OpenAI annonce trois avancées scientifiques, verrouille la physique et choisit elle-même les relecteurs
OpenAI a annoncé trois résultats scientifiques, dont la résolution du problème de Kakeya sur la rotation d'une aiguille dans toutes les directions. La preuve mathématique a été publiée en accès libre, le volet informatique sera confié à un groupe externe, et la physique n'a pas été publiée du tout : c'est l'entreprise qui choisit les relecteurs. Les chercheurs jugent les résultats « énormes », mais contestent ce cercle fermé de vérificateurs. Si vous publiez les conclusions d'agents d'IA, mettez les documents à disposition de tous immédiatement.
Traité par IA depuis The Verge ; édité par Hamidun News
Imaginez que votre équipe publie une grosse version logicielle et ne montre le code qu'à quelques relecteurs de renom, choisis par ses soins. Les autres développeurs attendent et ne comprennent pas pourquoi ils ne peuvent pas y jeter un œil. Une polémique de ce type a éclaté autour d'OpenAI. Lundi, l'entreprise a annoncé trois résultats à la fois, en mathématiques, en informatique théorique et en physique, et a déclaré qu'elle changeait sa manière de publier. Les scientifiques interrogés par The Verge jugent les résultats eux-mêmes sérieux. Mais ils sont lassés de la méthode d'OpenAI : début octobre, des centaines de préprints ont été déversés sur les mathématiciens, qui s'y épuisent encore.
Ce qu'OpenAI a réellement affirmé
Le premier résultat est mathématique. L'entreprise affirme avoir résolu la conjecture de Kakeya dans toutes les dimensions. En termes simples, le problème demande quel est le minimum d'espace nécessaire pour retourner une aiguille ou un crayon dans toutes les directions. La preuve pour le cas tridimensionnel faisait partie des travaux qui ont valu à Hong Wang, de l'université de New York, la médaille Fields cette année. Brendan Hassett, professeur à l'université Brown, a déclaré que l'annonce « semble bien fondée ». Mais il a précisé qu'il n'avait pas encore examiné la formalisation en Lean, c'est-à-dire la preuve sous forme de code que l'ordinateur vérifie pas à pas.
Le deuxième résultat concerne l'informatique. OpenAI affirme avoir réfuté l'hypothèse du temps exponentiel. Il s'agit d'une hypothèse largement admise : certains problèmes ne peuvent pas être résolus nettement plus vite qu'en testant toutes les possibilités. Elle est étroitement liée au problème P contre NP, c'est-à-dire à la question de savoir si un problème dont la solution se vérifie facilement se résout aussi facilement.
Le troisième résultat porte sur la physique. Il concerne la chromodynamique quantique, qui décrit l'interaction nucléaire forte, et son lien avec la théorie de Yang-Mills. L'entreprise précise que ce travail ne touche pas au problème ouvert du « gap de masse », figurant parmi les problèmes du prix du millénaire.
Pourquoi mathématiciens et physiciens sont mécontents
Pour chaque résultat, OpenAI a choisi une méthode de publication différente, en s'appuyant sur des conseils de « bergers » (shepherds), des experts invités. La démonstration mathématique produite par l'IA a été publiée intégralement, afin que les chercheurs organisent eux-mêmes son examen. Pour l'informatique, l'entreprise constituera un groupe externe chargé d'expliquer le résultat. La physique n'a pas été publiée du tout : OpenAI a promis de « céder » la décision sur sa diffusion à des experts extérieurs.
C'est précisément ce qui agace. Constantin Coglianese, de l'Institut d'études avancées, n'a rien contre le fait qu'il y ait désormais trois résultats plutôt que des centaines. Mais, selon lui, il n'est pas utile de montrer d'abord le travail à quelques scientifiques éminents seulement. Le physicien Andreas Karch, de l'université du Texas à Austin, a qualifié le choix manuel du groupe de « catastrophe » : les grands laboratoires ont déjà suffisamment de pouvoir, ils ne devraient pas désigner les gagnants et les perdants.
La veille de l'annonce, le groupe consultatif en mathématiques et en IA (AGMAI), dont OpenAI s'était engagée à tenir compte des avis, avait recommandé aux entreprises de ne pas adopter cette pratique. Selon lui, les destinataires sélectionnés ne sont pas nécessaires : leur réputation est simplement empruntée pour asseoir la confiance, cela risque en outre de créer un accès inégal, une sélection biaisée et des retards. Le groupe conseille de déposer les résultats dans des dépôts scientifiques accompagnés des preuves formalisées et d'une explication du choix des problèmes, et de soutenir ceux qui assurent l'examen critique.
Après l'annonce, l'AGMAI a exigé la publication sans délai des documents sur la physique. L'argument est simple : selon OpenAI elle-même, la formalisation en Lean est achevée, il n'existe donc aucune raison scientifique d'attendre.
Ce qu'il faut retenir pour ceux qui publient des résultats d'IA
Premier enseignement : la vérification automatique, comme Lean, aide à faire confiance aux résultats de l'IA, mais elle ne remplace pas l'accès ouvert. Hassett note que lorsque des groupes du monde entier travaillent sur les résultats, il devient plus facile pour les autres de commencer à utiliser les nouveaux outils. Le mathématicien de Stanford Jared Duker Lichtman voit aussi l'autre face : impossible de satisfaire tout le monde, il reste donc à chercher l'option la moins contestable.
Le second enseignement est plus profond. Xiaoyu He, de l'Institut de technologie de Géorgie, estime que le problème ne tient pas à la méthode d'annonce. Les questions fondamentales sont résolues trop vite et sans participation humaine, et les articles sont difficiles à lire et à vérifier. Le coût de la vérification retombe alors sur la communauté humaine. Si vos agents produisent des résultats qu'il faut vérifier, prévoyez dans le processus des artefacts ouverts, une description compréhensible et des moyens pour un examen externe.
Une réserve honnête s'impose. Aucun des trois résultats n'est pour l'instant confirmé de manière indépendante. Les documents de physique restent fermés, et la preuve en Lean pour les mathématiques reste à examiner. Les experts qualifient les résultats d'« énormes » et de « percées sérieuses », mais le mot « percée » doit être lu comme une affirmation de l'entreprise, qui sera confirmée ou infirmée dans les mois à venir.
- 21 nov. 2026OpenAI GPT-6 Cyber a trouvé une trentaine de failles dans les iPhone, Mac et autres appareils Apple
- 21 nov. 202622 agents Claude ont cherché pendant six semaines des réponses sur les trous noirs — et ont résolu deux problèmes
- 21 nov. 2026Google sépare le stockage des conversations et l'entraînement de Gemini : refuser sans perdre l'historique
- 21 nov. 2026Apple : la macOS 27.3 bêta 2 permettra de restreindre l'accès des agents IA aux fichiers du Mac
Questions clés sur cet article
Que sait-on sur Ce qu'OpenAI a réellement affirmé ?
Le premier résultat est mathématique. L'entreprise affirme avoir résolu la conjecture de Kakeya dans toutes les dimensions. En termes simples, le problème demande quel est le minimum d'espace nécessaire pour retourner une aiguille ou un crayon dans toutes les directions. La preuve pour le cas tridimensionnel faisait partie des travaux qui ont valu à Hong Wang, de l'université de New York, la médaille Fields cette année.
Pourquoi mathématiciens et physiciens sont mécontents?
Pour chaque résultat, OpenAI a choisi une méthode de publication différente, en s'appuyant sur des conseils de « bergers » (shepherds), des experts invités. La démonstration mathématique produite par l'IA a été publiée intégralement, afin que les chercheurs organisent eux-mêmes son examen. Pour l'informatique, l'entreprise constituera un groupe externe chargé d'expliquer le résultat. La physique n'a pas été publiée du tout : OpenAI a promis de « céder » la décision sur sa diffusion à des experts extérieurs.
Que sait-on sur Ce qu'il faut retenir pour ceux qui publient des résultats d'IA ?
Premier enseignement : la vérification automatique, comme Lean, aide à faire confiance aux résultats de l'IA, mais elle ne remplace pas l'accès ouvert. Hassett note que lorsque des groupes du monde entier travaillent sur les résultats, il devient plus facile pour les autres de commencer à utiliser les nouveaux outils. Le mathématicien de Stanford Jared Duker Lichtman voit aussi l'autre face : impossible de satisfaire tout le monde, il reste donc à chercher l'option la moins contestable.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.