défi technique consiste à faire en sorte que les équations mènent à la rupture par le mouvement du fluide lui-même, plutôt que, par exemple, en introduisant manuellement une force infinie. D’un point de vue plus mathématique, les termes des équations de Navier-Stokes qui décrivent le mouvement — accélération, gradients de pression, transfert d’impulsion, viscosité — doivent à la fois devenir importants tout en s’annulant de manière précise. Cet équilibre détaillé permet d’obtenir une force externe régulière, même lorsque la vitesse du fluide augmente sans limite.

Comment nous avons trouvé la preuve

Depuis le 28 août, nous entraînons un nouveau modèle interne qui a affiché des performances sans précédent lors de nos tests de performance, notamment en mathématiques. L'entraînement de ce modèle se poursuit et ses performances ne cessent de s'améliorer.

Le mardi 1er septembre, des rumeurs ont circulé selon lesquelles deux problèmes du Prix du Millénaire auraient été résolus. Inspirés par ces rumeurs et par l’amélioration spectaculaire des performances de notre modèle interne, nous avons lancé une initiative visant à l’évaluer sur l’ensemble des problèmes ouverts du Prix du Millénaire ainsi que sur quelques autres problèmes à fort impact. Nous avons utilisé un système d’agents coordonnés fonctionnant grâce à notre modèle interne.

Les agents disposaient d’outils tels que la possibilité de consulter une version mise en cache d’Internet et celle d’exécuter du code. Les agents étaient répartis en groupes capables de communiquer entre eux. La taille des groupes variait, et celui qui a abouti à la résolution de l’équation de Navier-Stokes comptait environ 10 000 agents simultanés. À tout moment, nous avons maintenu les mêmes mesures de sécurité strictes que celles que nous appliquons à toutes nos évaluations de modèles de pointe, notamment en matière de surveillance et d’isolation.

Pour chaque problème, nous avons soumis à différents groupes d’agents différentes variantes de l’énoncé du problème, couvrant ainsi toutes les variantes possibles. Pour le problème de Navier-Stokes, nous avons proposé les versions « A » et « B » (des formes particulières du problème de Navier-Stokes qui aboutiraient à une démonstration) et les versions « C » et « D » (qui aboutiraient à une réfutation) à des groupes d’agents distincts.

En plus des problèmes complets du Prix du Millénaire, nous avons demandé à notre système multi-agents de s’attaquer à un ensemble de problèmes « plus faciles ». L’un d’entre eux était un problème de « blow-up » similaire, portant sur la limite du problème de Navier-Stokes sans le terme de viscosité. Ce problème est connu sous le nom de « problème de régularité des équations d’Euler », et nos agents nous ont surpris en le résolvant. La variante spécifique du problème qu’ils ont résolue était la version « sans forçage », dans laquelle aucune force externe n’est appliquée au fluide. Près de 100 agents ont travaillé ensemble pendant environ 50 heures pour produire notre réfutation de la régularité d’Euler.¹

Une fois que nous avons pris connaissance de la solution d’Euler, nous avons estimé que le problème de Navier-Stokes était le plus prometteur sur lequel travailler. Nous avons donc décidé de consacrer nos ressources à ce problème. Pour ce faire, nous avons détourné des agents des autres problèmes du Millénaire et leur avons fourni comme indication la résolution d’Euler. Lorsqu’une version plus perfectionnée de notre modèle interne est devenue disponible au cours de ce travail, nous avons mis à jour nos agents en fonction de ce modèle.

Nous avons encouragé différents groupes d’agents à explorer une diversité d’approches. Après un certain temps, nous avons favorisé les échanges entre les groupes d’agents en utilisant Codex pour consolider les idées les plus utiles de chaque groupe. Ces consignes de suivi s’appuyaient sur les résultats intermédiaires des agents eux-mêmes. C’est ainsi que le groupe qui a trouvé la solution aux équations de Navier-Stokes a été guidé.

Les agents sont parvenus à une solution le samedi 5 septembre, environ 88 heures après le lancement des premiers agents. La formalisation et la vérification « lean » ont nécessité 17 heures supplémentaires via GPT-6 Astra.

Sur l’ensemble des problèmes abordés, les agents ont envoyé 4,9 millions de messages et utilisé environ 300 milliards de tokens de sortie. Au cours de la résolution du problème de Navier-Stokes, les agents ont envoyé 2,7 millions de messages et utilisé environ 130 milliards de tokens de sortie.

Travail parallèle

Notre projet a débuté le 1er septembre après avoir entendu une rumeur dont nous avons compris par la suite qu’elle concernait Levent Alpöge, un employé d’Anthropic, et Tristan Buckmaster, professeur de mathématiques à NYU. Une fois notre projet complet achevé et la vérification Lean effectuée (le 6 septembre), convaincus par la rumeur qu’ils disposaient eux aussi d’une solution au problème de Navier-Stokes, nous les avons contactés pour leur proposer une publication simultanée de nos résultats et reconnaître leur priorité dans un communiqué commun.

C’est à ce moment-là que nous avons découvert qu’ils avaient trouvé une solution au problème d’Euler forcé. Au cours de ces discussions, nous leur avons donné accès à l’ensemble des prompts que nous avions utilisés, puis leur avons permis de consulter la preuve. Nous reconnaissons la priorité de leurs travaux sur le problème d’Euler forcé et les félicitons pour leur remarquable réussite mathématique.

Nous (les chercheurs et les agents) n’avons eu accès à aucun de leurs travaux, par quelque moyen que ce soit, avant qu’ils ne les rendent publics — en particulier, aucune donnée utilisateur spécifique n’a été consultée pour résoudre ce problème. Bien que cela soit peu probable, nous ne pouvons exclure que des données anonymisées issues de leur utilisation de nos produits aient contribué à améliorer nos modèles⁠. Cependant, nos démonstrations diffèrent considérablement et même les résultats précis démontrés sont différents dans le cas d’Euler (forcé vs non forcé).

Progrès et responsabilité

Notre objectif en publiant ce résultat est de rendre compte des progrès substantiels réalisés par nos modèles d’IA. Nous n’avons pas l’intention de prétendre au Prix du Millénaire pour ce résultat. Cette étape importante est le fruit d’un travail considérable mené par des mathématiciens et des chercheurs en IA. Cependant, il ne s’agit pas d’un aboutissement, mais plutôt d’un instantané des progrès réalisés dans le développement de l’IA. Nous pensons que nous sommes désormais entrés dans une nouvelle phase de progrès en matière d’IA, et les résultats d’aujourd’hui en apportent une nouvelle preuve.

Nous nous attachons à comprendre ce modèle et à mettre à profit ce que nous apprenons pour orienter et moduler le rythme de nos progrès en matière de capacités. L’un de nos principaux objectifs est de développer des systèmes d’IA pilotables, responsables et en lien avec les personnes, ce qui pourrait nécessiter des choix plus mûrement réfléchis quant au rythme des avancées, alors que nous poursuivons notre mission visant à garantir que l’IA générale profite à l’humanité tout entière.

Sources : OpenAI ; Tristan Buckmaster

Et vous ?

Pensez-vous que cette information est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

OpenAI affirme avoir résolu un problème mathématique vieux de 80 ans : son nouveau modèle de raisonnement a produit une preuve mathématique originale qui réfute une célèbre conjecture non résolue en géométrie

Google DeepMind a utilisé un grand modèle de langage pour résoudre un problème mathématique insoluble, "c'est une façon intéressante d'exploiter la puissance des LLM", déclare Terence Tao

Les principaux systèmes d'IA résolvent moins de 2 % des problèmes d'un nouveau test de référence en mathématiques avancées, ce qui révèle les limites importantes de leurs capacités de raisonnement

[Jade Emy]

Un professeur affirme avoir trouvé la solution en premier et qu'OpenAI s'attribue le mérite de ses travaux, mathématiciens et chercheurs en IA débattent sur le mérite d'une percée mathématique

Tristan Buckmaster et Levent Alpöge ont annoncé trois nouvelles démonstrations faisant progresser le problème d’existence et de régularité des équations de Navier-Stokes à l’aide des modèles d’IA d’OpenAI et d’Anthropic. OpenAI a publié sa propre démonstration complète, générée par un modèle d’IA de nouvelle génération après des calculs approfondis, déclenchant une polémique sur la paternité des travaux et l’éthique des données. Buckmaster a accusé OpenAI d’avoir eu accès prématurément à leurs travaux et de lui avoir fait pression pour qu’il retire Alpöge de la liste des auteurs, allégations qu’OpenAI a démenties.

Le 8 septembre 2026, le monde des mathématiques a été secoué à la fois par une avancée majeure et par une controverse naissante. Tristan Buckmaster, professeur à l’université de New York, aux côtés du mathématicien d’Anthropic Levent Alpöge, a annoncé trois nouvelles démonstrations qui ont fait progresser la compréhension du problème d’existence et de régularité des équations de Navier-Stokes — l’un des célèbres problèmes du Prix du Millénaire, dont la résolution est récompensée par une prime d’un million de dollars offerte par le Clay Mathematics Institute. Leurs résultats, obtenus à l’aide des modèles d’IA Codex d’OpenAI et Claude d’Anthropic, ont marqué un bond en avant significatif dans un domaine qui a longtemps donné du fil à retordre aux plus grands esprits des mathématiques.

Mais presque aussitôt après l’annonce de Buckmaster, OpenAI a publié sa propre démonstration complète du problème de Navier-Stokes, déclenchant un débat houleux sur la paternité des travaux, l’éthique des données et l’influence croissante de l’intelligence artificielle dans la recherche mathématique. Cette démonstration a été produite par un modèle OpenAI de nouvelle génération non encore dévoilé — décrit comme encore plus performant que le GPT-6 Astra —, après une semaine de travail impliquant 10 000 agents IA coordonnés et la production vertigineuse de 300 milliards de tokens. Le coût ? Environ 22,5 millions de dollars en ressources de calcul, ou, comme l’a formulé Mark Chen d’OpenAI, « plusieurs millions de dollars ».

Les équations de Navier-Stokes, qui sont au cœur de la mécanique des fluides, sont depuis longtemps une source de fascination et de frustration pour les mathématiciens. Malgré leur utilité pratique, les fondements théoriques de ces équations — en particulier les questions d’existence et de régularité — sont restés insaisissables. Une solution à ce problème ne serait pas seulement un motif de fierté pour les mathématiciens impliqués, mais un jalon dans l’histoire de la physique mathématique.

Pourtant, comme l’a révélé Buckmaster dans sa déclaration publique, ce triomphe a été entaché par la méfiance et la rivalité académique. Il a affirmé que des informations concernant ses progrès et ceux d’Alpöge avaient été transmises à OpenAI avant que leurs résultats ne soient rendus publics. Lorsque Buckmaster a contacté OpenAI pour obtenir des éclaircissements, on lui a répondu que l’entreprise avait déjà obtenu une preuve complète à l’aide de son modèle d’IA interne.

OpenAI aurait choisi la même approche inhabituelle que les chercheurs Buckmaster et Alpöge

La chronologie était troublante : OpenAI a confirmé que ses propres travaux de recherche avaient débuté le 1er septembre 2026, après avoir entendu des rumeurs selon lesquelles deux problèmes du Prix du Millénaire avaient été résolus — une rumeur qui, comme il s’est avéré, était liée aux travaux de Buckmaster et d’Alpöge. « Il s’est avéré qu’une équipe entière avait travaillé sur le problème et qu’une quantité folle de ressources de calcul avait été utilisée », a écrit Buckmaster. Il a trouvé suspect qu’OpenAI ait choisi la même approche inhabituelle que lui et Alpöge avaient discrètement explorée, d’autant plus que « presque personne d’autre, à ma connaissance, ne travaillait là-dessus ». Selon Buckmaster, ce n’était pas une piste à laquelle « on aboutit en quelques jours en soumettant l’énoncé du problème à un modèle ».

La situation s’est rapidement envenimée. Buckmaster a affirmé que Sébastien Bubeck, d’OpenAI, avait fait pression sur lui pour qu’il retire Alpöge de la liste des auteurs, au motif qu’Alpöge était employé par Anthropic, un laboratoire d’IA concurrent. « Pourquoi voudrais-tu ruiner ta carrière ? », aurait demandé Bubeck lorsque Buckmaster a refusé. Lorsque Buckmaster a campé sur ses positions, Bubeck aurait répondu : « Si tu ne veux pas que je sois aimable, alors je n’ai pas à l’être. » Bubeck aurait également envoyé un SMS à Alpöge séparément, lui disant : « Je ne sais pas si Tristan est tout à fait rationnel en ce moment. »

OpenAI, pour sa part, a fermement nié toute irrégularité. Lors d’une conférence de presse, Bubeck a déclaré : « Ni nous, ni les chercheurs, ni les agents n’avons vu le moindre de leurs travaux avant leur publication hier soir. » OpenAI a félicité Buckmaster et Alpöge pour leur « réalisation monumentale » et a souligné que sa solution différait fondamentalement de l’approche adoptée par Buckmaster et Alpöge, en particulier dans le cas d’Euler (forcé contre non forcé). Ven Chandrasekaran, mathématicien chez OpenAI, a insisté sur le fait que la démonstration de l’entreprise ne découlait pas de leurs travaux.

La situation soulève des questions éthiques et les défis liés au mérite à l’ère de l'IA

Buckmaster a néanmoins soulevé des questions éthiques pointues quant à savoir si les modèles d’OpenAI avaient pu être influencés par des données issues de ses propres sessions sur Codex. Tout au long de leur projet, Buckmaster et Alpöge avaient mis en ligne des brouillons sur Codex, et OpenAI se réserve le droit d’entraîner ses modèles à partir des interactions des utilisateurs, à moins que ceux-ci ne s’y opposent.

« Notez qu’ils admettent ouvertement avoir utilisé des données d’entraînement provenant d’une période postérieure à la découverte de notre résultat. Est-il éthique d’utiliser les données d’un client pour tenter de devancer ce même client ? », a écrit Buckmaster sur Mastodon. OpenAI, dans son article de blog officiel, a déclaré : « Bien que cela soit peu probable, nous ne pouvons exclure que des données anonymisées issues de leur utilisation de nos produits aient contribué à améliorer nos modèles. »

Ce différend a mis en lumière les défis liés au mérite et à l’attribution à l’ère de la recherche assistée par l’IA. Il s’agit d’un « moment Deep Blue–Kasparov » pour les mathématiques — une référence à la partie d’échecs historique de 1997 au cours de laquelle Deep Blue, d’IBM, a battu le champion du monde Garry Kasparov, bouleversant à jamais le paysage des échecs de compétition. Aujourd’hui, les modèles d’IA ne se contentent pas de jouer à des jeux ; ils s’attaquent à certains des problèmes non résolus les plus complexes du savoir humain.

Noam Brown, développeur chez OpenAI, a observé que le coût du déploiement d’une IA avancée pour résoudre de tels problèmes diminue rapidement. « Je pense que d’ici un an, tout le monde aura à portée de main une IA capable de résoudre des problèmes de cette envergure », a écrit Brown. Ce qui nécessitait autrefois des millions en ressources informatiques et des équipes d’élite pourrait bientôt être accessible à quiconque disposant d’un abonnement à ChatGPT à 20 dollars. Il a noté que les Olympiades de mathématiques de 2025 avaient nécessité d’énormes ressources informatiques de la part d’OpenAI et de Google DeepMind, mais que d’ici 2026, les utilisateurs lambda pourraient disposer d’une puissance équivalente.

Cet épisode rappelle qu'en octobre 2025, OpenAI a fait face à une vague de critiques suite à une fausse annonce concernant une avancée mathématique de GPT-5. OpenAI avait notamment affirmé que GPT-5 avait résolu une série de problèmes mathématiques de longue date, mais cela a suscité des critiques après que les chercheurs de l'entreprise aient semblé exagérer les réalisations du modèle. Les problèmes dits « non résolus » avaient déjà été résolus dans des articles universitaires, mais n'étaient pas répertoriés sur tous les sites de référence. GPT-5 avait simplement récupéré des études existantes que le conservateur du site web n'avait pas encore rencontrées.

Source : Communiqué de Tristan Buckmaster et de Levent Alpöge

Et vous ?

Pensez-vous que ces accusations sont crédibles ou pertinentes ?
Quel est votre avis sur le sujet ?

Voir aussi :

OpenAI affirme que son prochain modèle d'IA, Astra, encore inédit, a résolu 10 problèmes vieux de plusieurs décennies, en mathématiques, physique quantique et informatique théorique pour seulement 2 000 $

« Pratiquement nul, un déchet » : le célèbre mathématicien Joel David Hamkins déclare que les modèles d'IA ne sont d'aucune utilité pour résoudre des problèmes mathématiques

Le New York Times accuse OpenAI d'avoir menti sur son incapacité technique à analyser les données d'entraînement et dissimulé des milliards de journaux de ChatGPT. Il réclame des sanctions contre OpenAI

[Mathis Lucas]

Un professeur de mathématiques accuse OpenAI de s'être approprié ses travaux et juge que la puissance de calcul de l'IA rend désormais la course à la publication scientifique « dénuée de sens »

Une controverse oppose le mathématicien Tristan Buckmaster à OpenAI au sujet de la résolution du problème de Navier-Stokes. Alors que le chercheur et son partenaire approchaient d'une découverte majeure, OpenAI a soudainement annoncé avoir résolu l'énigme grâce à une armée d'agents IA. Tristan Buckmaster soupçonne OpenAI d'avoir indûment utilisé ses travaux non publiés, stockés via leurs outils d'IA, pour accélérer ses propres recherches internes. Cette affaire soulève des questions éthiques fondamentales sur la propriété intellectuelle et la protection des données dans le milieu académique, désormais dominée par des intérêts privés.

Tristan Buckmaster est originaire de Melbourne, en Australie. Professeur à l'Université de New York, il a consacré une grande partie de sa carrière à l'étude de « la dynamique des fluides et des équations aux dérivées partielles ». Il s'est penché sur l'un des sept problèmes du prix du millénaire définis par l'Institut de mathématiques Clay et dont chacun est assorti d'une récompense d'un million de dollars : les équations de Navier-Stokes.

Elles ont été élaborées au 19e siècle pour modéliser le mouvement des fluides comme l'eau ou l'air. L'enjeu central consiste à déterminer si les solutions à ces équations restent toujours lisses en trois dimensions ou si une singularité peut se former, entraînant une vitesse infinie en un temps fini.

En septembre 2025, le chercheur Levent Alpöge, mathématicien chez Anthropic travaillant à titre personnel, a proposé à Tristan Buckmaster d'associer leurs efforts pour s'attaquer à ce défi avec l'aide de l'IA. Les deux chercheurs ont notamment utilisé des sessions privées avec l'outil de développement Codex conçu par OpenAI et l'agent conversationnel Claude. Ils se sont appuyés sur ces outils pour guider et accélérer leurs réflexions théoriques.

En s'inspirant des travaux antérieurs des mathématiciens espagnols Diego Córdoba et Luis Martínez-Zoroa, ils ont réussi à obtenir une rupture pour les équations d'Euler, « une version simplifiée sans viscosité ». Tristan Buckmaster comparait la recherche sur le problème du millénaire à « une sorte d'étoile guide », ajoutant : « je voulais simplement faire partie de son histoire ». Cela dit, une controverse a récemment éclaté autour de cette percée.

L'offensive d'OpenAI et l'annonce de la résolution du problème

Pendant que les deux chercheurs analysaient et affinaient laborieusement les preuves générées par ordinateur, des rumeurs ont commencé à circuler en ligne affirmant qu'Anthropic avait résolu l'un des problèmes du prix du millénaire. Il s'agissait de ce problème en particulier. Incité par ces rumeurs et cherchant à devancer son rival, OpenAI a déployé le 1er septembre un essaim de systèmes d'agents autonomes basés sur un modèle non publié.

Environ dix mille agents travaillant en coordination pendant 90 heures ont généré trois cents milliards de tokens pour tenter de trouver une solution aux équations de Navier-Stokes. Puis, le 8 septembre, l'entreprise dirigée par Sam Altman a annoncé publiquement que ses systèmes d'IA avaient élaboré une preuve de 166 pages démontrant la formation d'une singularité, vérifiée formellement à l'aide du langage de programmation Lean.

Cette opération massive a mobilisé une puissance de calcul évaluée jusqu'à quinze millions de dollars aux tarifs commerciaux. D'autres évaluations estiment le coût à environ 22,5 millions de dollars en ressources de calcul, ou, comme l’a formulé Mark Chen d’OpenAI, « plusieurs millions de dollars ». De son côté, le PDG d'OpenAI, Sam Altman, s'est félicité de ce succès, tandis que l'entreprise a indiqué qu'elle ne réclamerait pas l'argent du prix.

Cependant, une vive polémique a rapidement éclaté en ligne après une réclamation formulée par Tristan Buckmaster. Les allégations du chercheur sont plus nuancées que de simplement affirmer qu’OpenAI a « volé » ses recherches. Le chercheur a déclaré que la société de Sam Altman a lancé ses efforts intensifs après avoir pris connaissance de leurs progrès et a finalement produit une démonstration en utilisant une approche technique très similaire.

Tristan Buckmaster a rappelé que Levent Alpöge et lui-même avaient passé près d’un an à travailler sur une approche spécifique du problème de Navier-Stokes, avec des brouillons, des calculs et des notes de recherche stockés dans des sessions privées de Codex. L’histoire suscite des préoccupations éthiques.

Plaintes d'appropriation et conflit sur la paternité des travaux

Tristan Buckmaster a publiquement mis en doute l'indépendance de la découverte d'OpenAI. Il s'est demandé si le modèle d'OpenAI n'avait pas exploité ses données d'utilisation pour orienter les agents IA vers la même démarche technique. La chronologie des événements est troublante. « Il s’est avéré qu’une équipe entière avait travaillé sur le problème et qu’une quantité folle de ressources de calcul avait été utilisée », a écrit Tristan Buckmaster.

Il a trouvé suspect qu’OpenAI ait choisi la même approche inhabituelle que son collègue et lui avaient discrètement explorée : « presque personne d’autre, à ma connaissance, ne travaillait là-dessus. Ce n’est pas une piste à laquelle on aboutit en quelques jours en soumettant l’énoncé du problème à un modèle ».

OpenAI a confirmé que ses propres travaux de recherche avaient débuté le 1er septembre 2026, après avoir entendu des rumeurs selon lesquelles deux problèmes du Prix du Millénaire avaient été résolus, une rumeur qui, comme il s’est avéré, était liée aux travaux des deux chercheurs. Tristan Buckmaster va encore plus en affirmant que Sébastien Bubeck, cadre chez OpenAI, a fait pression sur lui pour qu’il retire Levent Alpöge de la liste des auteurs.

La demande de Sébastien Bubeck serait liée au fait que Levent Alpöge est employé par Anthropic, qui est un laboratoire d’IA concurrent. Tristan Buckmaster a déclaré que lorsqu’il a menacé de rendre le différend public, on lui a demandé : « pourquoi voudrais-tu ruiner ta carrière ? » Sébastien Bubeck a toutefois contesté la version de Tristan Buckmaster et a qualifié ces allégations de « fausses et provocatrices ». L'affaire a suscité un tollé en ligne.

OpenAI nie tout accès abusif aux travaux des deux chercheurs

OpenAI a vivement réfuté cette version des faits. L’entreprise affirme que ses chercheurs n’ont pas eu accès aux travaux privés de Tristan Buckmaster et de Levent Alpöge avant leur publication et soutient que sa démonstration a été élaborée de manière indépendante. De son côté, Sébastien Bubeck a fait valoir que « la discussion relative à la paternité portait sur la question de savoir si un employé d’Anthropic pouvait participer à un article d’OpenAI ».

Ils ont néanmoins admis un bémol qui a maintenu la question de Codex à l'ordre du jour. OpenAI affirme qu'il ne peut pas exclure totalement la possibilité que des données anonymisées issues de l'utilisation des produits aient pu « contribuer indirectement à l'amélioration du modèle » utilisé lors de ses calculs intensifs. Cette formulation est très différente du fait de dire que le modèle a directement accédé aux sessions privées de Tristan Buckmaster.

Tristan Buckmaster est une figure respectée de la communauté

Tristan Buckmaster est un expert de premier plan en équations des fluides. Il est professeur de mathématiques à l’Institut Courant des sciences mathématiques de l’université de New York. Il a obtenu son doctorat à l’Université de Leipzig et à l’Institut Max Planck pour les mathématiques appliquées aux sciences en 2014, avant de passer plusieurs années à l'université de New York et à Princeton, puis de devenir professeur à l’université du Maryland.

Il est revenu à l’université de New York en tant que professeur et continue de travailler sur des problèmes liés à la dynamique des fluides et à la formation de singularités. Sa réputation ne s'est pas forgée du jour au lendemain. En 2019, il a partagé le prestigieux prix « Clay Research Award avec Philip Isett » et Vlad Vicol pour leurs contributions à l'analyse des équations aux dérivées partielles, en particulier les équations d'Euler et de Navier-Stokes.

Ses travaux menés avec Vlad Vicol ont montré que les solutions faibles des équations de Navier-Stokes pouvaient présenter des comportements étonnamment chaotiques et non uniques. Ses récents travaux, menés avec le chercheur Levent Alpöge, s'inscrivent donc dans la continuité de ses efforts historiques.

Réactions mitigées et remise en question des mathématiques

La réaction de la communauté scientifique est marquée par la perplexité et l'inquiétude face aux méthodes des géants technologiques. Des mathématiciens réputés, dont Javier Gomez-Serrano et Terence Tao, ont souligné que la preuve fournie par l'IA reste extrêmement difficile à déchiffrer, affirmant que le document est « incompréhensible ». Ils craignent notamment que cette affaire impacte négativement la publication des travaux de recherche.

Terence Tao a averti que l'intervention agressive d'entreprises privées inciterait les chercheurs à ne plus partager publiquement leurs travaux en cours, rompant ainsi avec des siècles de science ouverte. Déçu par cette histoire, Tristan Buckmaster a estimé que la course académique traditionnelle était désormais profondément altérée. Le chercheur australien a déclaré : « la course à la résolution des problèmes mathématiques est désormais inutile ».

Tristan Buckmaster a également mis en garde l’Australie contre la centralisation des ressources entre les mains d’un petit nombre d’entreprises privées étrangères, qui publient désormais des solutions à des problèmes mathématiques qui intriguaient les esprits depuis des décennies. « L’Australie doit réfléchir à la manière de protéger ses propres intérêts nationaux dans ce monde où les ressources sont si inégalement réparties », a-t-il déclaré.

Le professeur a indiqué que l’IA était devenue un outil essentiel pour la recherche, mais qu’il était profondément préoccupé par l’imprudence des entreprises qui la développaient, alors qu’elles se livraient à une course à l’attention et à l’avantage commercial. « Elles n’ont aucun respect pour la communauté scientifique. Je veux dire, c’est consternant, honnêtement », a-t-il déclaré. Il se dit inquiet quant à l'impact de l'IA sur la recherche à l'avenir.

Que va-t-il se passer maintenant ?

La question principale porte désormais sur les preuves de chaque partie. OpenAI affirme que ses chercheurs et ses collaborateurs n’ont pas eu accès aux travaux non publiés de Tristan Buckmaster et Levent Alpöge avant leur diffusion publique. Dans le même temps, l’entreprise a reconnu ne pas pouvoir exclure totalement la possibilité que des données de produits anonymisées aient indirectement contribué à l’amélioration des modèles.

Ces arguments suscitent toutefois le scepticisme de certains. Les deux mathématiciens devront examiner les preuves fournies par OpenAI et déterminer si elles sont correctes et répondent effectivement aux exigences du problème de Navier-Stokes posé par le Clay Mathematics Institute. Le chevauchement entre les deux projets, la chronologie des événements et la question des données Codex feront probablement l’objet d’un examen minutieux.

Pour l’instant, il n’existe aucune preuve publique indiquant qu’OpenAI ait accédé aux journaux privés de Codex de Tristan Buckmaster ou les ait utilisés. Ce qui existe, c’est un sérieux différend concernant le calendrier, l’attribution du mérite de la recherche, les pratiques en matière de données et les circonstances entourant l’une des affirmations les plus extraordinaires jamais formulées dans le domaine des mathématiques appliquées à l’IA.

Sources : OpenAI, communiqué de Tristan Buckmaster et de Levent Alpöge (PDF), les équations de Navier-Stokes

Et vous ?

Quel est votre avis sur cette affaire inédite dans le domaine de la recherche scientifique ?
Que pensez-vous des allégations portées contre OpenAI par le professeur Tristan Buckmaster ?
Les déclarations d'OpenAI sont-elles crédibles ? L'entreprise s'est-elle attribué les travaux du professeur ?
OpenAI n'exclut pas une contribution indirecte du professeur à l'amélioration de son modèle d'IA. Qu'en pensez-vous ?
Quel impact cette affaire pourrait-elle avoir sur la recherche scientifique ? Les chercheurs pourront-ils encore faire confiance aux outils d'IA ?

Voir aussi

OpenAI affirme qu'un modèle d'IA résout le problème mathématique de Navier-Stokes et publie une démonstration de 165 pages, sans briguer le prix d'un million de dollars

Un professeur affirme avoir trouvé la solution en premier et qu'OpenAI s'attribue le mérite de ses travaux, mathématiciens et chercheurs en IA débattent sur le mérite d'une percée mathématique

« Pratiquement nul, un déchet » : le célèbre mathématicien Joel David Hamkins déclare que les modèles d'IA ne sont d'aucune utilité pour résoudre des problèmes mathématiques

[Anselme45]

Si le malheureux mathématicien ne s'était pas aidé lui-même de l'IA, il n'aurait pas fourni à l'IA la possibilité de le flouer.

Et oui, bonnes gens, grands utilisateurs d'IA, vous oubliez juste un petit détail: A chaque requête que vous faites à l'IA, vous fournissez de nouvelles connaissances à l'IA!

Quand l'humain démarre une conversation avec l'IA, il oriente l'IA avec sa propre logique humaine... Il fournit ainsi une démarche que l'IA va pouvoir essayer lors d'autres requêtes...

Ou comment scier la branche sur laquelle on est assis!

[virginieh]

Si le malheureux mathématicien ne s'était pas aidé lui-même de l'IA, il n'aurait pas fourni à l'IA la possibilité de le flouer.

Et oui, bonnes gens, grands utilisateurs d'IA, vous oubliez juste un petit détail: A chaque requête que vous faites à l'IA, vous fournissez de nouvelles connaissances à l'IA!

Quand l'humain démarre une conversation avec l'IA, il oriente l'IA avec sa propre logique humaine... Il fournit ainsi une démarche que l'IA va pouvoir essayer lors d'autres requêtes...

Ou comment scier la branche sur laquelle on est assis!

Tu as raison, mais en même temps pour vérifier sa solution, il l'aurait sans doute fait relire par un collègue avant l'IA qui aurait pu essayer de le flouer lui aussi.

[kain_tn]

Tu as raison, mais en même temps pour vérifier sa solution, il l'aurait sans doute fait relire par un collègue avant l'IA qui aurait pu essayer de le flouer lui aussi.

Sans doute, mais entre le collègue qui pourrait éventuellement le flouer, et la compagnie d'IA qui va à coup sûr le flouer, le choix est vite fait.

[Anselme45]

Tu as raison, mais en même temps pour vérifier sa solution, il l'aurait sans doute fait relire par un collègue avant l'IA qui aurait pu essayer de le flouer lui aussi.

Vous ne connaissez apparemment pas les pratiques académiques...

Le mathématicien (ou tout autre chercheur) qui fait une découverte va effectivement demander à des collègues de vérifier avant de publier officiellement ses résultats mais dans le document publié, il va citer clairement aussi bien les collègues qui ont participé à la découverte que remercier nommément les collègues qui ont pris la peine de vérifier ses résultats...

Une découverte se fait rarement seul...

Cela s’appelle un "retour d'ascenseur": La prochaine fois, c'est lui qui prendra de son temps pour vérifier les résultats d'un collègue...

[e-ric]

Tu as raison, mais en même temps pour vérifier sa solution, il l'aurait sans doute fait relire par un collègue avant l'IA qui aurait pu essayer de le flouer lui aussi.

Cela pourrait arriver mais c'est rare, la vérification n'incombe en général pas à une seule personne

[Alex]

OpenAI met une nouvelle fois en colère la communauté des mathématiciens, en annonçant des centaines de découvertes mathématiques générées par l'IA sans publier les travaux explicatifs

OpenAI a une nouvelle fois mis en colère la communauté des mathématiciens. En août, OpenAI a réuni une quarantaine de mathématiciens pour discuter de la marche à suivre si l'IA venait à dépasser les capacités humaines dans ce domaine. Le groupe a demandé à l’entreprise de ne pas se contenter de les publier sur un blog ou via un tweet, comme elle l’avait fait avec dix problèmes plus tôt dans le mois. Cette suggestion semble ignorée, OpenAI a fait savoir qu’elle prévoyait de publier sur GitHub des centaines de résultats concernant des problèmes non résolus. La communauté des mathématiciens affirme avoir l’impression que le domaine est devenu un terrain de jeu pour OpenAI.

En juin, dans une déclaration décrivant les nombreux défis que pose l'intelligence artificielle (IA) à la recherche mathématique, des mathématiciens ont mis en garde contre les menaces que fait peser l’IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées. Cette déclaration a été élaborée par un groupe de travail composé de seize chercheurs sur une période de huit mois, et a été approuvée par l’Union mathématique internationale. « Les mathématiciens devraient trouver assez frappant que les entreprises technologiques s’intéressent soudainement à leur travail », a déclaré Kevin Buzzard, mathématicien à l’Imperial College de Londres, dans un communiqué. « La Déclaration de Leyde est une réponse mûrement réfléchie à ce qui se passe actuellement, alors que l’IA continue de bouleverser ce domaine. »

Malgré cette déclaration, en septembre, une controverse avait opposé le mathématicien Tristan Buckmaster à OpenAI au sujet de la résolution du problème de Navier-Stokes. Alors que le chercheur et son partenaire approchaient d'une découverte majeure, OpenAI a soudainement annoncé avoir résolu l'énigme grâce à une armée d'agents IA. Tristan Buckmaster soupçonne OpenAI d'avoir indûment utilisé ses travaux non publiés, stockés via leurs outils d'IA, pour accélérer ses propres recherches internes. Cette affaire soulève des questions éthiques fondamentales sur la propriété intellectuelle et la protection des données dans le milieu académique, désormais dominée par des intérêts privés.

Malgré cet évènement, OpenAI a une nouvelle fois mis en colère la communauté des mathématiciens. En août, OpenAI a réuni une quarantaine de mathématiciens pour discuter de la marche à suivre si l'IA venait à dépasser les capacités humaines dans ce domaine. L’entreprise a laissé entendre que ses puissants modèles avaient résolu des centaines de problèmes mathématiques de longue date.

Les mathématiciens ont réagi avec « un mélange d’enthousiasme et d’appréhension ». Le groupe a demandé à l’entreprise de ne pas se contenter de les publier sur un blog ou via un tweet, comme elle l’avait fait avec dix problèmes plus tôt dans le mois. Il serait au contraire important qu’OpenAI publie des articles expliquant ces travaux afin que les mathématiciens puissent assimiler, analyser et exploiter ces résultats.

Apparemment, cette suggestion a été ignorée. OpenAI a fait savoir qu’elle prévoyait de publier sur GitHub des centaines de résultats concernant des problèmes non résolus. Les mathématiciens remettent en question la manière dont OpenAI compte partager sa prochaine série de résultats générés par l’IA, arguant que des annonces sans articles explicatifs rendent les découvertes plus difficiles à vérifier et à attribuer.

We’re releasing a broad range of new mathematical results produced by an internal frontier model.

We’ve been consulting with the independent Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study, and we have drawn on their advice and public recommendations to inform how we release these results.

https://t.co/7N6TPlft1P

— OpenAI (@OpenAI) October 6, 2026

En août, OpenAI a réuni une quarantaine de mathématiciens pour discuter de l’impact potentiel de l’IA sur la discipline et de la manière de publier les résultats. Bryna Kra, mathématicienne à l’université Northwestern, se souvient d’un mélange d’enthousiasme et d’appréhension, mais a considéré cette réunion comme un premier pas prometteur. Kra a expliqué que les participants avaient exhorté OpenAI à publier des articles expliquant les résultats, plutôt que de les divulguer via des blogs ou des tweets. L’objectif était de permettre aux mathématiciens d’assimiler, de comprendre et d’utiliser ces travaux. Elle estime aujourd’hui que ce conseil n’a pas été suivi.

Cette critique ne se résume pas à une simple résistance à l’idée que l’IA fasse des mathématiques. Kra a déclaré qu’elle se réjouissait de l’arrivée d’un nouvel outil puissant, mais qu’elle souhaitait une meilleure communication afin de pouvoir faire confiance à ses résultats et s’appuyer sur ceux-ci. D’autres mathématiciens ont également critiqué les annonces qui ne reconnaissent pas suffisamment les contributions antérieures.

Un différend survenu en septembre aide à expliquer cette méfiance. Dans son communiqué du 21 septembre, OpenAI avait déclaré qu'un modèle interne avait résolu plus de 100 problèmes ouverts de longue date dans la plupart des domaines des mathématiques, y compris le problème de Navier-Stokes, éligible au Prix du Millénaire. Tristan Buckmaster, mathématicien à l’université de New York (NYU), a accusé OpenAI d’avoir devancé des travaux non publiés qu’il avait développés avec Levent Alpöge, un employé d’Anthropic. Buckmaster a également affirmé que Sébastien Bubeck, chercheur chez OpenAI, avait suggéré d’exclure Alpöge d’un article.

L’annonce faite en septembre par OpenAI concernant la création d’un groupe consultatif a pris en compte les préoccupations des mathématiciens quant à l’utilisation de problèmes ouverts comme critères de référence pour l’IA. Ce groupe a pour mission de donner des conseils sur la pertinence, l’évaluation et la communication des résultats émergents, y compris en matière de normes académiques et professionnelles. OpenAI précise que ce groupe fonctionne de manière indépendante : ses membres ne sont pas rémunérés, peuvent offrir des conseils non sollicités et sont libres de rendre leurs avis publics. Son mandat comporte toutefois une limite : il ne conseillera pas l’entreprise sur la manière de rythmer ses progrès internes en mathématiques.

Mais pour plusieurs mathématiciens de renom, cette publication imminente est également le signe que l’entreprise n’a guère tiré les leçons des controverses liées aux publications précédentes. Ils affirment avoir l’impression que le domaine est devenu un terrain de jeu pour OpenAI et son rival Anthropic, qui s’empressent de mettre en avant leurs modèles alors qu’ils se préparent tous deux à des introductions en bourse retentissantes. Dans leur empressement à se surpasser l’un l’autre, affirment les mathématiciens, les processus scientifiques traditionnels de publication et d’attribution des résultats ont été mis de côté.

En janvier, le célèbre mathématicien Joel David Hamkins a notamment exprimé de sérieux doutes quant à l'utilité des modèles d'intelligence artificielle (IA) dans la recherche mathématique, qualifiant leurs résultats de « déchets » et de « mathématiquement incorrects ». Il souligne la tendance frustrante de l'IA à affirmer avec assurance des informations incorrectes et à résister à toute correction, reflétant ainsi les interactions humaines contre-productives. Malgré les succès remarquables de cette technologie, Hamkins estime que les systèmes actuels ne sont pas fiables pour une véritable collaboration en matière de recherche.

Par exemple, OpenAI a fait face à une vague de critiques en octobre 2025 suite à une fausse annonce concernant une avancée mathématique du GPT-5. L'affirmation d'OpenAI selon laquelle GPT-5 aurait résolu une série de problèmes mathématiques de longue date a suscité des critiques après que les chercheurs de l'entreprise aient semblé exagérer les réalisations du modèle. Les problèmes dits « non résolus » avaient déjà été résolus dans des articles universitaires, mais n'étaient pas répertoriés sur tous les sites de référence. GPT-5 avait simplement récupéré des études existantes que le conservateur du site web n'avait pas encore rencontrées.

Depuis, certains ont mis en place cette année de nouveaux outils en réaction à la multiplication des démonstrations assistées par ordinateur ; l’idée est d’aider la communauté à la fois à exploiter les nouveaux résultats et à faire le tri parmi ce qui doit encore être approfondi. Parmi ces outils figurent Hexagon, un référentiel contenant principalement des documents générés par l’IA, et Palomar, un registre de résultats mathématiques vérifiés par des machines. Bien qu’OpenAI ait été directement encouragée à utiliser ces outils, « elle n’a pas changé son comportement ». Elle estime par ailleurs que les actions de l’entreprise ne sont pas conformes à la déclaration de Leyde, un appel lancé par plus de 4 000 mathématiciens pour que les entreprises d’IA respectent les normes mathématiques, qu’elle a elle-même contribué à rédiger.

Source : OpenAI

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

Les mathématiciens mettent en garde contre les menaces que fait peser l'IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées, dans le cadre d'une déclaration

Une nouvelle étude montre pourquoi les modèles d'IA à raisonnement simulé ne sont pas encore à la hauteur de leur réputation, performants sur les problèmes standards, mais limités en raisonnement olympique

OpenAI affirme que son prochain modèle d'IA, Astra, encore inédit, a résolu 10 problèmes vieux de plusieurs décennies, en mathématiques, physique quantique et informatique théorique pour seulement 2 000 $

[JackIsJack]

Heureux de voir l'informatique triompher sur les mathématiques, de façon concrète, l'un absorbe l'autre et fait joujou avec. L'explicite gagne sur l'implicite.

[Mathis Lucas]

« De la pure folie » : les mathématiciens s’insurgent contre la publication par OpenAI de centaines de démonstrations générées par l'IA
ce geste a anéanti des années de travail et des projets de thèse

OpenAI a récemment publié des centaines de résultats mathématiques inédits générés par l'IA. Cette déferlante d'articles couvre plusieurs disciplines complexes, laissant la communauté scientifique anxieuse et désorientée. Si certains chercheurs saluent la qualité remarquable de certaines avancées, beaucoup critiquent le manque de clarté, l'absence de vérification informatique systématique et les lacunes dans les attributions bibliographiques. De nombreux mathématiciens de renom, révoltés par ce manque de rigueur de la part du laboratoire, ont dénoncé les effets négatifs de l'IA générative sur leur discipline et sur l'avenir des carrières académiques.

Le 6 octobre 2026, OpenAI a publié des centaines de nouveaux articles présentant prétendument des « preuves » de nombreux problèmes mathématiques. Au total, la société a publié environ 400 résultats générés par l'IA, répartis dans plus de 700 manuscrits couvrant de nombreuses disciplines mathématiques. Cependant, ces articles ont suscité une vive inquiétude chez les experts, plusieurs d'entre eux qualifiant cet événement de « pure folie ».

La quantité de documents est telle que le simple examen de la table des matières et des résumés a pris près d'une heure à certains universitaires. Selon le professeur Álvaro Lozano-Robledo, « le simple fait de parcourir toute la liste des résumés est titanesque ». Ce nouveau tollé intervient alors qu'OpenAI fait déjà l'objet de critiques acerbes concernant la manière dont ses systèmes d'IA étaient parvenus à résoudre les équations de Navier-Stokes.

Les pratiques d'OpenAI sont vivement controversées par d'éminents mathématiciens, indignés à l’idée que les systèmes d'IA de l'entreprise puissent utiliser leurs travaux. Une coalition baptisée « Association for Human Mathematics » a publié un communiqué fustigeant la publication d’OpenAI, qui a ensuite été relayé, et de fait approuvé, par le mathématicien Terence Tau, lauréat de la prestigieuse médaille Fields et figure majeure de la communauté.

Problèmes de vérification et crainte du contenu de faible qualité

Bien que certaines démonstrations soient accompagnées de formalisations dans le langage Lean pour permettre une vérification informatique, moins de la moitié des manuscrits bénéficient de cette rigueur. OpenAI a reconnu que seuls environ 42 % des résultats principaux disposent d'une preuve formalisée. Les experts déplorent cette lacune et soulignent que l'évaluation des codes Lean reste longue et parfois incohérente par rapport aux articles.

Kevin Buzzard et d'autres chercheurs ont exprimé leur crainte de devoir lire du contenu de qualité médiocre ou erroné, souvent qualifié de « slop » dans le secteur. Avant même la publication, certains chercheurs redoutaient l'arrivée d'une véritable « slopocalypse ». Même si des efforts de rédaction ont été constatés, la rédaction synthétique et des bibliographies très courtes laissent planer des doutes sur l'attribution exacte des travaux antérieurs.

« Les mathématiciens ont une vision particulière du progrès, qui s’appuie sur l’histoire et sur des considérations propres à leur discipline », souligne le communiqué de l'Association for Human Mathematics. « Nous rejetons l’affirmation d’OpenAI selon laquelle cette publication fait progresser notre discipline, et nous invitons les mathématiciens et le grand public à considérer la valeur de ce modèle de publication avec le scepticisme qui s’impose ».

« Publier plus de 700 fichiers d’un seul coup n’est pas une démonstration de rigueur scientifique, mais une démonstration de pouvoir », poursuit le communiqué du groupe. L’utilité réelle de ces résultats reste à démontrer, car ces démonstrations sont parfois presque incompréhensibles pour les humains.

La communauté mathématique devra examiner tous ces articles

Au-delà de la question de savoir si les travaux publiés par OpenAI feront progresser le domaine et contribueront à la compréhension humaine des mystères des mathématiques, cela signifie également que ces mêmes mathématiciens sont désormais censés se charger du travail fastidieux consistant à décortiquer les centaines de démonstrations que le laboratoire a produites en masse et publiées d’un seul coup. Le travail s'annonce bien fastidieux.

Malgré les défauts de forme, la communauté scientifique s'accorde à dire que la publication contient des travaux d'un niveau remarquable. Jared Duker Lichtman, mathématicien à Stanford, a indiqué qu’il y avait des « dizaines » de résultats qu’il classerait dans cette catégorie, notamment des avancées concernant l’hypothèse de Riemann, un cas particulier de la conjecture de Hodge, et une solution à la conjecture de Kakeya en quatre dimensions.

Selon le chercheur en mathématiques Scott Armstrong, il ne s'agit pas de problèmes triviaux, mais bien de questions majeures sur lesquelles les chercheurs butent depuis des décennies. Cela dit, d'autres scientifiques, comme Álvaro Lozano-Robledo, professeur de mathématiques à l'université du Connecticut, ont souligné que les publications d'OpenAI s'appuient largement sur des méthodes et techniques existantes réemployées avec ingéniosité.

Un choc profond et la perturbation de la recherche académique

Selon les témoignages, l'annonce soudaine d'OpenAI a bouleversé les projets de recherche de plusieurs universitaires. Des programmes entiers ont été anéantis du jour au lendemain, balayant des années de travail, des demandes de subventions et des projets de thèse. Certains domaines comme la combinatoire, les probabilités et l'informatique théorique ont subi un véritable choc, tandis que la théorie des groupes a aussi été fortement touchée.

« C’est bien d’avoir de nouveaux résultats, mais cette ampleur, c’est une autre histoire. C’est un véritable chaos. Cela peut provoquer un effondrement massif de la culture universitaire et tout simplement anéantir la plupart des départements. C’est un problème de société et il semble que les laboratoires d’IA ignorent complètement cette question », a déclaré Bartosz Naskręcki, mathématicien à l’université Adam Mickiewicz de Poznań, en Pologne.

OpenAI a mis en avant ses efforts visant à améliorer la manière dont il partage ses résultats avec la communauté mathématique, et a indiqué avoir consulté un groupe indépendant d’experts dans ce domaine. Toutefois, ce qu’OpenAI a délicatement choisi de passer sous silence, c’est que ce groupe consultatif s’était opposé à la décision du laboratoire de poursuivre les tests de ses modèles propriétaires sur des problèmes mathématiques avancés.

Le groupe consultatif a souligné que les modèles d'OpenAI restent inaccessibles à la communauté scientifique. « Nous tenons à le dire clairement dès le départ : nous n’approuvons pas cette pratique, et nous leur demandons de cesser de tester des problèmes mathématiques avancés sur des modèles propriétaires », a déclaré le groupe consultatif dans un communiqué publié fin septembre 2026. OpenAI est passé outre cette recommandation.

OpenAI a été critiqué pour avoir ignoré cet avis tout en s’en servant pour « fonder sa légitimité » dans ce domaine. « En faisant fi du principe fondamental de la position du groupe consultatif, OpenAI a fait preuve d’un mépris total pour les normes de la recherche scientifique, normes qui garantissent que les mathématiques restent fiables, menées de manière éthique et dans l’intérêt public », a déclaré l’Association for Human Mathematics (AHM).

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous des découvertes mathématiques revendiquées par OpenAI ?
OpenAI suscite l'ire des mathématiciens en raison de sa méthode de publication. Qu'en pensez-vous ?
Que pensez-vous de l'impact potentiel de l'IA sur la recherche scientifique et sur l'avenir des carrières académiques ?

Voir aussi

Un professeur affirme avoir trouvé la solution en premier et qu'OpenAI s'attribue le mérite de ses travaux, mathématiciens et chercheurs en IA débattent sur le mérite d'une percée mathématique

OpenAI met une nouvelle fois en colère la communauté des mathématiciens, en annonçant des centaines de découvertes mathématiques générées par l'IA sans publier les travaux explicatifs

Les mathématiciens mettent en garde contre les menaces que fait peser l'IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées, dans le cadre d'une déclaration

[RenarddeFeu]

L'IA est un coup dur pour la recherche académique, pas pour les mathématiques en général.

Il est vrai que les mathématiciens qui n'arriveront pas à se défaire du monde universitaire, à publier des articles, à rechercher des financements, vont souffrir. Les autres vont juste se tourner vers le privé et travailler dans des champs de recherche appliquée.

[e-ric]

Heureux de voir l'informatique triompher sur les mathématiques, de façon concrète, l'un absorbe l'autre et fait joujou avec. L'explicite gagne sur l'implicite.

Totalement nulle la réflexion, les disciplines n'ont pas à se concurrencer, cela ne présente aucun intérêt pour la communauté scientifique dans son ensemble, c'est plutôt un combat entre des boîtes privées et la recherche fondamentale.

A mon avis, l'informatique théorique n'est qu'un domaine des mathématiques, pas plus pas moins.

[Mathis Lucas]

« L'IA ne tue pas les maths. Elle met les mathématiciens à nu », affirme un chercheur selon lequel les mathématiciens qui craignent l'IA recherchaient avant tout le prestige académique et la reconnaissance

Le chercheur en finance quantitative Roman Michael Paolucci soutient que l'IA ne détruit pas les mathématiques. Selon lui, l'IA met plutôt en lumière « les véritables motivations » de certains mathématiciens. Il estime que ceux qui paniquent face à l'IA recherchaient avant tout le prestige académique et la reconnaissance, et non la discipline elle-même. Pour lui, la véritable passion consiste à chercher la vérité et à apprendre, des aspects que les machines ne peuvent pas supplanter. Plutôt que de redouter l'automatisation, Michael Paolucci conseille de poursuivre l'étude des mathématiques pour maîtriser les domaines dérivés comme la science des données.

Roman Michael Paolucci est un chercheur en finance quantitative et un formateur américain. Il est surtout connu comme fondateur et formateur principal de Quant Guild, une plateforme en ligne d’enseignement de la finance quantitative. Il affirme que plus de 20 000 étudiants y ont été formés. Michael Paolucci est diplômé summa cum laude de l'université James Madison, avec un double cursus en finance quantitative et en mathématiques.

Face aux inquiétudes croissantes selon lesquelles l'IA détruirait le domaine des mathématiques, il a déclaré « ces mathématiciens ont besoin de se calmer ». Dans une récente vidéo publiée sur son compte YouTube, Michael Paolucci souligne : « l'IA ne tue pas les maths. Elle met les mathématiciens à nu ».

Selon Michael Paolucci, lorsqu'un chercheur abandonne sa passion parce qu'un réseau de neurones résout un théorème ou rédige un article scientifique avant lui, cela prouve qu'il ne s'intéressait pas réellement aux mathématiques en tant que telles. Il adopte un ton ferme sur le sujet et affirme que « ce n'était pas les mathématiques qu'ils aimaient, mais la reconnaissance », le prestige académique et l'accumulation de points de publication.

« Pour ceux qui aiment véritablement la discipline, la capacité d'un réseau statistique à traiter des théorèmes ne détruit en rien le plaisir fondamental de la recherche », ajoute-t-il. L'émergence de l'IA accélère le rythme de la recherche à un niveau inédit dans l'histoire humaine. Michael Paolucci établit une distinction nette entre la prolifération de publications académiques orientées vers la notoriété et la découverte d'informations réelles.

L'industrie progresse souvent plus vite que l'académie, car la mise en application d'une découverte y impacte directement les résultats financiers. Ainsi, le déclin du prestige académique traditionnel constitue un bénéfice pour la société s'il revalorise l'utilité pratique et la création de valeur concrète.

L'importance des mathématiques à l'ère de l'IA générative

Certains craignent que l'IA ne rende les mathématiques obsolètes. Mais Michael Paolucci recommande vivement de continuer à les étudier. La maîtrise des mathématiques permet d'appréhender l'ensemble des disciplines dérivées, telles que l'informatique, la science des données, les statistiques, l'apprentissage automatique et l'IA. Les mathématiques constituent le socle fondamental indispensable pour comprendre tout ce qui se situe en aval.

D'un point de vue technique, Michael Paolucci affirme que l'IA n'est pas un outil omniscient, mais « une fonction qui apprend une cartographie statistique » visant à déterminer une espérance conditionnelle. Si les grands modèles de langage (LLM) excellent dans la structuration du texte en raison des normes syntaxiques et grammaticales implicites, l'IA demeure incapable d'accomplir des actions physiques élémentaires dans le monde réel.

Dans un contexte où les réponses informatiques se généralisent, les facteurs clés de succès deviennent l'attention, le marketing, la distribution ainsi que la capacité à gérer des risques. Selon Michael Paolucci, l'inaction et la recherche d'une protection théorique face aux transformations de l'IA constituent une approche inefficace. Il souligne également que « l'action alliée à l'itération est toujours arbitrairement meilleure que l'inaction ».

En s'appuyant sur la théorie de l'apprentissage par renforcement, il rappelle qu'un agent IA n'apprend qu'en agissant et en testant des hypothèses. L'expérimentation continue, la confrontation au réel et l'ajustement rapide après des erreurs représentent la seule démarche performante pour progresser.

Un groupe de mathématiciens s'engage à ne pas utiliser l'IA

L'Association des mathématiciens humains (AHM) a été créée à la suite de découvertes controversées faites par des entreprises d’IA, comme la publication en une seule fois de 722 articles par OpenAI le 6 octobre 2026. Elle compte désormais plus de 1 000 membres, dont des professeurs et des doctorants. Des personnalités réputées telles que Terence Tao ont exprimé leurs craintes quant à la façon dont ces découvertes sont diffusées en masse.

Le mathématicien Terence Tao a déclaré que ces publications massives risquaient de nuire à la discipline. Dans de nombreux cas, les résultats publiés par les laboratoires d'IA sont formalisés et peuvent donc être considérés comme des solutions exactes. Mais les articles sont souvent présentés de manière hermétique et sont rédigés à la hâte, ce qui rend difficile pour la communauté des mathématiciens d'en extraire le sens et de les comprendre.

L'AHM propose trois promesses distinctes, la troisième étant facultative. L'organisation sépare les membres en deux groupes principaux selon le degré de leur engagement. Le premier groupe, qualifié de « végétarien », rassemble les scientifiques qui refusent de travailler pour ou avec des entreprises d'IA et qui s'abstiennent d'utiliser des agents IA conversationnels pour rédiger des articles de recherche, des notes de cours ou encore des livres.

Le second groupe, qualifié de « végétalien », va encore plus loin en bannissant intégralement l'IA de toute activité de recherche. Cette division montre que les membres divergent sur le futur, tout en convergeant sur les risques pour leur discipline. Sam Raskin, professeur de mathématique à l'Université Yale, a préféré s'en tenir à l'engagement végétarien en raison d'une incertitude quant à l'utilisation ponctuelle de l'IA pour des tâches simples.

Les motivations vont de la préoccupation environnementale aux inquiétudes liées à la sécurité de l'emploi, en passant par le désir de préserver les mathématiques comme une activité humaine gratifiante. Sam Raskin dénonce aussi le manque de transparence de certains membres de la communauté mathématique qui perçoivent discrètement des rémunérations de la part de sociétés d'IA comme Anthropic, qualifiant cette situation de « toxique ».

La préparation aux réalités futures et les enjeux éthiques

Loin de se limiter à une opposition passive, l'association a constitué plusieurs comités afin de réfléchir à l'avenir de la profession dans un monde transformé par l'IA. Ces groupes de travail se penchent notamment sur la protection des prépublications contre leur intégration non consentie dans les données d'entraînement de l'IA, la révision de l'enseignement universitaire, ainsi que la résolution des difficultés de carrière des enseignants-chercheurs.

Par ailleurs, les mathématiciens de l'AHM ont précisé qu'ils ne sont pas des opposants radicaux à l'IA. Steven Sivek, chercheur en mathématique à Imperial College London et membre végétalien, a déclaré : « nous ne sommes pas dans le déni. Nous ne mettons pas la tête dans le sable en disant que cela n'arrive pas. Je veux dire, cela arrive, c'est réel. Nous devons trouver comment adapter la profession à cette nouvelle réalité émergente ».

Steven Sivek conçoit les mathématiques comme un artisanat exigeant un travail approfondi et refuse « l'idée d'éteindre une partie de mon cerveau et juste laisser la machine s'en charger » ou de publier des travaux qu'il ne peut ni comprendre ni garantir. Selon les experts, les récentes publications d'OpenAI ont eu un impact sur plusieurs domaines des mathématiques, notamment la combinatoire, les probabilités, l'informatique théorique, etc.

De plus, des considérations éthiques majeures motivent ce mouvement, comme le souligne Hervé Le Dret, de Sorbonne Université, qui pointe du doigt le « gaspillage scandaleux de ressources et l'impact environnemental » de l'IA. OpenAI et Anthropic ont refusé de commenter les déclarations de l'AHM.

Source : Michael Paolucci, chercheur en finance quantitative

Et vous ?

Quel est votre avis sur le sujet ?
L'IA détruit-elle les mathématiques ? Que pensez-vous de son impact sur la discipline ?
Que pensez-vous de la position de Michael Paolucci dans le débat sur l'IA et les mathématiciens ?

Voir aussi

Plus de mille mathématiciens s'engagent à ne pas utiliser l'IA dans leurs recherches afin de préserver les mathématiques comme une activité humaine gratifiante, ainsi que l'avenir des carrières académiques

« De la pure folie » : les mathématiciens s'insurgent contre la publication par OpenAI de centaines de démonstrations générées par l'IA, ce geste a anéanti des années de travail et des projets de thèse

OpenAI met une nouvelle fois en colère la communauté des mathématiciens, en annonçant des centaines de découvertes mathématiques générées par l'IA sans publier les travaux explicatifs

[Anselme45]

« L'IA ne tue pas les maths. Elle met les mathématiciens à nu », affirme un chercheur selon lequel les mathématiciens qui craignent l'IA recherchaient avant tout le prestige académique et la reconnaissance

Le chercheur en finance quantitative Roman Michael Paolucci soutient que l'IA ne détruit pas les mathématiques. Selon lui, l'IA met plutôt en lumière « les véritables motivations » de certains mathématiciens. Il estime que ceux qui paniquent face à l'IA recherchaient avant tout le prestige académique et la reconnaissance, et non la discipline elle-même.

Encore un "pseudo-expert" qui vient donner un avis totalement à côté de la plaque!

Dans la recherche académique, aussi bien dans le domaine des mathématiques que tous les autres domaines, tout repose sur le "prestige" et la "reconnaissance". Si un chercheur ne fait pas parler de lui en multipliant les publications, il n'est tout simplement pas financer et il doit changer de métier!!!

[jnspunk]

Si l’IA générative permet de faire plus de découvertes mathématiques, cela ouvre aussi la voie à davantage de progrès technologiques.
Et les doctorants ou chercheurs dont les travaux sont devenus inutiles seront heureux de bénéficier d’un traitement pour leur maladie, découvert grâce aux avancées technologiques rendues possibles par les découvertes de l’IA.

[Anselme45]

Si l’IA générative permet de faire plus de découvertes mathématiques, cela ouvre aussi la voie à davantage de progrès technologiques.
Et les doctorants ou chercheurs dont les travaux sont devenus inutiles seront heureux de bénéficier d’un traitement pour leur maladie, découvert grâce aux avancées technologiques rendues possibles par les découvertes de l’IA.

C'est marrant parce que jusqu'à ce jour, l'IA n'a pas découvert un seul traitement contre une quelconque maladie, même pas la bobologie, par contre l'IA a déjà largement fourni une avalanche d'exemples prouvant sa nocivité!!!

[tontonCD]

concernant les recherches cela demande beaucoup de travail, souvent des années, et il est désolant que l'I.A. publie les résultas sans créditer personne. Et que les seules personnes capables de faire avancer la science se trouvent soudainement dé-crédibilisées, alors que leur salaire (très maigre souvent) n'est justifié que par leur réputation et les projets qu'on leur confie en conséquence.
C'est injuste d'une part, et on s'oriente de plus en plus vers une société qui tourne en boucle.

[Mathis Lucas]

Plus de mille mathématiciens s'engagent à ne pas utiliser l'IA dans leurs recherches afin de préserver les mathématiques comme une activité humaine gratifiante
ainsi que l'avenir des carrières académiques

Plus de mille mathématiciens manifestent leur mécontentement face à l'utilisation croissante de l’IA dans leur discipline. Cette fronde fait suite à la publication massive et chaotique de travaux par OpenAI, ce qui submerge la communauté et nuit à la compréhension des démonstrations. Réunis au sein d'une organisation appelée « Association des mathématiciens humains », ils se sont engagés à ne pas travailler pour des entreprises spécialisées dans l’IA et à éviter d’utiliser leurs modèles dans leurs recherches. Les mathématiciens dénoncent les effets négatifs de l'IA générative sur leur discipline et sur l'avenir des carrières académiques.

L'Association des mathématiciens humains (AHM) a été créée à la suite de découvertes controversées faites par des entreprises d’IA, comme la publication en une seule fois de 722 articles par OpenAI le 6 octobre 2026. Elle compte désormais plus de 1 000 membres, dont des professeurs et des doctorants. Des personnalités réputées telles que Terence Tao ont exprimé leurs craintes quant à la façon dont ces découvertes sont diffusées en masse.

Le mathématicien Terence Tao a déclaré que ces publications massives risquaient de nuire à la discipline. Dans de nombreux cas, les résultats publiés par les laboratoires d'IA sont formalisés et peuvent donc être considérés comme des solutions exactes. Cependant, les articles sont souvent présentés de manière hermétique et sont rédigés à la hâte, ce qui rend difficile pour la communauté des mathématiciens d'en extraire le sens et de les comprendre.

En réponse aux préoccupations des mathématiciens, un groupe consultatif indépendant sur les mathématiques et l’IA a été mis en place afin de conseiller les entreprises du secteur de l’IA sur les meilleures pratiques. OpenAI avait précédemment assuré qu’il tiendrait compte de ces conseils, mais sa dernière publication semble aller à l’encontre de nombreuses suggestions du groupe. Les spécialistes ont dénoncé ce manque de rigueur et de clarté.

Le groupe consultatif a souligné que les modèles d'OpenAI restent inaccessibles à la communauté scientifique. « Nous tenons à le dire clairement dès le départ : nous n’approuvons pas cette pratique, et nous leur demandons de cesser de tester des problèmes mathématiques avancés sur des modèles propriétaires », a déclaré le groupe consultatif dans un communiqué publié fin septembre 2026. OpenAI est passé outre cette recommandation.

OpenAI a été critiqué pour avoir ignoré cet avis tout en s’en servant pour « fonder sa légitimité » dans ce domaine. « En faisant fi du principe fondamental de la position du groupe consultatif, OpenAI a fait preuve d’un mépris total pour les normes de la recherche scientifique, normes qui garantissent que les mathématiques restent fiables, menées de manière éthique et dans l’intérêt public », a déclaré l’Association des mathématiciens humains.

Les différents niveaux d'engagement au sein du collectif

L'AHM propose trois promesses distinctes, la troisième étant facultative. L'organisation sépare les membres en deux groupes principaux selon le degré de leur engagement. Le premier groupe, qualifié de « végétarien », rassemble les scientifiques qui refusent de travailler pour ou avec des entreprises d'IA et qui s'abstiennent d'utiliser des agents IA conversationnels pour rédiger des articles de recherche, des notes de cours ou encore des livres.

Le second groupe, qualifié de « végétalien », va encore plus loin en bannissant intégralement l'IA de toute activité de recherche. Cette division montre que les membres divergent sur le futur, tout en convergeant sur les risques pour leur discipline. Sam Raskin, professeur de mathématique à l'Université Yale, a préféré s'en tenir à l'engagement végétarien en raison d'une incertitude quant à l'utilisation ponctuelle de l'IA pour des tâches simples.

Les motivations vont de la préoccupation environnementale aux inquiétudes liées à la sécurité de l'emploi, en passant par le désir de préserver les mathématiques comme une activité humaine gratifiante. Sam Raskin dénonce aussi le manque de transparence de certains membres de la communauté mathématique qui perçoivent discrètement des rémunérations de la part de sociétés d'IA comme Anthropic, qualifiant cette situation de « toxique ».

Sam Raskin a déclaré : « j’entends sans cesse parler de personnes occupant des postes de direction au sein de la communauté mathématique, qui dirigent des institutions et autres, et qui sont discrètement rémunérées soit par Anthropic, soit par OpenAI, sans nécessairement divulguer cette information. Et je pense que c’est toxique ». Selon les critiques, les récents articles d'OpenAI ont anéanti plusieurs années de travail et des projets de thèse.

« C’est bien d’avoir de nouveaux résultats, mais cette ampleur, c’est une autre histoire. C’est un véritable chaos. Cela peut provoquer un effondrement massif de la culture universitaire et tout simplement anéantir la plupart des départements. C’est un problème de société et il semble que les laboratoires d’IA ignorent complètement cette question », a déclaré Bartosz Naskręcki, mathématicien à l’université Adam Mickiewicz de Poznań, en Pologne.

La préparation aux réalités futures et les enjeux éthiques

Loin de se limiter à une opposition passive, l'association a constitué plusieurs comités afin de réfléchir à l'avenir de la profession dans un monde transformé par l'IA. Ces groupes de travail se penchent notamment sur la protection des prépublications contre leur intégration non consentie dans les données d'entraînement de l'IA, la révision de l'enseignement universitaire, ainsi que la résolution des difficultés de carrière des enseignants-chercheurs.

Par ailleurs, les mathématiciens de l'AHM ont précisé qu'ils ne sont pas des opposants radicaux à l'IA. Steven Sivek, chercheur en mathématique à Imperial College London et membre végétalien, a déclaré : « nous ne sommes pas dans le déni. Nous ne mettons pas la tête dans le sable en disant que cela n'arrive pas. Je veux dire, cela arrive, c'est réel. Nous devons trouver comment adapter la profession à cette nouvelle réalité émergente ».

Steven Sivek conçoit les mathématiques comme un artisanat exigeant un travail approfondi et refuse « l'idée d'éteindre une partie de mon cerveau et juste laisser la machine s'en charger » ou de publier des travaux qu'il ne peut ni comprendre ni garantir. Selon les experts, les récentes publications d'OpenAI ont eu un impact sur plusieurs domaines des mathématiques, notamment la combinatoire, les probabilités, l'informatique théorique, etc.

De plus, des considérations éthiques majeures motivent ce mouvement, comme le souligne Hervé Le Dret, de Sorbonne Université, qui pointe du doigt le « gaspillage scandaleux de ressources et l'impact environnemental » de l'IA. OpenAI et Anthropic ont refusé de commenter les déclarations de l'AHM.

Sources : AHM, billet de blogue

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous de la position de l'AHM sur l'utilisation de l'IA dans le domaine des mathématiques ?
Cette démarche est-elle pertinente ? Protège-t-elle réellement la discipline contre les abus de l'IA ?

Voir aussi

« De la pure folie » : les mathématiciens s'insurgent contre la publication par OpenAI de centaines de démonstrations générées par l'IA, ce geste a anéanti des années de travail et des projets de thèse

OpenAI met une nouvelle fois en colère la communauté des mathématiciens, en annonçant des centaines de découvertes mathématiques générées par l'IA sans publier les travaux explicatifs

Un professeur affirme avoir trouvé la solution en premier et qu'OpenAI s'attribue le mérite de ses travaux, mathématiciens et chercheurs en IA débattent sur le mérite d'une percée mathématique

[virginieh]

concernant les recherches cela demande beaucoup de travail, souvent des années, et il est désolant que l'I.A. publie les résultas sans créditer personne. Et que les seules personnes capables de faire avancer la science se trouvent soudainement dé-crédibilisées, alors que leur salaire (très maigre souvent) n'est justifié que par leur réputation et les projets qu'on leur confie en conséquence.
C'est injuste d'une part, et on s'oriente de plus en plus vers une société qui tourne en boucle.

Tu as la conséquence dans l'article juste en dessous de ton post, les mathématiciens (et probablement d'autres chercheurs à leur suite) vont préférer se priver d'un outil qui leur aurait fait gagner un nombre incalculable d'heures, plutôt que se passer de la reconnaissance de leur travail qui était leur seule gratification.
C'est triste.