OpenAI publie des preuves de recherche IA en mathématiques, physique et informatique

OpenAI affirme avoir généré, puis formalisé, trois résultats de recherche en mathématiques, informatique théorique et physique, annoncés le 26 octobre 2026. L’un d’eux prétend réfuter l’Exponential Time Hypothesis, une conjecture centrale en complexité algorithmique ; un autre traite de la conjecture de lissage local, et le troisième d’une preuve d’existence pour certaines théories quantiques de champ, dont QCD. Le sujet compte car l’entreprise ne vend pas seulement des modèles plus bavards : elle expérimente aussi la façon de transformer des sorties d’IA en résultats scientifiques vérifiables, un point qui touche à la fois la méthode, le crédit et la confiance.

Une diffusion scientifique pensée comme un test, pas comme une annonce classique

OpenAI dit considérer ces manuscrits générés par IA comme des données brutes de recherche, pas comme de la science achevée. Pour chaque résultat, l’entreprise a demandé à des experts extérieurs de jouer le rôle de shepherds, autrement dit de pilotes chargés d’organiser la lecture, la vérification et la mise en contexte. Ce dispositif devait servir à choisir entre plusieurs façons de publier : diffusion directe du texte IA, constitution d’un groupe de collaborateurs externes, ou publication différée des matériaux lorsque les chercheurs jugent qu’ils sont prêts.

Cette approche repose sur quatre principes annoncés par OpenAI : transparence, absence d’accords de non-divulgation, absence de crédit académique revendiqué par l’entreprise, et indépendance des participants. En clair, les groupes peuvent discuter, partager leurs travaux en cours et publier leurs conclusions. OpenAI précise aussi qu’elle ne parle pas au nom des chercheurs, et l’inverse non plus. Un cadre assez rare pour la recherche de pointe. Presque une expérience sociale avec équations.

Pourquoi la preuve sur l’Exponential Time Hypothesis fait parler

Le premier résultat, dans le domaine de l’informatique théorique, concerne l’Exponential Time Hypothesis, une hypothèse sur la difficulté de certaines satisfaisabilités booléennes, étroitement liée à P versus NP. OpenAI dit avoir produit une réfutation, ensuite vérifiée dans Lean, un assistant de preuve formelle qui permet de vérifier rigoureusement des démonstrations mathématiques. La sortie en langage naturel daterait du 16 octobre 2026, la formalisation du 17 octobre 2026.

Cette hypothèse a servi de base à des centaines d’articles pour établir des résultats de dureté conditionnelle dans des domaines comme la théorie des graphes, la biologie computationnelle, les bases de données ou la géométrie algorithmique. Si la réfutation se confirme, elle ne rend pas ces travaux caducs d’un coup de baguette magique ; elle oblige surtout à revoir un pan de la littérature fondée sur cette hypothèse. Le groupe de vérification annoncé doit être mené par Russell Impagliazzo, Ramamohan Paturi et Ryan Williams, avec l’objectif d’examiner publiquement les fichiers sources et les preuves associées.

En physique, OpenAI vise QCD et le modèle standard

Le troisième résultat touche à la physique mathématique. Selon OpenAI, ses modèles ont produit une preuve d’existence pour certaines théories quantiques de champ en quatre dimensions, avec champs de jauge et fermions, dont la chromodynamique quantique, ou QCD, ainsi qu’une complétion unifiée du modèle standard. La société précise que ce travail s’appuie sur l’approche de Balaban en théorie constructive des champs quantiques et inclut, comme sous-problème, une preuve d’existence de la théorie de Yang-Mills pure.

Le calendrier compte ici aussi : OpenAI indique avoir obtenu une preuve en langage naturel pour Yang-Mills le 9 septembre 2026, puis pour QCD le 18 septembre 2026, avant d’attendre la formalisation Lean complète, achevée le 16 octobre 2026. Le groupe de travail doit être conduit par David Gross, avec Michael Douglas, Arthur Jaffe, Igor Klebanov et Nikita Nekrasov. L’entreprise a choisi, pour ce volet, de ne pas publier immédiatement les artefacts produits par l’IA et de laisser le groupe rédiger lui-même la version de référence.

Ce que cette méthode change pour la recherche

Le cœur du dossier n’est pas seulement la solidité des trois résultats ; c’est la manière de les faire entrer dans le circuit scientifique. OpenAI reconnaît elle-même que la sélection des premiers accompagnateurs crée une asymétrie d’information et influence la suite des échanges. Dans ce contexte, la société dit vouloir recevoir des retours sur ce qui fonctionne, ce qui bloque et ce qu’il faut améliorer pour élargir la participation.

Les implications sont assez directes pour les laboratoires, les éditeurs et les financeurs : qui vérifie, qui comprend, qui cite, qui réutilise, et à quel rythme ? OpenAI dit vouloir financer l’examen indépendant des trois résultats, notamment via une contribution de 5 millions de dollars au Simons Foundation pour soutenir ateliers, conférences et programmes spéciaux. L’entreprise espère aussi que ces collaborations aideront à mieux cerner les capacités, mais aussi les limites, du calcul efficace. Bref, l’IA n’a pas encore remplacé le chercheur ; elle oblige déjà la recherche à revoir sa chaîne de montage.