Astra, l’IA d’OpenAI qui résout des énigmes mathématiques

OpenAI a dévoilé Astra, une famille de modèles d’IA encore réservée à un usage interne, après lui avoir attribué la résolution de dix problèmes ouverts en mathématiques, en complexité quantique et en informatique théorique. Selon la note scientifique publiée par l’entreprise, ces résultats ont été obtenus pour 2 000 dollars de frais de calcul, puis vérifiés avec Lean, un logiciel qui contrôle pas à pas les démonstrations. Le sujet compte au-delà du cercle des chercheurs, car il donne une idée concrète de ce que les futurs modèles de ChatGPT pourraient apporter aux sciences. Et, pour une fois, la facture ne fait pas déjà tousser avant la démonstration.

Des problèmes vieux de plusieurs décennies, pas de simples exercices de routine

Astra, que OpenAI présente comme son prochain grand modèle, a résolu dix problèmes réputés difficiles, dont une énigme mathématique vieille de 27 ans et trois problèmes associés au mathématicien Paul Erdős. La start-up dit aussi que l’IA a travaillé sur un sujet lié à une nouvelle génération d’algorithmes de chiffrement conçus pour résister aux ordinateurs quantiques. Autrement dit, on ne parle pas d’un modèle qui complète une liste de courses, mais d’un système censé aider à produire des preuves utiles à la recherche. OpenAI résume l’objectif ainsi : « donner aux scientifiques et aux mathématiciens des outils qui accélèrent la découverte ».

Les démonstrations ont ensuite été converties en fichiers Lean et publiées sur GitHub. Cette mise à disposition permet à d’autres chercheurs de vérifier les preuves sur leur propre machine, sans se contenter de la parole d’OpenAI. La méthode est importante, car elle déplace la discussion vers un terrain plus solide : non pas “l’IA a-t-elle trouvé une réponse”, mais “la réponse tient-elle debout”.

Un coût faible et une ambition très large

Le chiffre de 2 000 dollars de calcul retient l’attention, surtout rapporté à des problèmes ouverts depuis dix, vingt ou trente ans. OpenAI n’explique pas en détail le coût humain ou scientifique de la validation, mais la comparaison reste parlante pour le marché : si de tels résultats se confirment à plus grande échelle, la recherche assistée par IA pourrait gagner en vitesse et en volume. Reste qu’à ce stade, Astra n’est pas un produit commercial et n’a pas de date de lancement annoncée.

Sam Altman a montré Astra à des responsables politiques à Washington, selon la source citée, signe que le dossier dépasse déjà le cadre des laboratoires d’OpenAI. Dans le même mouvement, l’entreprise a lancé ChatGPT for Academic Researchers, une initiative offrant un accès gratuit à 100 000 scientifiques et mathématiciens aux modèles les plus avancés de son catalogue. Le message est clair : OpenAI veut installer ses modèles au plus près de la recherche académique, là où la crédibilité se joue sur des preuves, pas sur des slogans.

Ce que cela change pour OpenAI, et pour le reste du secteur

Pour OpenAI, Astra sert de vitrine technique autant que de signal stratégique. La société veut montrer qu’une IA peut non seulement générer du texte ou du code, mais aussi contribuer à des démonstrations mathématiques complexes, un terrain longtemps perçu comme peu accommodant pour les grands modèles. Pour le secteur, cela remet la recherche scientifique dans le périmètre des usages susceptibles d’être automatisés, partiellement au moins, ce qui intéresse autant les éditeurs de modèles que les universités et les laboratoires.

À ce stade, la prudence reste de mise sur la portée réelle de ces résultats [à vérifier], notamment parce qu’ils proviennent d’une version interne et d’un rapport signé par l’entreprise elle-même. Mais la direction est nette : les modèles de type ChatGPT ne se contentent plus de répondre, ils commencent à participer à la production de connaissances. Et cela, pour les chercheurs comme pour les concurrents d’OpenAI, change déjà la conversation.