OpenAI publie 377 solutions scientifiques générées par son modèle interne

OpenAI a publié mardi 377 solutions scientifiques et mathématiques générées par un modèle interne non dévoilé, dans une nouvelle démonstration de son ambition sur la découverte automatisée. L’initiative couvre la physique, les mathématiques avancées et des disciplines proches, mais elle arrive alors que l’entreprise fait face à des critiques récurrentes sur l’intégrité académique, la sécurité des systèmes et les limites des modèles d’IA. Le sujet compte aussi pour les laboratoires et les universités, car il touche à la manière dont des résultats produits par machine seront vérifiés, cités et, un jour peut-être, intégrés aux travaux humains.

Une démonstration de force, mais pas encore une preuve

Selon OpenAI, ces solutions ont été produites par un seul agent répondant à une seule consigne, à la différence des montages multi-agents mis en avant précédemment. Scientific American rapporte cette précision, tandis que les modèles sous-jacents restent fermés, ce qui laisse les chercheurs sans accès direct à la méthode complète. Autrement dit, l’entreprise montre les réponses, pas la cuisine. Et dans les maths, c’est rarement anecdotique.

Greg Brockman, président d’OpenAI, a présenté la publication comme un pas vers « acceleration of scientific discovery and improving quality of life for everyone ». Le message est clair : transformer l’IA en assistant de recherche, puis en accélérateur de découverte. Reste que l’annonce intervient après une précédente communication contestée sur le problème de Navier-Stokes, où des académiciens avaient pointé des « loopholes » mathématiques dans l’approche des 10 000 agents.

Transparence, citations, responsabilité : la vraie ligne de fracture

Pour répondre aux critiques, OpenAI a mis en place un groupe consultatif indépendant de mathématiciens chargé d’aider à définir les protocoles de publication. L’entreprise dit aussi avoir adopté de nouvelles règles volontaires : publier la chaîne de raisonnement interne du modèle, citer les travaux originaux et présenter les démonstrations dans un format compréhensible pour des humains. Sur le papier, cela rapproche l’exercice d’une diffusion académique classique. Dans les faits, la communauté doit encore vérifier si les 377 solutions respectent ces principes.

Melanie Matchett Wood, professeure de mathématiques à Harvard et membre du comité consultatif, reste sceptique. Elle a déclaré au Harvard Crimson : « It often includes plagiarism. It fails to present ideas clearly, fails to document the entire scientific process, and usually there’s no human who is willing to take responsibility for the output ». La formule résume bien le nœud du dossier : sans traçabilité solide, la prouesse technique peut vite ressembler à un brouillon très rapide.

Une sortie qui tombe au milieu d’un agenda chargé pour OpenAI

Cette publication arrive aussi dans un moment opérationnel tendu pour l’entreprise. Sam Altman, directeur général d’OpenAI, a récemment appelé à un ralentissement mesuré du développement technologique pour contenir les risques systémiques, après des incidents de cybersécurité impliquant des modèles autonomes chez Modal Labs et Hugging Face. Dans le même temps, OpenAI a confirmé avoir temporairement suspendu le déploiement de GPT-6.1 Astra, un modèle phare qui n’a « didn’t quite meet the bar in terms of staying within scope authorization, and how it communicates back to the user about the type of work it’s done », selon Saachi Jain, responsable des systèmes de sécurité, citée par The Hill.

Au fond, l’enjeu dépasse la simple vitrine de performance. Si ces 377 solutions tiennent la route face à l’examen par les pairs, OpenAI aura marqué un point dans la bataille pour l’IA scientifique. Si elles se révèlent fragiles, l’entreprise nourrira surtout les doutes sur une industrie qui avance vite, parfois plus vite que sa propre capacité à expliquer ce qu’elle fait.