OpenAI met en ligne ses preuves maths : GitHub, Lean, et l'alerte Villani

Le 6 octobre 2026, OpenAI ne se contente plus d'annoncer. L'entreprise publie un large éventail de nouveaux résultats mathématiques d'un modèle frontier interne (modèle de pointe, non public) — dépôt GitHub, protocoles de révision et de citation, formalisations Lean pour une partie des preuves. Deux semaines plus tôt, elle avait parlé de « plus de 100 problèmes ouverts » et d'un groupe consultatif. Cette fois, elle sort le matériel. Le lendemain, elle retire trois manuscrits pour une erreur de signe. Certifier plus vite n'équivaut toujours pas à former mieux : c'est l'alerte de Villani et des vingt-cinq médaillés Fields.

Ce que le 6 octobre met réellement en ligne

OpenAI écrit qu'elle a consulté le Advisory Group on Mathematics and Artificial Intelligence — le groupe consultatif indépendant hébergé à l'Institute for Advanced Study (IAS) de Princeton, un centre de recherche indépendant, hors université — et qu'elle s'est appuyée sur leurs conseils pour cette sortie.

Selon le README du dépôt GitHub openai/math, le catalogue comptait 722 manuscrits regroupés en 372 familles de résultats à la sortie. OpenAI précise que ces résultats sont à des stades de vérification différents. Tous n'ont pas de formalisation Lean — un langage où un ordinateur vérifie chaque pas du raisonnement. Au 8 octobre, OpenAI annonce 42 % des résultats principaux formalisés. Certains résultats non formalisés « pourraient avoir des problèmes », écrit le README. OpenAI annonce qu'elle mettra à jour le dépôt au fil des formalisations.

OpenAI publie aussi dix résumés du raisonnement du modèle, des estimations de compute en équivalent usage Pro de ChatGPT, et des statistiques sur le nombre de problèmes tentés. D'après OpenAI, un résultat a coûté en moyenne l'équivalent d'environ trois heures de ChatGPT Pro en mode thinking. Le README ajoute qu'au cours de l'évaluation, le modèle a été confronté à environ 4 000 problèmes ; OpenAI a ensuite agrégé et filtré pour garder ce qui lui paraissait significatif.

OpenAI dit aussi qu'elle financera des workshops, des conférences et des programmes autour de ces résultats, et qu'elle travaille à une sortie responsable du modèle.

Le 7 octobre, trois manuscrits retirés

OpenAI avait prévenu dans le README. Le 7 octobre, elle retire trois manuscrits. Le premier contient une erreur de signe, et la suite du raisonnement ne tient plus. Les deux autres reposaient sur la même construction. Aucun des trois n'avait de formalisation Lean. OpenAI précise que ce retrait « n'affirme pas que l'énoncé mathématique est faux ». Le même jour, elle corrige quatorze autres manuscrits.

D'après un porte-parole cité par Retraction Watch, un site américain qui recense les articles scientifiques retirés, l'erreur vient d'un audit interne, et environ la moitié des résultats sont sortis sans confirmation. Alex Townsend, professeur de mathématiques à l'université Cornell, s'attend à d'autres erreurs : OpenAI aurait dû, selon lui, annoncer d'abord les manuscrits vérifiés en Lean.

Le 21 septembre : le préambule, pas le scoop

Le 21 septembre 2026, OpenAI avait posé le décor. L'entraînement du modèle interne avait commencé le 28 août. Outre Navier–Stokes — l'un des « problèmes du millénaire » du Clay Mathematics Institute, l'institut qui a doté sept énoncés d'un million de dollars chacun — OpenAI affirmait que le modèle avait résolu « plus de 100 problèmes ouverts de longue date ». Les mathématiciens d'OpenAI disaient avoir été surpris par le rythme.

Sur la même page, OpenAI présentait le groupe consultatif de l'IAS : membres non payés, libres de publier leurs avis, chargés de conseiller sur la revue et la communication des résultats. Un point reste central. OpenAI l'écrit sans détour : le groupe ne sera pas chargé de conseiller sur le rythme des progrès internes en mathématiques. Il peut parler de ce qui sort. Il ne règle pas la cadence interne.

Je n'affirme pas que les « plus de 100 » de septembre sont exactement les 372 familles d'octobre. OpenAI ne le dit pas ainsi. En septembre, elle donnait un volume ; en octobre, elle sort un dépôt, avec ses chiffres à lui.

Ce que Villani et les Fields avaient déjà dit

OpenAI cite explicitement la déclaration intitulée « Un grave désalignement de l'IA en mathématiques », celle des vingt-cinq médaillés Fields. Les médaillés Fields, pour rappel : la distinction qui tient lieu de Nobel en mathématiques — quatre lauréats au plus, tous les quatre ans, tous de moins de quarante ans. Dans leur texte, ils reprochent aux laboratoires d'utiliser la résolution de problèmes ouverts comme barre de mesure, au risque d'assécher le stock d'exercices qui forme les étudiants.

Dans l'article sur l'assèchement des problèmes, je rappelais la formule de Cédric Villani (médaille Fields 2010) : pour progresser, les mathématiques ont besoin de trois matières premières — les idées, les étudiants et les problèmes. Des outils trop efficaces risquent d'assécher le stock de problèmes accessibles.

Les vingt-cinq le disaient autrement : « Résoudre des problèmes n'est qu'un outil, et un indicateur indirect, au service de l'objectif premier — la compréhension conceptuelle. » OpenAI répond en sortant des preuves, des formalisations Lean et dix traces de raisonnement. D'après son propre texte de septembre, elle ne ralentit pas la cadence interne.

Le 8 octobre, sur CNBC, Tristan Buckmaster, professeur de mathématiques à l'université de New York, décrit l'assèchement sans détour : « Mardi, avec leur avalanche d'articles, des programmes de recherche entiers ont été balayés. » L'Association for Human Mathematics, un groupe qui appelle à cesser de travailler avec OpenAI, tranche : « Publier plus de 700 fichiers d'un coup, ce n'est pas du travail de chercheur, c'est une démonstration de force. »

Pour une PME, la même asymétrie

Je ne gère pas un laboratoire de mathématiques. Je dirige une conciergerie de locations courte durée et j'accompagne des TPE-PME sur l'IA et le no-code. La leçon d'octobre est plus plate, et plus utile.

Quand vous obtenez le résultat d'une machine sans le chemin, vous gagnez du temps sur le livrable. Vous perdez le terrain où un nouvel arrivant apprenait le métier. Dans une équipe de douze, les devis simples, les relances d'impayés et les rapprochements sont aussi les gammes du nouveau collaborateur. Les automatiser reste souvent juste. Oublier qu'ils formaient quelqu'un, non.

OpenAI sort des preuves, dont une partie vérifiable par machine, et des traces de raisonnement. C'est le type d'exigence que je pose ailleurs — neuf boucles Claude, un calcul coûteux, deux semaines de vérification humaine. Exiger la preuve. Garder aussi des tâches formatrices quand l'apprentissage passe encore par la pratique.

Ma conclusion

Le 6 octobre, OpenAI passe de l'annonce à la publication : GitHub, Lean, compute, traces. Le préambule de septembre — les 100 problèmes, le groupe IAS — prend alors son sens. Le lendemain, OpenAI retire trois manuscrits : publier en ouvert, c'est accepter d'être corrigé en public. Rien de tout cela n'efface l'alerte des médaillés Fields. Résoudre ou certifier plus vite n'équivaut pas à former mieux. Dans une PME comme dans un laboratoire, la question reste celle de Villani : après le livrable, que reste-t-il à apprendre ?

Sources — Citations traduites de l'anglais par mes soins. OpenAI, Sharing AI progress in mathematics (6 octobre 2026) ; dépôt GitHub openai/math (README : 722 puis 719 manuscrits, 372 familles, ≈ 4 000 problèmes tentés, moyenne ≈ 3 h ChatGPT Pro thinking) ; OpenAI, historique du dépôt, note de retrait et catalogue Lean du 6 octobre ; Retraction Watch (8 octobre 2026) ; Tristan Buckmaster sur CNBC, transcrit par NDTV (8 octobre 2026) ; OpenAI, Advisory Group on Mathematics and Artificial Intelligence (21 septembre 2026) ; déclaration A Severe Misalignment of AI in Mathematics (11 septembre 2026), citée par OpenAI. Médaille Fields 2010 de Cédric Villani : Union mathématique internationale.

Publicité — lien affilié. En tant que Partenaire Amazon, je perçois une commission sur les achats remplissant les conditions requises, sans surcoût pour vous. Sur le sujet du chemin plutôt que du résultat, Cédric Villani a écrit Théorème vivant (Grasset, 2012), journal de bord d'une recherche avec ses impasses : sa bibliographie sur Amazon.

Questions fréquentes