OpenAI a publié le 6 octobre 2026, sur son blog officiel, un ensemble de résultats mathématiques produits par un modèle frontière interne non publié, à une échelle inhabituelle pour une seule annonce : 722 manuscrits répartis en 372 familles de résultats, couvrant des centaines de problèmes mathématiques ouverts depuis longtemps. Le travail n'a pas été confié à une revue, mais déposé dans un unique dépôt GitHub, avec des règles de révision et de citation, à charge pour la communauté mathématique de le vérifier.
Ce que cette publication affirme concrètement
En septembre 2026, OpenAI avait déjà indiqué que ses modèles avaient résolu plus d'une centaine de problèmes ouverts de longue date dans la plupart des branches des mathématiques. Cette publication transforme l'affirmation en textes lisibles : outre les démonstrations, elle comprend des résumés d'une partie du raisonnement du modèle, des estimations de la puissance de calcul consommée et le nombre total de problèmes tentés. Selon OpenAI, un résultat typique représente à peu près le calcul de ChatGPT Pro réfléchissant en continu pendant trois heures.
Il ne s'agit donc pas d'un éclair de génie sur un seul problème, mais d'une chaîne de production menée à grande échelle : un grand nombre de problèmes ouverts soumis un à un au même modèle inédit, puis des résultats rassemblés en manuscrits et publiés ensemble. Le volume lui-même est le signal — les modèles frontière passent des problèmes de concours au traitement systématique de questions de recherche ouvertes.
Pourquoi une formalisation en Lean accompagne l'ensemble
Une part importante des démonstrations a été formalisée en Lean, un système qui permet à un ordinateur de vérifier une preuve ligne par ligne. Une fois formalisée, la correction ne dépend plus de l'intuition d'un rapporteur : elle est vérifiable par machine. La fiabilité étant précisément le point faible reproché aux productions d'IA, ces preuves contrôlables par machine distinguent ces manuscrits des prépublications ordinaires.
La limite doit être dite : seule une partie de l'ensemble est formalisée. Le reste devra encore être évalué et assimilé par des mathématiciens humains, et OpenAI reconnaît elle-même que l'impact complet prendra du temps. Combien des 722 manuscrits résisteront à l'examen des pairs reste une question ouverte.
Le débat porte sur la manière de publier, pas sur les réponses
Les discussions autour de cet ensemble se concentrent moins sur les mathématiques que sur la forme de la publication. Fin septembre, l'AGMAI, un groupe consultatif indépendant de mathématiciens, a publié ses premières recommandations : les laboratoires devraient publier leurs résultats mathématiques rapidement par les canaux académiques établis, divulguer le nom du modèle, les invites et le calcul utilisé, et — selon la formulation appuyée du groupe — ne pas traiter la publication de résultats mathématiques comme un outil de promotion de leurs modèles.
À cette aune, la publication répond à une partie des demandes : les résultats sont publics en un seul lieu, les ordres de grandeur de calcul sont donnés, les règles de révision et de citation sont incluses. L'élément le plus important manque toujours : le modèle qui a produit ce travail n'a pas de nom, car il n'est pas publié. Les lecteurs peuvent vérifier les preuves, mais pas reproduire le processus qui les a générées. Pour les mathématiques, une preuve se vérifie de façon indépendante. Pour le secteur de l'IA, l'enjeu est ailleurs : à mesure que les modèles produisent de la recherche vérifiable en volume, les normes de publication des laboratoires devront suivre le rythme de production.
