C'est quoi les 10 problèmes de maths résolus par l'IA d'OpenAI ?

OpenAI a annoncé le 1er août 2026 qu'un modèle interne appelé Astra a résolu ou fait avancer décisivement 10 problèmes ouverts en mathématiques et informatique théorique : empilement de sphères en haute dimension, codes binaires et sphériques, groupes non-sofic, conjecture de rigidité de Connes (réfutée), complexité de circuits arithmétiques, répétition parallèle quantique, problème du plus proche vecteur, conjecture de volume d'Ehrhart, nombres de Ramsey multicolores, et nombres extrêmaux en théorie des graphes.

Combien a coûté la résolution de ces problèmes avec l'IA ?

OpenAI indique que le coût en tokens pour trouver chaque solution s'élève à environ 2000 dollars au tarif API de GPT-5.6 Sol. C'est le coût de calcul du modèle, pas le coût de développement du modèle lui-même. Les preuves ont ensuite été certifiées avec l'assistant de preuve formelle Lean.

Est-ce que le modèle Astra d'OpenAI est disponible ?

Non. Astra est un modèle interne non publié, décrit par OpenAI comme sa prochaine génération de modèle. Les résultats ont été obtenus pendant l'évaluation du modèle. OpenAI a publié les preuves certifiées sur GitHub (openai/ten-proofs) et des narrations du processus de réflexion du modèle.

Qui est Jacob Tsimerman et pourquoi a-t-il rejoint OpenAI ?

Jacob Tsimerman est un mathématicien de l'université de Toronto, lauréat de la médaille Fields 2026 (la plus haute distinction en mathématiques) pour sa preuve de la conjecture d'André-Oort. Fin juillet 2026, il a pris un congé de l'université pour rejoindre OpenAI, où il travaille sur la sécurité de l'IA. Il a déclaré que les systèmes d'IA seraont bientôt meilleurs que les humains en mathématiques et qu'il faudra repenser le fonctionnement de toute la discipline.

Qu'est-ce que la certification Lean des preuves ?

Lean est un assistant de preuve formelle : un logiciel qui vérifie qu'une démonstration est correcte, étape par étape, sans laisser de trou. OpenAI a fait certifier ses 10 preuves avec Lean et a publié le code sur GitHub. C'est ce qui distingue une annonce de presse d'un résultat vérifiable : n'importe qui peut inspecter la preuve.

Actualité · Recherche IA

L'IA d'OpenAI a résolu 10 problèmes de maths ouverts : voici ce que ça change pour toi

8 août 2026 · 6 min de lecture

Illustration aquarelle d'un petit robot astronaute violet devant un tableau noir couvert de symboles mathématiques, tenant un morceau de craie avec satisfaction

Un modèle interne d'OpenAI appelé Astra a résolu ou fait avancer de façon décisive dix problèmes ouverts en mathématiques et informatique théorique. Le coût en tokens pour trouver chaque solution : environ 2000 dollars. Les preuves ont été certifiées avec un assistant de preuve formelle (Lean) et publiées sur GitHub. Et un médaillé Fields 2026 a quitté son université pour rejoindre OpenAI la même semaine.

OpenAI a publié ces résultats le 1er août 2026 dans un billet de blog intitulé "Ten advances in mathematics and theoretical computer science". Les problèmes concernent l'empilement de sphères en haute dimension, la théorie des codes, la complexité des circuits arithmétiques, la théorie des groupes, les algèbres d'opérateurs, la complexité quantique, la cryptographie sur les réseaux et la combinatoire extrémale. Des domaines où certains problèmes résistaient depuis des décennies.

Si tu n'es pas mathématicien, tu peux te demander ce que ça a à voir avec toi. La réponse est en trois parties : l'IA qui prouve, le coût qui s'effondre, et le vertige de ceux dont c'est le métier.

Ce qu'Astra a fait, en clair

OpenAI a évalué Astra (son prochain modèle majeur, pas encore public) sur des problèmes de recherche ouverts. Pendant l'évaluation, le modèle a trouvé des solutions à dix d'entre eux.

Les résultats sont variés. De nouvelles bornes supérieures sur la densité d'empilement de sphères en haute dimension, jusqu'au seuil de Cohn-Elkies. Une amélioration exponentielle des bornes sur la taille maximale des codes binaires. Une construction qui prouve l'existence de groupes non-sofic, une question ouverte en théorie des groupes. La réfutation de la conjecture de rigidité de Connes, qui disait que certains groupes sont uniquement déterminés par leurs algèbres de von Neumann. Des bornes inférieures nouvelles pour le calcul du permanent avec des circuits arithmétiques. Un théorème de répétition parallèle exponentielle pour les jeux quantiques à deux joueurs. Une dureté d'approximation polynomiale pour le problème du plus proche vecteur, lié à la cryptographie post-quantique. La résolution de la conjecture de volume d'Ehrhart. Une borne inférieure superexponentielle pour les nombres de Ramsey multicolores. Et des résultats sur les conjectures de compacité et de dégénérescence en théorie des graphes extrêmaux.

OpenAI précise que les arguments mathématiques ont été générés par le modèle. Les manuscrits ont été préparés par des humains avec l'aide du même modèle. Puis le modèle a formalisé chaque argument dans Lean, un assistant de preuve qui vérifie la correction étape par étape. Les certificats Lean sont publiés sur GitHub (openai/ten-proofs), avec des narrations du processus de réflexion du modèle pour chaque solution.

2000 dollars par problème

Le détail qui change l'échelle : OpenAI indique que le coût total en tokens pour trouver chaque solution tourne autour de 2000 dollars au tarif API de GPT-5.6 Sol. Des problèmes qui résistaient depuis des années, parfois des décennies, résolus pour le prix d'un ordinateur portable.

C'est le coût de calcul, pas le coût de développement du modèle. Astra est le résultat de milliards de dollars d'entraînement et de recherche. Mais une fois le modèle construit, trouver la solution coûte 2000 dollars. C'est la différence entre construire un microscope et analyser un échantillon.

En mai 2026, OpenAI avait déjà partagé une réfutation de la conjecture d'Erdős sur les distances unitaires, découverte pendant l'évaluation d'un modèle non publié. Les dix résultats d'août montrent que ce n'était pas un accident isolé.

Le médaillé Fields qui change de camp

Fin juillet 2026, Jacob Tsimerman a pris un congé de l'université de Toronto pour rejoindre OpenAI. Tsimerman est l'un des quatre lauréats de la médaille Fields 2026, la plus haute distinction en mathématiques, attribuée tous les quatre ans à des mathématiciens de moins de 40 ans. Il l'a reçue pour sa preuve de la conjecture d'André-Oort.

Son départ vers OpenAI a fait l'objet d'un article dans The Atlantic le 31 juillet. Tsimerman y décrit un basculement en cours : "Si les choses continuent sur cette lancée, nous serons très bientôt à un point où les systèmes d'intelligence artificielle seront solidement meilleurs que les humains dans ce que font actuellement les mathématiciens. À ce stade, il faudra repenser le fonctionnement de toute la discipline."

Tsimerman ne rejoint pas OpenAI pour améliorer les capacités mathématiques du modèle. Il travaille sur la sécurité de l'IA. Un chercheur sur X a comparé ce recrutement à "embaucher Lionel Messi comme chef de projet". Le signal envoyé à la communauté mathématique est clair : le terrain de jeu change.

Le vertige des mathématiciens

Les réactions dans la communauté mathématique vont de l'enthousiasme à l'inquiétude. Jay Cummins, mathématicien, a écrit sur X : "Pour la première fois, l'IA a résolu un problème sur lequel j'ai moi-même longuement travaillé, ce qui rend cette défaite d'autant plus difficile à accepter."

L'investisseur Nicolas Bustamante s'est interrogé sur l'avenir des institutions scientifiques : "Qu'advient-il de la médaille Fields quand les problèmes les plus difficiles sont à portée de prompt ? Qui reçoit le crédit : la personne qui pose la question, l'équipe qui entraîne le modèle, le propriétaire du laboratoire, ou l'IA elle-même ?"

OpenAI reconnaît la question dans son billet. L'entreprise écrit que "revendiquer une paternité humaine pour une preuve générée entièrement par un système d'IA malreprésenterait à la fois la contribution du système et la nature du travail intellectuel humain". OpenAI dit avoir aidé à préparer les manuscrits et à formaliser les preuves, et prend la responsabilité de leur correction. Les arguments mathématiques eux-mêmes ont été générés par le modèle.

La déclaration de Leiden sur l'IA et les mathématiques, signée par une partie de la communauté, exprime les inquiétudes de ceux qui voient l'IA bouleverser leur discipline sans avoir leur mot à dire sur le rythme et les usages.

Un exemple chez Maisons&Mobilia

Antoine, responsable IT chez Maisons&Mobilia (M&M, enseigne de meubles fictive), n'est pas mathématicien. Il gère un catalogue de 12 000 produits et utilise l'IA pour des tâches pratiques : générer des descriptions, répondre aux avis clients, analyser des tendances de vente.

Ce que Antoine retient de l'annonce d'OpenAI n'est pas le détail des théorèmes. C'est le signal de capacité. Si un modèle peut résoudre des problèmes ouverts en mathématiques fondamentales, il peut aussi trouver des patterns dans des données commerciales qu'Antoine n'aurait pas repérés. Optimiser des combinaisons de prix sur 12 000 références. Détecter des incohérences entre les stocks de ses entrepôts. Identifier des relations entre ses fournisseurs que personne n'a cartographiées.

Antoine ne va pas utiliser Astra. Mais les capacités qui apparaissent dans les modèles de recherche aujourd'hui descendent dans les modèles grand public en quelques mois. GPT-5.6 Sol, disponible dans ChatGPT, fait déjà du raisonnement approfondi via son mode Think. Les capacités de Astra arriveront dans un produit accessible, un jour ou l'autre.

Ce que Antoine peut faire maintenant : tester les limites de l'IA qu'il utilise déjà. Lui donner des problèmes qu'il pensait trop complexes pour un modèle. Comparer les résultats avec ce qu'il obtient par ses méthodes habituelles. L'IA ne remplacera pas son jugement, mais elle peut surprendre sur des tâches où il sous-estimait ses capacités.

Ce que ça change pour toi

Tu n'utilises probablement pas un LLM pour faire de la recherche en mathématiques. Mais trois choses changent pour toi aussi.

La certification formelle. Les preuves d'OpenAI ont été vérifiées par Lean, un outil qui ne se contente pas de "ça a l'air correct". Si un argument mathématique peut être certifié par un logiciel, le même principe s'applique à d'autres domaines : vérifier qu'un contrat est cohérent, qu'un code respecte un cahier des charges, qu'une décision réglementaire est bien fondée. L'IA qui prouve, pas seulement l'IA qui suggère, c'est un changement de nature.

Le coût qui s'effondre. 2000 dollars pour résoudre un problème ouvert. Le même modèle, quelques mois plus tard, coûtera moins cher. Les capacités de raisonnement se démocratisent plus vite que les capacités de génération de texte. Si tu as un problème complexe que tu as mis de côté parce qu'il demandait trop d'analyse, le moment où tu peux le confier à un LLM approche.

Le signal du marché du travail. Un médaillé Fields qui quitte l'université pour une entreprise d'IA, ce n'est pas anecdotique. Les meilleurs cerveaux en mathématiques fondamentales vont vers l'IA. Ça veut dire que les progrès en raisonnement vont s'accélérer, parce que les personnes qui comprennent le mieux la logique formelle travaillent maintenant à améliorer les modèles.

Aller plus loin

Pour comprendre comment un LLM raisonne et pourquoi le mode Thinking change la qualité des réponses, notre article sur comment fonctionne un LLM pose les bases. Pour voir comment l'IA s'intègre dans des tâches concrètes au travail, le guide sur les agents IA t'aide à y voir clair. Et pour t'entraîner à comprendre ces notions en 5 minutes par jour, l'app saisir.ai propose des modules interactifs sur le raisonnement, les LLM et la vérification, en français, sans coder.

Sources

Questions fréquentes

C'est quoi les 10 problèmes de maths résolus par l'IA d'OpenAI ?: OpenAI a annoncé le 1er août 2026 qu'un modèle interne appelé Astra a résolu ou fait avancer décisivement 10 problèmes ouverts en mathématiques et informatique théorique : empilement de sphères en haute dimension, codes binaires et sphériques, groupes non-sofic, conjecture de rigidité de Connes (réfutée), complexité de circuits arithmétiques, répétition parallèle quantique, problème du plus proche vecteur, conjecture de volume d'Ehrhart, nombres de Ramsey multicolores, et nombres extrêmaux en théorie des graphes.
Combien a coûté la résolution de ces problèmes avec l'IA ?: OpenAI indique que le coût en tokens pour trouver chaque solution s'élève à environ 2000 dollars au tarif API de GPT-5.6 Sol. C'est le coût de calcul du modèle, pas le coût de développement du modèle lui-même. Les preuves ont ensuite été certifiées avec l'assistant de preuve formelle Lean.
Est-ce que le modèle Astra d'OpenAI est disponible ?: Non. Astra est un modèle interne non publié, décrit par OpenAI comme sa prochaine génération de modèle. Les résultats ont été obtenus pendant l'évaluation du modèle. OpenAI a publié les preuves certifiées sur GitHub (openai/ten-proofs) et des narrations du processus de réflexion du modèle.
Qui est Jacob Tsimerman et pourquoi a-t-il rejoint OpenAI ?: Jacob Tsimerman est un mathématicien de l'université de Toronto, lauréat de la médaille Fields 2026 (la plus haute distinction en mathématiques) pour sa preuve de la conjecture d'André-Oort. Fin juillet 2026, il a pris un congé de l'université pour rejoindre OpenAI, où il travaille sur la sécurité de l'IA. Il a déclaré que les systèmes d'IA seraont bientôt meilleurs que les humains en mathématiques et qu'il faudra repenser le fonctionnement de toute la discipline.
Qu'est-ce que la certification Lean des preuves ?: Lean est un assistant de preuve formelle : un logiciel qui vérifie qu'une démonstration est correcte, étape par étape, sans laisser de trou. OpenAI a fait certifier ses 10 preuves avec Lean et a publié le code sur GitHub. C'est ce qui distingue une annonce de presse d'un résultat vérifiable : n'importe qui peut inspecter la preuve.