Suivi de l'actualité 015 | Critiqué pendant trois mois avant cette publication : Audit des actes et paroles des 722 manuscrits mathématiques d'OpenAI

Fixons d’abord la chronologie. Le 6 octobre, OpenAI a publié l’article de blog « Sharing AI progress in mathematics », et a rendu public le dépôt openai/math sur GitHub le même jour — récoltant 9832 étoiles en deux jours, une vitesse très rare pour un dépôt académique. La discussion correspondante sur Hacker News avait accumulé, au matin du 8 octobre, 1241 votes favorables et 1412 commentaires, et continuait d’alimenter les débats en tête du classement. Il ne s’agit pas d’une mise en open source de routine : d’août à début octobre, la méthode de publication d’OpenAI dans le domaine des mathématiques a été critiquée de manière continue pendant trois mois, et cette publication massive s’est produite après cette vague de critiques — l’ordre chronologique est en soi ce que nous allons auditer dans ce numéro. Ce numéro est également écrit alors que l’événement continue de se développer, la position dans le classement bouge encore, et les chiffres correspondent à l’instantané du matin du 8 octobre. Les faits ci-dessous sont basés sur le blog officiel et le readme du dépôt, les données de réactions sur HN ont été vérifiées indépendamment, et les citations sont annotées dans le corps du texte.

Ce qui s’est passé

OpenAI a rendu public en bloc la production mathématique d’un modèle interne — 722 manuscrits de recherche, regroupés en 372 familles de résultats, le dépôt contient 132,880 fichiers, 3.1GB, le langage principal est le langage de preuve formelle Lean, sous licence Apache-2.0.

Le dépôt est divisé en trois couches. La première couche est preprints, contenant les PDF et fichiers sources des 722 articles ; la deuxième couche est le répertoire lean, où 120,000 fichiers Lean sont organisés en 24 disciplines, dépendant d’une version fixée de la bibliothèque mathématique communautaire mathlib4 ; la troisième couche est reasoning_traces, contenant 10 extraits résumés du processus de raisonnement — notez que la formulation officielle est « extraits résumés », et non le processus de réflexion complet. L’entrée de vérification est également prête : le flux comparator est recommandé officiellement, en configurant les trois outils comparator, landrun et lean4export dans l’environnement, en exécutant lake update pour récupérer les dépendances et lake exe cache get pour obtenir le cache de compilation de la communauté, ce qui permet de vérifier chaque famille de résultats une par une. Le modèle qui a produit ces résultats n’a pas été publié, la version officielle est « un modèle interne de pointe non publié » ; il a résolu environ 4000 problèmes, consommant en moyenne par résultat l’équivalent de 3 heures de puissance de calcul de réflexion de ChatGPT Pro. Sur les 722 articles, 162 ont un résultat principal formalisé en Lean, les 560 autres ne contenant que l’article lui-même. Le blog promet en même temps de financer une série de séminaires, et indique qu’il progresse vers « la publication responsable du modèle ayant produit ces résultats » — le moment où le modèle lui-même sera publié est une accroche laissée pour la suite. La structure interne du dépôt et la façon d’exécuter le flux de vérification sont spécifiquement détaillées dans l’analyse 019 publiée le même jour, cet article ne s’y étend pas ; le fil conducteur de cet article est une autre chose : comment cette publication a été arrachée sous le feu des critiques.

Critiqué pendant trois mois avant cette publication

Commençons par dresser la chronologie.

En août, OpenAI a fait une démonstration de dix problèmes mathématiques en langage Lean avec le modèle Astra — l’outil de formalisation étant lui-même une infrastructure publique de la communauté mathématique, le fait qu’une entreprise d’IA s’en serve comme vitrine des capacités de son modèle a, pour la première fois, paru incongru à certains mathématiciens. Le 10 septembre, une revendication de preuve liée aux équations de Navier-Stokes est apparue — il s’agit d’un problème centenaire de la mécanique des fluides, et qu’une affirmation non évaluée par des pairs soit rendue publique directement, le caractère choquant est facile à imaginer. Le 11 septembre, 25 lauréats de la médaille Fields ont publié une déclaration conjointe, pointant du doigt la manière dont les entreprises d’IA publient dans le domaine des mathématiques ; nous avions déjà écrit à ce sujet (Actualité 003, 12 septembre). À la mi-septembre, les critiques des mathématiciens à l’égard du mode de publication ont continué d’être rapportées dans les médias, l’attention passant d’un événement isolé au mécanisme de publication lui-même. Puis le 6 octobre : le blog indique que cette publication a été conçue selon les recommandations du groupe de conseil en mathématiques et IA.

Le point le plus criant de cette chaîne de causalité se cache dans le document de recommandation du groupe de conseil lui-même. Selon une citation tirée des discussions sur HN (Hacker News), le document de recommandation de ce groupe de conseil (AGMAI), affilié à l’Institute for Advanced Study de Princeton, commence par deux points : exprimer clairement qu’il n’approuve pas cette pratique, et exiger l’arrêt des tests de problèmes mathématiques avancés sur des modèles propriétaires. En comparaison avec le comportement réel d’OpenAI, le résultat de l’audit des actes et des paroles est clair : la moitié concernant les normes de publication — créer un dépôt public, fournir des normes de citation, faire la formalisation Lean, joindre un résumé du raisonnement, indiquer les spécifications de puissance de calcul — a été entièrement adoptée ; quant à la moitié « arrêtez de tester », le texte original du blog consacre un paragraphe entier à argumenter pourquoi il est important de continuer à tester des problèmes mathématiques sur des modèles de pointe internes. Sur la manière de publier, ils ont écouté ; sur l’arrêt des tests, ils n’ont pas écouté. Ils ont pris la moitié de chaque côté. Ce choix en lui-même indique les priorités : la justice procédurale est négociable, le rythme des tests ne l’est pas. Le blog décrit cette publication comme un exemple de collaboration avec la communauté mathématique, mais la condition la plus stricte de cette collaboration — arrêter les tests — n’apparaît dans aucun paragraphe. Au moment de la rédaction de cet article, OpenAI n’a donné aucune réponse positive à la demande d’« arrêter les tests ». Le lauréat de la médaille Fields Terence Tao a publié sur Mastodon (citée via HN), avec une attitude plus modérée que la déclaration conjointe : il espère que l’IA pourra expliquer les résultats aux mathématiciens humains, et croit également que l’IA peut apporter une contribution positive dans l’explication, la construction de communauté et les nouvelles directions de recherche — modérée certes, mais il n’a pas non plus dit « veuillez continuer à tester ».

Le troisième niveau de critique pointe vers l’argument de vente « vérifiable par machine ». 162 divisé par 722, le taux de formalisation est d’environ 22 % ; les 560 articles restants n’ont que des PDF, sans preuve Lean — en d’autres termes, pour près de 80 % des manuscrits, la garantie de la vérification par machine est absente. Et la formalisation elle-même n’est pas non plus une garantie de fiabilité : l’article arxiv 2610.08144 souligne que le problème de détermination de la fidélité de la formalisation automatique dans la hiérarchie SCI est SCI=∞, ce qui est plus difficile que le problème de l’arrêt (SCI=1) — en langage clair, déterminer si une traduction machine a fidèlement reproduit l’article original est encore plus dépourvu d’algorithme universel que de déterminer si un programme va s’arrêter. Cela signifie que Lean vérifie les énoncés après formalisation, et ne garantit pas que cette formalisation est une traduction fidèle de l’article original. Des interrogations similaires sur HN ont reçu un fort soutien : la condition préalable d’un certificat Lean est que l’énoncé du théorème soit correctement traduit, et sur des domaines aussi vastes, cette garantie n’existe pas. Le README du dépôt l’admet lui-même : les parties non formalisées peuvent contenir des erreurs, qui seront corrigées dès que possible. Les discours des trois parties concordent ici de manière inhabituelle — l’officiel, l’article et la communauté conviennent tous de l’existence d’un vide de vérification, seulement l’officiel l’a formulé sous forme de paragraphe de non-responsabilité.

Ce que disent les commentaires

Plus de 1 400 commentaires sur HN (Hacker News), dont quelques-uns sont particulièrement représentatifs.

Le commentaire le plus apprécié donne une note positive à l’interaction entre OpenAI et la communauté mathématique, mais y ajoute une condition percutante : cela n’a été fait qu’après avoir été publiquement critiqué. Une autre opinion va encore plus loin : la communauté mathématique n’a jamais demandé de permission, mais des normes — et accuse l’ancien processus de publication de devancer les chercheurs humains dans la publication de leurs directions de recherche et d’omettre de citer les travaux existants (selon les comptes rendus de l’espace de discussion). Ce ressentiment accumulé ne peut être effacé par une seule publication massive.

Le canal de publication lui-même fait l’objet de débats : certains estiment qu’un dépôt public accompagné de code Lean constitue un nouveau paradigme pour la publication mathématique, tandis que d’autres insistent pour que les articles soient soumis sur arXiv afin de passer par l’évaluation par les pairs, que GitHub ne saurait remplacer l’évaluation, et que la présence du code ne pallie pas l’absence de procédure d’évaluation. Dans le domaine des mathématiques, qui fonde sa confiance sur l’évaluation par les pairs, le débat sur les canaux est en fin de compte un débat sur la confiance.

Le commentaire le plus humain provient d’un étudiant en doctorat : que faire si la direction de sa thèse à moitié écrite se retrouve frappée par 722 articles. L’empathie en réponse est très directe — ne donnez pas vos recherches à l’IA, elles seront utilisées pour l’entraîner, puis publiées en priorité pour vous devancer. La question de l’attribution y est également soulevée : les 722 articles ne sont signés que par OpenAI, sans mentionner les chercheurs spécifiques ; certains suggèrent de créditer au moins les réviseurs, mais on leur répond que cela reviendrait à habituer le public à faire confiance à la machine plutôt qu’aux réviseurs ; d’autres expliquent que dans un environnement concurrentiel, la liste de l’équipe n’est de toute façon pas censée être rendue publique. Une seule ligne de signature, qui regroupe trois positions.

Il y a également une estimation personnelle largement diffusée : ces résultats équivaudraient à 50 à 100 ans de progrès en mathématiques — attention, il s’agit de l’estimation d’un seul utilisateur, et non d’un consensus, et les voix opposées sont nombreuses dans la section des commentaires. Il n’est pas nécessaire de se précipiter pour prendre parti face à ce genre de jugement sur l’ampleur : le dépôt est public, les résultats seront assimilés un par un par la communauté mathématique, et le temps seul dira quelle est leur qualité réelle.

Trois choses que les utilisateurs ordinaires peuvent faire

Premièrement, vérifier de ses propres mains un théorème. La documentation du dépôt fournit le flux complet de comparator ; en suivant les étapes de lean/README pour configurer l’environnement, une seule commande permet de vérifier une famille de résultats — par exemple, le résultat 7/8 de l’hypothèse quasi-Riemann. Le meilleur record humain est de 11/12, 7/8 est une avancée inférieure au record humain, et non le point d’arrivée. C’est aussi la première fois que les lecteurs ordinaires peuvent effectuer une vérification de première main des affirmations mathématiques de l’IA de pointe — il n’est pas nécessaire de comprendre les détails de la preuve, il suffit d’exécuter les commandes selon la documentation. Le README avertit également spécifiquement que la compilation de l’intégralité du dépôt heurtera la limite supérieure de mappage mémoire du système, et fournit des paramètres pour la contourner — le fait que le dépôt soit si grand qu’il nécessite une documentation dédiée pour éviter les pièges de compilation est en soi une note de bas de page.

Deuxièmement, utiliser CONTENTS.md comme carte de navigation. Les 722 articles ne doivent pas être parcourus comme un magazine depuis le début ; l’équipe officielle a déjà listé les familles de résultats selon 24 disciplines dans ce fichier. Cherchez d’abord ceux qui vous intéressent dans votre domaine, puis accédez aux manuscrits correspondants. La recherche prime sur la lecture intégrale ; c’est la bonne manière d’aborder une production d’une telle ampleur, et le seul moyen de gagner du temps.

Troisièmement, conserver une posture de lecture « non formalisé = douteux » pour les conclusions qui n’existent qu’en PDF. Pour les 560 manuscrits sans preuve Lean, la lecture doit être considérée comme des affirmations de preuve, et non comme des faits vérifiés — ce n’est pas faire des difficultés, c’est la position définie par le README du dépôt lui-même. Ajouter cette étiquette lors de la citation, de la paraphrase ou de la diffusion de créations dérivées est l’action la plus concrète que les lecteurs ordinaires puissent faire pour l’environnement informationnel.

Conclusion

Gardons finalement la juste mesure. Ce numéro consigne l’ordre chronologique et la comparaison des textes, sans spéculer sur les motivations d’OpenAI, ni l’incriminer ; il a gardé le silence face à la demande du groupe consultatif d’« arrêter les tests », ce silence est un fait consigné, et non une réponse que nous prononçons en son nom. Cette publication n’est intervenue qu’après les critiques, cette phrase est le résumé de la chronologie, et non un verdict sur les motivations.

Deux choses méritent d’être surveillées par la suite. Premièrement, ce modèle qui a produit 722 résultats sera-t-il publié de manière responsable, comme promis par le blog — le publier, ou ne pas le publier, testera directement si la sincérité de la « façon de publier » s’arrête au manuscrit, ou s’étend au modèle lui-même. Deuxièmement, quand apparaîtra la première des 722 publications à être réfutée ou corrigée — étant donné que l’instance officielle admet elle-même que, n’ayant pas été formalisée, il pourrait y avoir des erreurs, ce moment déterminera en grande partie la façon dont cette vaste diffusion sera finalement jugée : une démonstration d’honnêteté, ou une série d’affirmations en attente de vérification. La promesse du README de « corriger dès que possible », et la rapidité de réaction le moment venu, figurent également sur la liste d’observation.

Sources de référence

• Blog OpenAI « Sharing AI progress in mathematics » (2026-10-06, archive intégrale Wayback, source primaire)
• github.com/openai/math (source primaire : README, CONTENTS.md, formalization.yaml, documents comparator ; 722 manuscrits / 372 familles / 132,880 fichiers / 3.1GB / 9832★)
• Hacker News story 49984923 (1241▲ / 1412💬, données Algolia ; les opinions de la section des commentaires sont toutes des paraphrases sans guillemets, la proposition AGMAI et la publication de Terence Tao sont des citations indirectes de la zone de discussion)
• arxiv 2610.08144 « Navier–Stokes Lost in Translation » (résumé de source primaire ; source de la conclusion SCI=∞)
• Reportages liés à la déclaration conjointe de 25 lauréats de la médaille Fields (9-11 ; déjà couvert par le sujet tendance 003 de ce compte, renvoi)
• Les dix problèmes d’Astra, la déclaration de Navier-Stokes, les reportages critiques de mi-septembre (pool de sources secondaires telles que les archives MSN, ForkLog, The Next Web, etc., utilisés comme points d’ancrage de la chronologie)