Le 6 octobre, OpenAI a déposé en ligne 722 manuscrits de mathématiques, regroupés en 372 familles de résultats. Aucun humain ne les a écrits. Ils sortent d’un modèle interne que l’entreprise n’a ni nommé ni rendu public, et qui s’est attaqué, selon elle, à quelque 4 000 problèmes.

Le choc a été immédiat chez ceux dont c’est le métier. Hugo Duminil-Copin, médaille Fields 2022, a raconté avoir pleuré le soir de la publication, au point de réveiller sa fille : parmi les résultats figuraient des solutions à seize questions sur lesquelles il travaillait depuis des années. OpenAI, a-t-il dit, a « annihilé » son domaine.

La colère couvait. Le 11 septembre, vingt-cinq médaillés Fields, dont Duminil-Copin, Pierre-Louis Lions et Cédric Villani, avaient signé une déclaration dénonçant un grave « défaut d’alignement » entre les entreprises d’IA et la communauté mathématique. Le même mois, une annonce d’OpenAI sur les équations de Navier-Stokes avait été contestée par deux chercheurs qui disaient toucher au même résultat, et l’Association for Human Mathematics avait accusé l’entreprise de plagiat. Octobre n’est pas un coup de tonnerre : c’est l’escalade d’un conflit.

Trouver n’est pas comprendre

OpenAI le reconnaît elle-même : ses résultats en sont à différents stades de vérification, et certains de ceux qui n’ont pas été formalisés pourraient contenir des erreurs. Une partie seulement existe en version Lean, un logiciel qui contrôle la logique d’une démonstration ligne à ligne. Même là, Lean ne certifie que l’énoncé tel qu’il a été écrit : il faut encore qu’un humain vérifie qu’il correspond bien au problème posé.

Le vertige est là. Nous savons désormais produire des résultats plus vite que nous ne savons les lire. Terence Tao, l’un des mathématiciens les plus respectés au monde, en tire une conclusion radicale : résoudre des problèmes n’a jamais été le but, seulement un repère. Les grandes questions ouvertes servent de phares, et ce qu’on apprend en les cherchant vaut souvent plus que la réponse. Les résoudre à la chaîne, trop tôt, risque de stériliser les territoires qu’elles éclairaient.

Qui choisit les questions ?

Les manuscrits sont publics. Le modèle, lui, reste chez OpenAI, comme la puissance de calcul qui l’a rendu possible. C’est là que l’affaire cesse d’être une querelle de spécialistes.

L’entreprise a tenté de calmer le jeu. Le 15 octobre, elle a promis 5 millions de dollars à la Simons Foundation pour aider les mathématiciens à examiner et prolonger les résultats produits par l’IA, au sein d’une initiative de 15 millions cofinancée par la fondation et par Anthropic. En septembre, elle avait réuni un groupe consultatif de neuf mathématiciens, l’AGMAI, hébergé à l’Institute for Advanced Study de Princeton. Ce groupe donne des avis. Il ne décide de rien.

L’argent finance la vérification. Il ne rend pas l’initiative. Si quelques entreprises disposent d’outils capables d’attaquer des milliers de problèmes à la fois, ce sont elles qui fixent, de fait, l’agenda de la recherche. Les universités risquent de passer leur temps à relire, certifier et expliquer des découvertes dont elles n’auront pas choisi l’objet.

L’inverse reste possible. Les mêmes outils, ouverts et accessibles, permettraient à un chercheur isolé ou à une petite équipe de s’attaquer à des questions hors de leur portée. Tout dépendra de la façon dont ces modèles seront diffusés : comme une infrastructure partagée, ou comme un avantage réservé. Les mathématiciens sont les premiers à vivre ce choix. Ils ne seront pas les derniers.

Sources

• Interesting Engineering, 6 octobre 2026 — La publication d’OpenAI

• Let’s Data Science — Le dépôt et ses réserves de vérification

• IBTimes UK, 13 octobre 2026 — La réaction de Hugo Duminil-Copin

• Next, 16 septembre 2026 — La déclaration des médaillés Fields

• Euronews, 16 octobre 2026 — Les 5 millions de dollars d’OpenAI

• OfficeChai — Terence Tao et « Math 2.0 »

• AI Wiki — L’AGMAI, composition et mission