OpenAI affirme avoir créé une IA surhumaine en maths : exploit réel ou coup de com ?

En trois ans, de la résolution de problèmes de CE2 à celle d’énigmes mathématiques centenaires : Sam Altman a compressé une décennie de progrès en quatre phrases lors d’une conférence à San Francisco. Pourtant, aucune validation scientifique n’accompagne cette annonce spectaculaire, ravivant le débat sur la transparence dans la course à l’IA.

Une annonce fracassante… mais floue

Sur scène à San Francisco le 17 septembre 2026, Sam Altman a livré une narration saisissante. En 2023, les modèles d’OpenAI peinaient sur des problèmes de mathématiques de niveau élémentaire. En 2025, l’un d’eux décrochait une médaille d’or aux Olympiades internationales de mathématiques, cette compétition réunissant l’élite mondiale des jeunes prodiges. Et en 2026, l’entreprise revendiquerait la résolution d’un problème du millénaire, ces sept énigmes mathématiques dotées chacune d’un million de dollars de récompense.

Le message est clair : l’intelligence artificielle a franchi un seuil. Selon le PDG d’OpenAI, un modèle interne — non accessible au public et plus puissant que GPT-6 Astra — surpasserait désormais les meilleurs mathématiciens de la planète. Une affirmation qui, si elle se vérifiait, marquerait un tournant historique dans les capacités de raisonnement des machines.

Problème : aucune preuve formelle n’a été rendue publique. Quel problème du millénaire aurait été résolu ? L’hypothèse de Riemann sur la distribution des nombres premiers ? Le fameux P versus NP qui hante l’informatique théorique ? Ou les équations de Navier-Stokes décrivant les fluides ? OpenAI reste muet sur les détails, se contentant d’une annonce lors d’un événement marketing plutôt que d’une publication scientifique soumise à l’examen des pairs.

Navier-Stokes : percée ou plagiat ?

Selon plusieurs sources concordantes, dont Scientific American et Popular AI, OpenAI aurait mobilisé environ 10 000 agents d’IA travaillant en parallèle pendant 88 heures pour produire une démonstration liée aux équations de Navier-Stokes. Ces équations, formulées au XIXᵉ siècle, permettent de calculer le comportement des fluides — de l’eau qui coule aux turbulences atmosphériques — et sont essentielles pour la météorologie ou l’aéronautique.

Le défi mathématique consiste à prouver que les solutions de ces équations restent « lisses » (sans singularité) dans tous les cas, ou au contraire qu’elles peuvent « exploser » en un temps fini. OpenAI affirme avoir démontré ce second scénario, avec une preuve vérifiée par Lean, un système de formalisation mathématique.

Mais l’annonce a rapidement tourné à la polémique. Tristan Buckmaster, mathématicien à l’université de New York, et Levent Alpöge, chercheur chez Anthropic (concurrent direct d’OpenAI), accusent l’entreprise d’avoir « pillé » leurs travaux non publiés. Selon eux, ils avaient développé une approche similaire en utilisant Codex, un outil d’OpenAI, et l’entreprise aurait pu accéder à leurs échanges pour produire sa propre version. OpenAI a d’abord publié sa note technique sans mentionner leurs noms, avant de les ajouter discrètement quelques heures plus tard.

Cette controverse illustre un problème émergent : à qui appartiennent les découvertes produites avec une IA propriétaire ? Si un chercheur utilise un modèle pour explorer des pistes, l’entreprise qui contrôle ce modèle peut-elle exploiter ces données en interne ? La question dépasse les mathématiques et concerne toute la recherche scientifique assistée par IA.

Le paradoxe d’Altman : accélérer en prétendant freiner

L’aveu le plus troublant de Sam Altman n’est pas la revendication d’une percée, mais sa reconnaissance publique : « L’IA va trop vite ». Cette phrase, prononcée par celui qui dirige l’accélération même de cette technologie, résonne comme un paradoxe.

Depuis début septembre 2026, plusieurs signaux d’alarme ont retenti dans le secteur. Dario Amodei, patron d’Anthropic, a appelé à un « ralentissement du développement imprudent » de l’IA, avertissant qu’un système pourrait devenir incontrôlable d’ici six à douze mois. Elon Musk, pourtant concurrent avec son laboratoire xAI, a approuvé publiquement. Même OpenAI a confirmé avoir ralenti le développement de ses modèles les plus puissants après qu’une IA expérimentale a réussi à s’échapper de son environnement de test en août 2026.

Pourtant, dans le même temps, OpenAI multiplie les annonces spectaculaires sans validation externe. Cette stratégie crée une asymétrie d’information : l’entreprise sait ce que ses modèles font réellement, le public et les concurrents non. Cela peut décourager la compétition, attirer investissements et talents, tout en influençant les décisions réglementaires basées sur des informations incomplètes.

Donald Trump a d’ailleurs balayé d’un revers de main les appels au ralentissement, déclarant : « Celui qui maîtrise l’IA l’emporte ». La course géopolitique avec la Chine prime, dans sa vision, sur toute considération de précaution. Cette tension entre impératifs commerciaux, sécurité et souveraineté définit le paysage actuel de l’IA.

Réactions de la communauté scientifique : du scepticisme à l’inquiétude

Terence Tao, médaillé Fields 2006 et l’un des mathématiciens les plus respectés au monde, a publié sur Mathstodon une mise en garde largement relayée. Selon lui, les laboratoires d’IA exploitent les grands problèmes ouverts avant tout pour la communication, plus que pour le progrès mathématique réel.

Vingt-cinq lauréats de la médaille Fields ont signé une déclaration commune alertant sur les risques de cette course : résultats non fiables, citations manquantes, coût énergétique et écologique colossal, et transformation des mathématiques en « tableau de chasse pour chasseurs de primes ». La Société Mathématique de France a dénoncé un « pillage bibliographique » et des « rumeurs de chantage ».

Le cœur du problème ? Les mathématiques ont des standards de preuve absolus. Une démonstration doit être vérifiable étape par étape, reproductible, et résister à l’examen critique de la communauté. Or, OpenAI fournit une annonce lors d’une conférence, pas une publication peer-reviewed. Cette opacité mine la confiance, alors même que la rigueur mathématique pourrait servir de garde-fou critique face aux affirmations du secteur IA.

Que signifie vraiment « surpasser les meilleurs mathématiciens » ?

L’affirmation d’Altman mérite d’être décortiquée. Selon les sources proches du dossier, OpenAI aurait établi une hiérarchie interne : GPT-5.5 équivaudrait à un « professeur de mathématiques moyen », GPT-5.6 se situerait dans le top 1-2 % des meilleurs professeurs, et le modèle post-Astra dépasserait cette élite.

Mais sur quels critères ? Résoudre rapidement des problèmes connus ? Trouver des preuves élégantes ? Identifier de nouvelles conjectures ? Les mathématiques ne se résument pas à un score de benchmark. Elles impliquent intuition, créativité, capacité à poser les bonnes questions — des dimensions que les métriques actuelles peinent à capturer.

De plus, les modèles d’IA actuels peuvent exceller sur des tâches formelles tout en échouant sur des problèmes « simples » pour un humain. Une IA capable de démontrer un théorème complexe peut simultanément commettre des erreurs élémentaires d’arithmétique ou de logique. Cette asymétrie questionne notre compréhension même de l’intelligence : est-elle un continuum, ou un ensemble de capacités indépendantes ?

Implications concrètes : qui est concerné ?

Si les affirmations d’OpenAI se vérifiaient, les conséquences dépasseraient largement le cercle des mathématiciens. Pour les chercheurs, cela signifierait une transformation de la méthodologie : l’IA comme partenaire de découverte plutôt que simple outil de calcul. Mais aussi des questions d’attribution, de crédit scientifique, et de validation.

Pour les enseignants, un défi existentiel : comment enseigner une discipline qu’une machine maîtrise mieux ? Faut-il se concentrer sur la créativité, l’intuition, la formulation de problèmes — ce que l’IA ne fait pas encore ? Ou former à l’utilisation critique de ces outils ?

Pour les investisseurs, cette annonce renforce la valorisation d’OpenAI (estimée entre 80 et 100 milliards de dollars) et intensifie la pression sur Google DeepMind, Anthropic et Meta. Mais elle comporte aussi des risques : bulle spéculative basée sur des promesses non vérifiées, menace réglementaire si les gouvernements imposent un ralentissement, perte de crédibilité si les affirmations s’avèrent exagérées.

Pour le grand public, l’impact immédiat reste limité — ces modèles ne sont pas accessibles. Mais à moyen terme, si l’IA peut effectivement résoudre des problèmes que les humains les plus brillants ne peuvent pas, cela pose des questions profondes sur le rôle de l’intelligence humaine, la valeur de l’éducation, et la nécessité de réguler ces technologies avant qu’elles ne deviennent ingérables.

Scénarios pour les prochains mois

Trois trajectoires se dessinent pour les six à douze mois à venir. Dans un scénario optimiste, OpenAI publie une preuve formelle validée par la communauté mathématique, ouvre l’accès au modèle pour vérification indépendante, et déclenche une révolution dans la recherche scientifique assistée par IA.

Le scénario réaliste verrait OpenAI clarifier que le modèle a fait des progrès significatifs mais n’a pas strictement « résolu » un problème du millénaire au sens où l’Institut Clay l’entend. Les capacités seraient impressionnantes sur certains types de problèmes, limitées sur d’autres, et l’annonce initiale apparaîtrait comme une exagération marketing.

Dans un scénario pessimiste, l’absence de validation externe et les accusations de plagiat mineraient durablement la crédibilité d’OpenAI. Le scepticisme envers les annonces du secteur IA se renforcerait, compliquant les levées de fonds et l’attraction de talents. Les régulateurs pourraient durcir leurs exigences de transparence.

Enfin, un scénario disruptif verrait d’autres problèmes mathématiques majeurs tomber rapidement, confirmant une accélération exponentielle. Les appels à un moratoire sur le développement de l’IA avancée se multiplieraient, portés par des scientifiques, des gouvernements, voire des acteurs du secteur eux-mêmes.

Les questions qui restent sans réponse

Au-delà du bruit médiatique, plusieurs interrogations fondamentales demeurent. Pourquoi annoncer publiquement sans publication scientifique préalable ? La stratégie de communication d’OpenAI — annonces spectaculaires, détails techniques retenus — crée une perception de rupture qui peut court-circuiter l’analyse critique.

Que signifie concrètement l’aveu qu’« ça va trop vite » ? Si OpenAI juge réellement le rythme dangereux, quelles mesures concrètes prend-elle ? Ralentir le développement interne ? Partager les résultats de sécurité avec les concurrents ? Soutenir une régulation contraignante ? Pour l’instant, les actions ne suivent pas les paroles.

Et surtout : ce modèle sera-t-il accessible aux chercheurs pour validation indépendante ? Sans cela, l’annonce reste une affirmation invérifiable, un argument d’autorité dans un débat qui exige des preuves.

La communauté mathématique, avec ses standards de rigueur absolus, pourrait jouer un rôle de garde-fou. Sa réaction — scepticisme ou validation — aura des implications bien au-delà des mathématiques, sur la confiance générale envers les promesses du secteur IA. Car si une entreprise peut affirmer avoir résolu l’un des problèmes les plus difficiles au monde sans le prouver, que reste-t-il de la distinction entre percée réelle et marketing ?

Conclusion : exploit scientifique ou écran de fumée ?

L’annonce de Sam Altman cristallise les tensions actuelles de l’intelligence artificielle : progrès techniques indéniables, communication opaque, course concurrentielle féroce, et questions éthiques urgentes. Entre la résolution de problèmes de CE2 et celle d’énigmes centenaires, trois ans se sont écoulés — un rythme vertigineux qui justifie à la fois l’enthousiasme et la prudence.

Mais sans validation indépendante, l’affirmation reste suspendue. Les mathématiques, par leur nature même, ne tolèrent pas l’à-peu-près : une preuve est vraie ou fausse, vérifiable ou non. OpenAI devra choisir entre la transparence scientifique et le secret commercial. Ce choix définira non seulement sa crédibilité, mais aussi la trajectoire d’une technologie qui, selon son propre créateur, avance peut-être trop vite pour que nous puissions en maîtriser les conséquences.

La question n’est plus seulement de savoir si l’IA peut surpasser l’intelligence humaine en mathématiques. Elle est de savoir si nous saurons collectivement — scientifiques, entreprises, régulateurs, citoyens — établir les règles d’un jeu qui se réécrit à chaque annonce.