# OpenAI résout 722 problèmes de maths sans mode d’emploi : 1 008 chercheurs disent stop  **Date:** 24 octobre 2026 **Source:** [PIX GEEKS](https://pix-geeks.com) **Catégories:** [High-Tech](https://pix-geeks.com/tech/) > [Intelligence Artificielle](https://pix-geeks.com/tech/intelligence-artificielle/) **Étiquettes:** [Mathématiques](https://pix-geeks.com/dossier/mathematiques/) **Marques:** [OpenAI](https://pix-geeks.com/marque/openai/) **Entités principales:** Organization: [OpenAI](http://www.wikidata.org/entity/Q21708200), [Association for Human Mathematics](http://www.wikidata.org/entity/Q141664090) | Corporation: [OpenAI](http://www.wikidata.org/entity/Q21708200) **Entités secondaires:** SoftwareApplication: [Lean](http://www.wikidata.org/entity/Q31205846) | Person: [Terence Tao](http://www.wikidata.org/entity/Q295981), [Sam Raskin](http://www.wikidata.org/entity/Q102421187), [Steven Sivek](http://www.wikidata.org/entity/Q102397036), [Maksym Radziwiłł](http://www.wikidata.org/entity/Q27061958), [Melanie Wood](http://www.wikidata.org/entity/Q6811383), [Ursula Martin](http://www.wikidata.org/entity/Q14010) | Organization: [Imperial College London](http://www.wikidata.org/entity/Q189022), [TechCrunch](http://www.wikidata.org/entity/Q1022366) | Place: [Cambridge](http://www.wikidata.org/entity/Q350) **Une association de mathématiciens compte désormais 1 008 membres qui s’engagent à ne pas travailler pour les entreprises d’IA ni à publier de textes générés par une machine. Leur cible principale : OpenAI, qui a déposé d’un coup 722 manuscrits de mathématiques, vérifiables pour une partie, mais livrés presque sans les explications qui permettraient de les comprendre.** Une preuve vaut-elle encore quelque chose quand personne ne la comprend au moment où elle sort ? Plus de mille mathématiciens ont choisi leur camp, au sein de l’[Association for Human Mathematics](https://www.ahmath.org/members) (AHM). Sur sa page officielle, l’association revendique **\1008 membres, dont 654 qui n’utilisent aucune IA dans leurs recherches**. Contrairement à ce qu’ont écrit plusieurs médias, elle n’est pas née de la publication d’OpenAI, puisque son lancement a été annoncé le 12 septembre 2026. En revanche, c’est bien après le 6 octobre qu’elle a franchi la barre symbolique des mille membres, relevée par New Scientist. ## Association for Human Mathematics : 2 engagements contre les entreprises d’IA L’adhésion est publique, gratuite et ouverte à partir du niveau doctorat. Chaque membre s’engage d’abord à ne fournir aux entreprises commerciales d’IA ni travail technique, ni savoir mathématique, ni conseil, ni publicité. Il promet ensuite de ne publier aucun texte mathématique généré par un modèle, qu’il s’agisse d’un article, d’un rapport de relecture, de notes de cours ou d’un livre. Un troisième engagement, facultatif celui-là, va plus loin puisqu’il exclut l’IA de toute la recherche, y compris pour chercher une preuve, explorer des exemples ou formuler une question. New Scientist résume ce découpage avec une image alimentaire, les « végétariens » d’un côté et les « végans » de l’autre. Sam Raskin, de l’université Yale, se range dans la première catégorie et juge, selon le magazine britannique, ces promesses plutôt modestes. Steven Sivek, de l’Imperial College London, a choisi l’option la plus stricte. Et sa justification résume bien le fond du débat. > « I’m not comfortable putting out things that I don’t understand, that I can’t vouch for. » Autrement dit, il refuse de publier ce qu’il ne comprend pas et ne peut pas garantir. Le même chercheur assure pourtant que le groupe n’est pas dans le déni, car l’IA progresse bel et bien. L’association a d’ailleurs créé, selon New Scientist, des comités sur les carrières, l’enseignement et la protection des prépublications face à l’entraînement des modèles. ## OpenAI a publié 722 manuscrits de maths avec seulement 10 résumés de raisonnement Le 6 octobre, OpenAI a déposé sur GitHub **722 manuscrits regroupés en 372 familles de résultats**, produits par un modèle interne qui n’est pas accessible au public. D’après OpenAI, chaque résultat a demandé en moyenne l’équivalent de trois heures de réflexion de ChatGPT Pro, et le modèle s’est vu soumettre environ 4 000 problèmes.  Le volume impressionne, mais le problème est ailleurs : dans tout ce qui manque autour. Seuls 10 résumés du raisonnement du modèle accompagnent l’ensemble. Et moins de la moitié des résultats disposaient d’une vérification formelle avec Lean (un langage qui permet à un ordinateur de contrôler une démonstration). Dès le lendemain, OpenAI a d’ailleurs [retiré trois manuscrits](https://retractionwatch.com/?p=136176) à cause d’une simple erreur de signe et en a corrigé quatorze autres. Même la vérification par machine ne règle pas tout, parce qu’il faut encore s’assurer que le code dit la même chose que le texte. Une prépublication de chercheurs de Cambridge et du King’s College de Londres a relevé au moins deux écarts entre la preuve rédigée en anglais et le code Lean censé la valider, sur un résultat lié aux équations de Navier-Stokes. Autrement dit : le code peut être juste, alors que le texte lu par les mathématiciens raconte autre chose. ### Pourquoi une preuve vérifiée ne suffit pas aux mathématiciens En mathématiques, une démonstration ne sert pas seulement à établir qu’un résultat est vrai. Elle doit aussi permettre à d’autres de comprendre pourquoi il l’est, puis de réutiliser les idées ailleurs. Le groupe consultatif sur les mathématiques et l’IA, hébergé par l’Institute for Advanced Study de Princeton, le rappelle dans ses [recommandations du 29 septembre](https://agmai.org/general-sep29/), en citant l’une des normes les plus importantes du métier : l’auteur d’un article doit le comprendre, l’avoir vérifié et en assumer la responsabilité.  Terence Tao, l’un des mathématiciens les plus en vue, a décrit le phénomène dès le 6 octobre sur Mastodon. Selon lui, des problèmes sont désormais résolus par des utilisateurs d’IA qui se désintéressent du domaine une fois l’objectif atteint. Ils ne comprennent pas assez le résultat pour répondre aux questions ou donner un exposé. https://mathstodon.xyz/@tao/117395268130901862 Melanie Wood, professeure à Harvard, a formulé la même idée auprès de [TechCrunch](https://techcrunch.com/2026/10/08/openais-math-solutions-arent-meeting-the-fields-standards-yet/)\.Au moment de la publication, personne ne comprend ces résultats, et c’est justement là que le travail commence. Ursula Martin, de l’université d’Oxford, a comparé auprès de Nature la méthode à un brouillon désordonné jeté à la communauté, à charge pour elle de le nettoyer. Car le déséquilibre est flagrant : trois heures de calcul d’un côté, des semaines ou des mois de lecture de l’autre. La facture retombe sur des chercheurs qui n’ont rien demandé. ## Quasi-Riemann : la seule preuve retouchée par un humain est celle qu’on étudie Parmi les manuscrits figure une preuve de la « quasi-hypothèse de Riemann », une version affaiblie du célèbre problème sur la répartition des nombres premiers. Jared Duker Lichtman, de Stanford, y voit la réussite la plus importante de l’IA en mathématiques à ce jour, et de loin. OpenAI en a pourtant livré deux versions, l’une de 199 pages vérifiée en Lean, l’autre de 49 pages qui ne l’est pas encore. Maksym Radziwiłł, de l’université de New York, juge les deux « horribly written », au point qu’elles seraient rejetées immédiatement par n’importe quelle revue. **Les spécialistes ont laissé de côté la version vérifiée pour étudier la plus courte**, simplement parce qu’elle était plus courte, rapporte [Quanta Magazine](https://www.quantamagazine.org/ai-proved-the-quasi-riemann-hypothesis-what-happens-now-20261019/). Ce n’est pas un hasard, et on aurait tort de n’y voir qu’une anecdote. Cette version courte est le seul des 722 articles à avoir été retouché par un humain, et OpenAI refuse de dire par qui. Deux semaines plus tard, Maksym Radziwiłł peut résumer l’argument en une demi-page, et Peter Sarnak a transformé son cours du semestre à Princeton pour l’étudier. Le mathématicien précise qu’il ne le considérera comme un théorème qu’une fois tous les détails vérifiés et compris par des humains. ## OpenAI a ignoré la première demande de ses conseillers en mathématiques OpenAI affirme avoir consulté ce groupe de neuf mathématiciens et s’être inspirée de ses recommandations. Leur toute première phrase demandait aux laboratoires d’arrêter de tester des problèmes mathématiques avancés sur des modèles propriétaires. L’entreprise a fait exactement l’inverse et, comme l’a relevé TechCrunch, elle n’a pas fourni les métadonnées qui relient la preuve rédigée à sa version Lean. Dans une déclaration publiée le 7 octobre, l’AHM ne mâche pas ses mots, en rappelant que « Mathematicians did not ask for this work to be done ». L’association accuse OpenAI de mépris total pour les normes de la recherche scientifique et estime que publier plus de 700 fichiers d’un coup relève de la démonstration de force, pas du travail savant. Le texte a été repris sur le blog de Terence Tao sous forme de billet invité, mais Terence Tao n’en est pas l’auteur et ne figure pas parmi les membres de l’association. Le 15 octobre, OpenAI a répondu par le portefeuille : [\5millions de dollars](https://openai.com/index/sharing-ai-progress-in-mathematics/) pour une nouvelle initiative de la Simons Foundation, censée aider les mathématiciens à examiner, comprendre et prolonger les résultats produits par l’IA. Avec la participation d’Anthropic (et de la fondation elle-même), l’enveloppe atteint 15 millions de dollars. Ce geste répond à l’une des demandes du groupe consultatif, qui voulait que les laboratoires financent la compréhension humaine de ce qu’ils publient. ## Mathématiciens contre OpenAI : un appel qui ne fait pas l’unanimité Tous les mathématiciens ne partagent pas cette colère. Levent Alpöge, qui travaille chez Anthropic, a parlé auprès de Nature du moment le plus important de l’histoire des mathématiques. Maksym Radziwiłł évoque lui aussi, auprès de Quanta, un sentiment général de soulagement, car le quasi-Riemann établit d’un coup de nombreux résultats en théorie des nombres, en géométrie et en informatique théorique. Les engagements de l’AHM ont surtout une limite évidente, puisqu’ils lient ses membres et non OpenAI. Si vous refusez de collaborer avec un laboratoire, vous ne l’empêcherez pas de publier des centaines de preuves demain. Les leviers décrits par le groupe consultatif passent par d’autres canaux : des dépôts scientifiques indépendants des laboratoires, et des financements gérés par des fondations à but non lucratif pour transformer ces preuves en savoir partagé. Reste à savoir qui paiera, à grande échelle, le travail de traduction entre ce qu’une machine prouve et ce qu’un humain comprend… --- **Article précédent:** [La vague de piratage d'Octobre 2026 annonce-t-elle la fin du monde numérique ?](https://pix-geeks.com/vague-piratage-train-subir-fin-monde-numerique/)