GPT-5.4 d'OpenAI résout le problème qu'un mathématicien construisait depuis 20 ans pour FrontierMath

GPT-5.4 d'OpenAI a résolu un problème du benchmark FrontierMath que le mathématicien polonais Bartosz Naskrecki construisait depuis près de vingt ans et qu'il jugeait pratiquement inaccessible aux machines. Pour l'auteur, c'est un tournant personnel : il y a peu, il qualifiait l'IA de « calculatrice très avancée » ; aujourd'hui, il évoque un nouveau niveau de travail commun avec le modèle.

Pourquoi tout le monde a été surpris

FrontierMath est l'un des benchmarks de mathématiques les plus durs pour l'IA. Il compte 350 problèmes originaux en théorie des nombres, géométrie algébrique, topologie, combinatoire et analyse. Le niveau le plus difficile, le Tier 4, comprend 48 problèmes de niveau recherche : même un mathématicien chevronné titulaire d'un doctorat peut avoir besoin d'au moins un mois rien que pour comprendre par où aborder l'un d'eux. Naskrecki a préparé son exemple précisément pour ces cas : pas un exercice de manuel, mais un problème proche de la limite de difficulté.

Naskrecki était l'un des rares mathématiciens européens invités à rédiger des problèmes pour cet ensemble. Son problème est né d'environ quinze ans de recherches très ciblées, et la solution rédigée occupait 13 pages denses. La réponse était un nombre très grand, afin d'exclure toute réponse trouvée au hasard.

La surprise ne tient donc pas seulement à la bonne réponse de GPT-5.4, mais à la manière dont le modèle y est parvenu : plutôt que la force brute, il a repéré une structure et trouvé un chemin plus court. Selon l'auteur, l'approche du modèle était « propre et élégante ».

«

Ma singularité vient d'arriver… et de l'autre côté, il y a de la vie, qui s'étend à l'infini ! »

À quelle vitesse les résultats ont progressé

Cette histoire compte non seulement pour un beau problème, mais aussi pour la vitesse des progrès. Quand FrontierMath a été lancé fin 2024, les meilleurs modèles résolvaient moins de 2 % des problèmes. Seize mois plus tard, les scores ont gagné un ordre de grandeur, non seulement sur les exemples publics, mais aussi sur un ensemble caché auquel OpenAI n'avait pas d'accès direct. C'est important, car le débat sur l'« entraînement sur les réponses » reste l'argument principal des sceptiques chaque fois qu'un nouveau modèle fait un bond en mathématiques.

• Fin 2024 : les meilleurs modèles résolvent moins de 2 % des problèmes de FrontierMath.
• Mi-2025 : GPT-5 Pro obtient 13 % au Tier 4.
• Janvier 2026 : GPT-5.2 Pro monte à 31 % au Tier 4.
• Mars 2026 : GPT-5.4 Pro atteint 50 % sur les niveaux 1–3 et 38 % au Tier 4.

Le résultat sur les problèmes cachés mérite une mention à part. Selon l'article, GPT-5.4 a résolu 55 % de ces exemples, contre 25 % des problèmes dont OpenAI aurait théoriquement pu être plus proche par les données et les solutions. Cela ne prouve pas la « pureté » absolue de l'expérience, mais renforce nettement l'idée que le modèle sait réellement raisonner sur des problèmes nouveaux, et pas seulement reproduire des schémas déjà vus. Pour les benchmarks de recherche, c'est sans doute le test le plus sensible : la nouveauté compte plus que n'importe quelle démonstration sur des exemples déjà connus.

Pourquoi le scepticisme persiste

Malgré la force de ce cas, l'histoire ne se résume pas à la formule « la machine pense déjà comme un humain ». Lors de la même évaluation, GPT-5.4 a résolu un autre problème du Tier 4, mais une analyse préliminaire a montré que le modèle avait pu s'appuyer sur un ancien preprint de 2011, dont l'auteur du problème lui-même ignorait l'existence. C'est un bon exemple de la frontière qui s'estompe entre raisonnement autonome et recherche bibliographique très efficace, surtout si le modèle sait utiliser le web et rassembler vite des sources rares.

Il y a aussi une seconde couche de questions : l'indépendance du benchmark lui-même. FrontierMath est financé par OpenAI, et l'entreprise a accès à une part importante des problèmes et des solutions. L'ensemble caché, sur lequel GPT-5.4 a également obtenu un bon résultat, atténue en partie la tension, mais ne supprime pas entièrement le conflit d'intérêts.

Il est donc raisonnable de lire cette histoire sur deux registres à la fois : comme un signal réel de la forte progression des capacités mathématiques des modèles, et comme un rappel que le secteur a toujours besoin de tests indépendants, de méthodologies transparentes et d'une vérification externe des résultats retentissants.

Ce que cela signifie

La conclusion principale n'est pas qu'il serait temps de remplacer les mathématiciens. C'est plutôt l'inverse : l'histoire de Naskrecki montre que les modèles de pointe commencent à fonctionner comme un partenaire de recherche qui réduit l'espace de recherche et propose des pistes inattendues. Pour la science et la R&D appliquée, c'est un changement sérieux : l'IA ressemble de moins en moins à une calculatrice et de plus en plus à un coauteur dont les idées ne peuvent plus être ignorées, mais doivent encore être vérifiées avec soin.