OpenAI A Divulgé 722 Manuscrits Mathématiques — Et Le Internet Ne Savait Pas Ce Qui Venait
8 octobre 2026 · IA / Recherche / Cybersécurité
Voici une matinée de mardi qui a brisé le internet mathématique : OpenAI a publié sur X qu'un modèle frontier interne non divulgué a produit 722 manuscrits mathématiques, désormais publics sur GitHub sous Apache 2.0. Trois cent soixante-deux familles de résultats. Preuves formelles Lean pour 162 d'entre eux. Le reste ? 560 papiers dans la zone grise vérifié-vs-non-vérifié que chaque équipe de recherche redoute.
Laissez cela s'installer.
Ce n'est pas un modèle qui résout des problèmes de manuel. C'est un système qui génère des mathématiques au niveau publishable à grande échelle — et OpenAI vient de jeter les portes grand ouvertes.
Ce Qui Est Tactiquement Dans La Publication
Le repo GitHub (openai/math) organise tout en familles — des clusters de résultats liés avec des techniques partagées. Quelques highlights qui ont fait perdre la tête aux mathématiciens :
- « Hypothèse quasi-Riemann » — un demi-plan sans zéros à Re(s) > 7/8 pour les fonctions L de Dirichlet. Ce n'est pas l'hypothèse de Riemann complète (qui nécessite encore Re(s) = 1/2), mais une avancée importante en théorie des nombres analytique où le progrès vient typiquement en petites incréments.
- Exposant de multiplication de matrices abaissé de 2 à 9/4 (2,25). Cela se trouve au cœur de l'informatique scientifique et du machine learning lui-même.
- Multiplication d'entiers proche n log n — s'approchant de l'optimum théorique, avec des implications directes pour la cryptographie et les mathématiques computationnelles.
Chaque résultat terminé représente environ trois heures de raisonnement au niveau ChatGPT Pro. Le projet a commencé avec environ 4 000 problèmes mathématiques posés au modèle interne.
L'Histoire De Vérification : Mixte, Comme C'Était À Attendre
Les formalisations Lean couvrent les résultats principaux de 162 papiers — donnant à ces affirmations un dos vérifié par machine. Les 560 restants n'ont pas été formellement vérifiés. OpenAI elle-même avertit que certains pourraient contenir des problèmes.
Du côté positif : une audit des résultats publiés sur arXiv le 1er août n'a trouvé aucune erreur substantielle confirmée. Le professeur Alex Kontorovich de Rutgers a écrit sur X que l'accomplissement mériterait « une Médaille Fields instantanée, sans questions » si un humain l'avait fait.
La Question De Transparence
C'est ici que ça devient inconfortable. Le Groupe consultatif sur les mathématiques et l'IA (Institute for Advanced Study) a émis des recommandations le 29 septembre demandant aux laboratoires de publier les prompts derrière de tels résultats et de s'abstenir de les utiliser comme marketing. OpenAI a partagé des statistiques de calcul mais a refusé de libérer les prompts.
Le modèle qui a produit ces résultats n'a pas été divulgué — donc les chercheurs externes ne peuvent pas sonder ou reproduire le système qui a généré les manuscrits.
Ce Que Cela Signifie Pour Votre Équipe
L'IA passe de l'aide aux mathématiciens à vérifier leur travail à la production de recherche candidate à grande échelle. Ce décalage fait partie d'un ensemble plus large de tendances IA qui redessinent la science, et signifie que les mathématiques générées par machine pourraient bientôt devenir une entrée de routine au champ plutôt qu'une curiosité.
Pour les équipes IA/cybersécurité/fintech : les implications sont réelles. Les méthodes de vérification formelle (preuves Lean) deviennent un template pour le code généré par IA et les affirmations mathématiques dans les systèmes de production. Si votre équipe ne suit pas comment la recherche générée par IA est validée, vous êtes déjà en retard.
Les papiers eux-mêmes sont maintenant l'histoire — publics, vérifiables et assez nombreux pour occuper les mathématiciens pendant longtemps.