Sept cent vingt-deux manuscrits générés par une intelligence artificielle encore confidentielle viennent d’être diffusés dans la recherche mathématique. Regroupé en 372 familles de résultats, ce dépôt massif met sous pression les procédures d’évaluation d’une discipline où une démonstration ne devient pas solide par sa seule publication.
📌 L’essentiel en 3 points
- 722 manuscrits générés par IA ont été diffusés d’un bloc, regroupés en 372 familles de résultats, sans constituer autant de preuves indépendantes et validées.
- Trois documents ont été retirés après la découverte d’une erreur de signe affectant un manuscrit et deux travaux dépendants ; plusieurs mathématiciens ont exprimé leurs réserves sur les conditions de publication.
- La vérification peut s’appuyer sur Lean, mais la compréhension des résultats et le contrôle de leur correspondance avec les énoncés annoncés restent des enjeux humains.
Une déferlante qui bouscule les rythmes de la recherche
Rarement la recherche mathématique avait vu autant de manuscrits issus d’un modèle d’IA arriver en une seule salve. Les documents, attribués à un modèle avancé non rendu public, présentent des résultats dont le degré de vérification varie. Les 722 manuscrits ne correspondent donc ni à 722 découvertes indépendantes ni à 722 preuves validées.
Diffusé sur GitHub, ce corpus donne à la communauté accès à une production considérable. Mais rendre les documents disponibles ne suffit pas à établir leur validité ou leur nouveauté. L’enjeu se déplace vers leur examen : comprendre les arguments, contrôler les hypothèses et déterminer ce que chaque résultat apporte réellement. La quantité publiée ne dispense d’aucune de ces étapes.
Des garde-fous partiellement suivis
OpenAI avait consulté un groupe indépendant de mathématiciens pour établir des recommandations de publication. Selon TechCrunch, l’entreprise en a suivi une partie, notamment sur la diffusion rapide des résultats et les informations relatives à leur production. D’autres recommandations, destinées à garantir leur compréhension humaine, ne sont toutefois pas pleinement respectées.
Les réactions documentées ne se résument pas à un rejet unanime. Plusieurs mathématiciens ont exprimé leurs réserves, de la prudence face aux résultats non vérifiés à une franche opposition à la publication massive. L’Association for Human Mathematics a dénoncé une démonstration de puissance plutôt qu’un travail scientifique. D’autres chercheurs ont salué la correction rapide des erreurs détectées.
Trois manuscrits ont déjà été retirés. Une erreur de signe a invalidé un argument dans l’un d’eux, avec des conséquences sur deux travaux qui en dépendaient. Ce retrait établit que certains résultats annoncés étaient erronés, sans permettre de conclure à la fiabilité ou à l’absence de fiabilité de l’ensemble du corpus.
Le vrai coût d’une preuve artificielle
Derrière la performance annoncée se pose la question de la vérification. Les 722 manuscrits, regroupés en 372 familles de résultats, représentent une charge d’examen considérable. Leur évaluation indépendante demandera du temps, et plusieurs chercheurs s’inquiètent du travail ainsi transféré à la communauté.
Ce contrôle peut s’appuyer sur des outils informatiques. OpenAI a publié, pour une partie du corpus, des preuves formalisées en Lean, un logiciel capable de vérifier une démonstration exprimée dans son langage. Il serait donc inexact d’opposer systématiquement rigueur mathématique et vérification par ordinateur.
La difficulté ne disparaît pas pour autant. Il faut encore comprendre le résultat et vérifier que sa traduction informatique correspond bien à l’énoncé annoncé. Une preuve formalisée peut sécuriser un raisonnement sans répondre, à elle seule, à toutes les questions sur sa portée. L’examen humain reste ainsi nécessaire pour relier les hypothèses, l’argument et la conclusion revendiquée.
L’humain mobilisé pour examiner les assertions
Le point sensible tient à l’échelle du dépôt et au statut des résultats proposés. En diffusant ce corpus sur GitHub avant son évaluation indépendante, OpenAI laisse à la communauté une part importante du travail de vérification et de compréhension. La prépublication ne démontre pas un contournement des revues, mais elle expose immédiatement les chercheurs à une masse de documents à examiner.
Les mathématiciens sont formés à contrôler des arguments et des démonstrations. La question est moins celle de leur compétence que celle du temps qu’ils pourront consacrer à cet effort, au détriment éventuel de leurs propres travaux. Son financement devient également un enjeu. OpenAI annonce des ateliers, des conférences et des programmes consacrés à la compréhension des résultats, sans que cela règle nécessairement le financement de toute leur vérification.
Une démonstration non vérifiée ne suffit pas à faire d’un résultat une découverte établie. Elle reste une proposition de preuve dont la validité doit être examinée. Elle n’est pas automatiquement fausse, pas plus qu’elle ne devient un théorème acquis par sa seule présence dans un dépôt public.
Pourquoi la question dépasse la performance du modèle
La publication ne pose pas seulement la question de ce qu’une machine peut produire. Elle interroge aussi les conditions dans lesquelles ses résultats peuvent être compris, corrigés et intégrés au travail scientifique. L’accès aux manuscrits et aux preuves formalisées facilite leur examen, mais ne se confond pas avec une validation indépendante.
Le retrait de trois documents montre cette distinction. Il montre à la fois qu’une erreur peut affecter plusieurs travaux liés et que le corpus peut être corrigé après sa diffusion. La rapidité des corrections a été saluée par certains chercheurs ; elle ne remplace pas l’examen des autres résultats.
Le défi consiste désormais à organiser l’examen sans traiter les 722 manuscrits comme un ensemble déjà validé, ni comme un bloc uniformément suspect. Les documents n’ont pas été soumis à un comité de lecture unique. Leur évaluation devra tenir compte des liens entre les travaux, de leur degré de formalisation et des questions encore ouvertes sur leur compréhension.
