OpenAI a publié le 6 octobre 2026 un ensemble de 719 manuscrits mathématiques générés par un modèle interne. Le 8 octobre, TechCrunch et The Decoder ont tous deux relevé que cette publication ne respectait pas les standards fixés par le groupe consultatif de la discipline elle-même, et certains mathématiciens appellent désormais leurs collègues à cesser de travailler avec OpenAI. Le débat ne porte pas d'abord sur la justesse des preuves, mais sur qui paie la vérification, la compréhension et l'attribution de plus de 700 résultats que personne ne peut lire directement.
Les standards du groupe consultatif largement manqués
Peu avant la publication, l'Advisory Group on Mathematics and Artificial Intelligence (AGMAI), hébergé à l'Institute for Advanced Study de Princeton, avait publié fin septembre des lignes directrices dont la première demande était de ne pas tester de problèmes ouverts avancés sur des modèles propriétaires — or OpenAI a utilisé précisément un modèle interne propriétaire. Selon le décompte de TechCrunch, seuls 10 des 719 manuscrits incluaient un résumé de la chaîne de pensée du modèle. Pour les preuves illisibles directement, le groupe recommandait une formalisation en Lean ; seule une partie de ce lot en a bénéficié. Cette semaine, des chercheurs de l'université de Cambridge et du King's College de Londres ont publié un article documentant au moins deux écarts entre la preuve en langage naturel et le code Lean d'une solution d'OpenAI à un problème dérivé des équations de Navier-Stokes, en avertissant que ces preuves auto-formalisées ne peuvent pas échapper à l'évaluation par les pairs.
D'où vient l'appel au boycott
Une déclaration de l'Association for Human Mathematics (AHM), relayée par Terence Tao, s'est rapidement diffusée. Elle affirme que les mathématiciens n'ont pas demandé ce travail, qualifie la publication de plus de 700 fichiers d'un coup de démonstration de puissance plutôt que de science, et exhorte les collègues à cesser de travailler avec OpenAI. La critique de Tao est plus précise : les percées traditionnelles produisent des exposés, des ateliers et des collaborations, tandis que ces résultats ont été « résolus » par des personnes sans intérêt pour la discipline et incapables de répondre aux questions, laissant le travail de compréhension à la communauté. Auparavant, 25 médaillés Fields avaient signé une déclaration avertissant que la production de masse d'énoncés vrais pouvait détruire le terreau fertile de la discipline et soulever des problèmes d'attribution et de citation. La communauté reste divisée : d'autres jugent des résultats publics préférables à des résultats privés et un boycott irréaliste ; l'AGMAI elle-même se montre plus diplomatique, insistant surtout sur la liberté des mathématiciens de choisir leurs questions et sur un accès équitable aux outils et à la puissance de calcul.
Générer prend des heures ; comprendre est facturé à la communauté
L'arithmétique explique la colère : selon le théoricien de la complexité Scott Aaronson, ces résultats ont demandé en moyenne environ trois heures de calcul par problème — la génération est devenue assez bon marché pour une production en série. Vérifier une preuve et la transformer en connaissance utilisable par les pairs exige en revanche un temps d'expert rare, et personne ne le paie pour l'instant : l'AGMAI avait suggéré qu'OpenAI aide à financer les mathématiciens humains qui devront accomplir ce travail de compréhension, ce qui n'a pas eu lieu pour cette publication. La suite ne dépendra pas du nombre de problèmes supplémentaires qu'OpenAI saura résoudre, mais de sa capacité à fournir les métadonnées manquantes, à ouvrir des voies de vérification et à clarifier attribution et financement. Si les coûts de génération et de compréhension restent sur des factures séparées, le fossé entre les mathématiques et les laboratoires de pointe ne fera que se creuser.
