En septembre, OpenAI a déclaré qu’un modèle de pointe non publié avait résolu plus de 100 problèmes ouverts de longue date dans une grande partie des mathématiques. Alors que l’attente montait, le tout nouveau Groupe consultatif sur les mathématiques et l’intelligence artificielle a exhorté les laboratoires à publier rapidement via les canaux universitaires établis, à divulguer les modèles, les prompts et les ressources de calcul, et à éviter de transformer les résultats en marketing.¹

Mardi, OpenAI a publié 722 manuscrits, organisés en 372 familles de résultats connexes. L’entreprise a fourni, par l’intermédiaire d’un dépôt GitHub, des protocoles de révision des articles et de citation, ainsi que des résumés du raisonnement, des estimations des ressources de calcul et des statistiques sur les problèmes tentés. Elle a indiqué que le résultat moyen avait consommé l’équivalent de trois heures de réflexion de ChatGPT Pro.¹

Les dirigeants d’OpenAI ont présenté cette publication comme faisant partie d’un projet scientifique plus vaste. Greg Brockman l’a qualifiée de pas « vers l’accélération de la découverte scientifique et l’amélioration de la qualité de vie pour tous ».Greg Brockman (gdb)² Le volume à lui seul a impressionné les observateurs : des centaines de démonstrations générées par un modèle non publié suggèrent que les mathématiques pourraient suivre la programmation dans un monde où les machines ne sont plus une nouveauté, mais une force de travail dans des domaines spécialisés.³

Mais l’enthousiasme s’est accompagné d’inquiétude. Les chercheurs se demandent toujours si les résultats sont véritablement originaux ou s’ils reposent largement sur des apports humains antérieurs, et si un flot d’articles produits par des machines peut être évalué de manière significative. Stephen Wolfram a résumé l’objection opposant qualité et quantité : « On peut produire facilement un billion de théorèmes. Le problème, c’est que la plupart de ces théorèmes ne seront pas de ceux auxquels quiconque s’intéressera. »³

La méfiance n’est pas seulement philosophique. De précédentes annonces d’OpenAI avaient déjà suscité des accusations concernant des travaux non publiés, le fait de devancer d’autres chercheurs et le manque de transparence sur l’origine des données d’entraînement. Les critiques craignent qu’un laboratoire d’IA fortuné puisse se précipiter sur des problèmes que des chercheurs poursuivent depuis des années, sans respecter les normes universitaires qui encadrent l’attribution et la vérification. Un professeur a décrit cette conduite comme le « genre de choses que les mathématiciens ne feront généralement pas ».⁴

Même la réaction plus large en ligne a reflété cette prudence : Elon Musk a relayé un message affirmant : « Non, l’IA n’a pas simplement résolu les équations de Navier-Stokes. »Elon Musk (elonmusk)⁵ Cette nouvelle publication est peut-être une étape technique extraordinaire ; savoir si elle deviendra une contribution digne de confiance aux mathématiques reste une question humaine.