Le 6 octobre 2026, OpenAI a mis en ligne un post intitulé « Sharing AI progress in mathematics » et ouvert dans la foulée un dépôt public : openai/math. Dedans, les résultats mathématiques produits par un modèle frontière interne non publié. Le compte publié par la presse spécialisée : 372 familles de résultats, soit environ 722 manuscrits, tous censés résoudre un problème ouvert ou faire progresser significativement une question connue.

Ce qui change, ce n’est pas seulement le contenu — c’est le canal de publication. Pas de revue à comité de lecture, pas de preprint sur arXiv : un dépôt Git, avec un historique de révisions, des instructions de citation, un overview.pdf et un CONTENTS.md qui sert de carte des manuscrits.

Pourquoi c’est important

Trois points ressortent du dépôt lui-même.

D’abord la méthode de production. OpenAI indique que la quasi-totalité des résultats vient d’un seul prompt envoyé à un seul agent, chaque résultat consommant en moyenne l’équivalent d’environ trois heures de compute « thinking » de ChatGPT Pro. Le contraste avec la preuve Navier-Stokes du même modèle — un essaim de 10 000 agents et des millions de dollars de calcul — est net.

Ensuite la vérification. Une grande partie des preuves arrive avec une formalisation en Lean, le langage qui permet à une machine de vérifier une démonstration. OpenAI prévient honnêtement dans le README : les résultats sont à des stades de vérification différents, tous n’ont pas de formalisation Lean, et « certaines des preuves non formalisées pourraient avoir des problèmes ». C’est la différence entre « c’est vrai » et « c’est prouvé que c’est vérifiable ».

Enfin le fossé avec la communauté. OpenAI dit s’être appuyé sur l’Advisory Group on Mathematics and AI de l’Institute for Advanced Study, dont fait partie le médaillé Fields Timothy Gowers. Mais l’entreprise s’est gardé une limite explicite : le comité conseille sur la communication des résultats, pas sur s’ils doivent être produits, ni à quelle vitesse. En face, 25 médaillés Fields ont signé une lettre ouverte, « A Severe Misalignment of AI in Mathematics », qui prévient que produire en masse des énoncés vrais peut assécher le terrain de la compréhension réelle. Gowers va plus loin : d’ici une à deux décennies, la littérature mathématique pourrait exploser sans communauté humaine capable de la comprendre.

Ce que ça change pour les devs et le web

  • Lean comme CI des mathématiques. Un corpus de preuves machine-vérifiables, c’est le même virage que les tests automatisés dans le logiciel : on arrête de relire à l’œil pour faire tourner un vérificateur. Ceux qui outillent la recherche scientifique ont un nouveau format à supporter.
  • Le dépôt est réutilisable. openai/math est sous licence Apache-2.0 : on clone, on forke, on cite. La barrière n’est plus l’accès, elle est le temps de relecture humain.
  • Reproductibilité incomplète. OpenAI ne publie aucun prompt, seulement des résumés de raisonnement et des coûts de compute moyens — pas par problème. On ne peut donc pas rejouer la démonstration. Le modèle, lui, n’est pas distribué : l’entreprise dit travailler à une « libération responsable ».
  • Des retombées côté code. Le dépôt contient, selon The Decoder, des améliorations sur de grands algorithmes informatiques, en plus d’avancées liées à l’hypothèse de Riemann.

Le vrai signal, c’est qu’un labo d’IA choisisse GitHub et ses logs de révision plutôt qu’une revue : le cycle académique est jugé trop lent pour le volume produit.

Source