OpenAI dit avoir résolu plus de 100 problèmes mathématiques ouverts

OpenAI affirme que le modèle au cœur de sa polémique sur Navier-Stokes aurait aussi résolu plus de 100 autres problèmes de mathématiques ouverts, selon sa note diffusée le 22 septembre 2026. L’entreprise dit travailler avec un groupe consultatif externe de mathématiciens pour vérifier les résultats, décider de ce qui tient et préciser la manière de les présenter. À ce stade, l’enjeu dépasse le simple exploit de labo : il touche à la fiabilité des modèles lorsqu’ils s’aventurent sur un terrain où l’approximation ne suffit plus.

Une annonce spectaculaire, mais encore sous contrôle humain

La formule est ambitieuse, presque trop pour ne pas appeler une vérification serrée. OpenAI explique que le même modèle que celui lié à sa revendication contestée sur Navier-Stokes aurait maintenant trouvé des réponses à plus de 100 problèmes mathématiques ouverts. Le laboratoire ne publie pas ici une démonstration finale ; il met en avant un processus d’examen avec des spécialistes extérieurs. En clair, la machine propose, les mathématiciens disposent. Et parfois, ils corrigent.

Cette prudence compte. Dans les mathématiques, une solution n’a pas vocation à être “probablement correcte”. Elle doit tenir. Le recours à un groupe consultatif externe montre que la validation reste un sujet sensible, surtout quand l’annonce porte sur des problèmes restés ouverts pendant des années, voire des décennies [à vérifier].

Pourquoi cette affaire compte pour l’IA de recherche

Si ces résultats sont confirmés, ils renforceraient l’idée qu’un modèle de langage peut aider à explorer des pans entiers de la recherche fondamentale, pas seulement à rédiger des textes ou générer du code. Le sujet intéresse donc autant la recherche que l’industrie de l’IA, car il touche à la fois à la capacité de raisonnement, à la méthode de preuve et à la confiance accordée aux systèmes. Dans ce contexte, une victoire sur une série de problèmes n’est pas qu’un trophée de communication.

Elle peut aussi changer la façon dont les laboratoires travaillent avec l’IA. Un modèle capable d’orienter un raisonnement, de tester des pistes et de signaler des impasses pourrait devenir un outil de recherche à part entière. Mais le chemin entre “trouver une piste” et “résoudre un problème” reste long. Très long, même pour une machine qui n’a pas besoin de café.

Ce que l’on sait, et ce qui reste à vérifier

OpenAI ne donne pas, dans la source fournie, la liste des problèmes concernés ni le détail des preuves avancées. Impossible donc, à ce stade, de mesurer l’ampleur exacte de l’annonce ou de distinguer les résultats déjà robustes de ceux qui restent exploratoires. Le point central est ailleurs : l’entreprise reconnaît elle-même qu’une évaluation externe est nécessaire avant toute communication définitive.

Cette séquence est aussi révélatrice d’un changement de ton dans l’IA de pointe. Les annonces spectaculaires ne suffisent plus à elles seules ; elles doivent désormais passer par des garde-fous scientifiques. C’est un progrès sain pour le secteur, même si cela ralentit un peu le tempo des grands coups de clairon.