L'évolution de la structure d'OpenAI

OpenAI promeut son prochain modèle Astra avec la résolution de 10 problèmes de maths

OpenAI a dévoilé début août le nom de code utilisé en interne pour son prochain modèle phare, Astra, pas encore disponible au public, en affirmant qu'il a permis de résoudre dix problèmes de mathématiques. L'entreprise de Sam Altman présente ces résultats dans un billet de blog accompagné d'un PDF détaillant chaque démonstration, mais publié uniquement sur ses propres serveurs plutôt que sur une plateforme de preprint comme arXiv, où les chercheurs partagent habituellement leurs travaux. OpenAI ne mentionne le nom d'aucun mathématicien ayant supervisé ces recherches. L'entreprise précise que le coût total en jetons nécessaires pour retrouver les solutions reviendrait à environ 2 000 dollars aux tarifs de l'API Sol, une somme qui ne prend en compte que la reproduction finale des démonstrations, sans les nombreux essais-erreurs qu'il a fallu réaliser au préalable pour affiner les prompts. Cette annonce ravive un débat déjà vif sur la place de l'IA générative en mathématiques et sur l'attribution des découvertes. Une partie de la communauté mathématique a signé la Leiden Declaration on Artificial Intelligence and Mathematics, qui liste cinq menaces : la multiplication d'arguments plausibles mais peu fiables voire faux, l'absence de citations correctes ou la violation de droits d'auteur, la mise en avant de résultats seulement quand l'IA a été utilisée, la diffusion de résultats sans véritables publications, et la perte d'autonomie de la discipline face aux entreprises qui développent ces IA. Le mathématicien David Madore résumait dès juin sur son blog que les entreprises d'IA utilisent les mathématiques comme un benchmark en apparence objectif pour démontrer leur supériorité, notamment dans le contexte de l'introduction en bourse d'OpenAI, l'objectif réel n'étant pas de faire avancer la science mais de vendre leurs produits. Dans son billet, OpenAI tente de ménager cette communauté en reconnaissant que l'émergence de systèmes capables de contribuer à la recherche mathématique soulève des questions qu'une entreprise technologique ne peut trancher seule, tout en renvoyant la balle aux mathématiciens sur la question de l'attribution : selon elle, créditer un humain pour une démonstration entièrement générée par une IA donnerait une image faussée aussi bien de la contribution du système que du véritable travail intellectuel humain. La question de la paternité des résultats se pose avec d'autant plus d'acuité que l'IA accélère la mise en ligne des démonstrations : Scientific American rapportait récemment que deux équipes avaient publié, à moins de quatre heures d'intervalle sur arXiv, des articles résolvant le même problème de cryptographie quantique.

💬 Dix problèmes résolus, un PDF maison, zéro nom de mathématicien dessus, pas une ligne sur arXiv, j'y vois surtout un argumentaire pour l'introduction en bourse, pas une percée scientifique. Le coût à 2000 dollars, ça fait un chiffre qui claque, mais il cache tout le tâtonnement qu'il a fallu avant d'y arriver, crois-moi, la vraie facture est plus salée. Selon Le Fil IA, tant qu'OpenAI publiera ses résultats maths sur ses propres serveurs plutôt que là où la communauté scientifique vérifie vraiment, ce sera du marketing déguisé en recherche, pas l'inverse.

Déclaration conjointe d'OpenAI et de Microsoft

OpenAI et Microsoft maintiennent une collaboration étroite en recherche, ingénierie et développement de produits, capitalisant sur des années de coopération approfondie et de succès partagés.

Actualité : OpenAI ferme brutalement Sora, l'usine à slop la plus chère de l'histoire de l'IA

OpenAI a annoncé le 24 mars 2026 la fermeture de Sora, son application autonome de génération vidéo par intelligence artificielle. L'annonce, publiée sur X, est volontairement succincte : aucune justification n'est avancée. L'entreprise s'engage uniquement à préciser prochainement le calendrier de fermeture et les modalités permettant aux utilisateurs de récupérer leurs créations. Cette décision marque un tournant significatif pour OpenAI, qui avait fait de Sora l'une de ses vitrines technologiques les plus ambitieuses. Lancée avec une couverture médiatique exceptionnelle, l'application symbolisait la course à la génération vidéo par IA, un segment où la concurrence s'est rapidement intensifiée avec des acteurs comme Google, Runway ou Kling AI. La fermeture soulève des questions sur la viabilité économique de ces outils grand public et sur la stratégie produit d'OpenAI. Le bilan de Sora reste négatif sur plusieurs fronts : malgré des démonstrations spectaculaires, l'outil a été largement critiqué pour la médiocrité des contenus générés par la majorité des utilisateurs, alimentant ce que les observateurs désignent comme du "slop", soit du contenu automatisé de faible valeur. Le coût opérationnel de la plateforme, considérable au regard de l'infrastructure GPU nécessaire, n'aurait pas été compensé par une adoption suffisante ou une monétisation efficace. Cette fermeture illustre une tendance plus large dans l'industrie : les laboratoires d'IA rationalisent leur portefeuille produit face à des coûts d'infrastructure massifs, recentrant leurs ressources sur les services à forte valeur ajoutée et les API professionnelles plutôt que sur des applications grand public aux usages encore incertains.

OpenAI mise tout sur la création d'un chercheur entièrement automatisé

OpenAI réoriente l'ensemble de ses efforts de recherche autour d'un objectif unique et ambitieux : construire un chercheur entièrement automatisé, capable de s'attaquer seul à des problèmes complexes et de grande envergure. Cette nouvelle priorité devient, selon la firme de San Francisco, sa "étoile du nord" pour les prochaines années, fédérant plusieurs axes de travail jusqu'ici distincts : modèles de raisonnement, agents autonomes et interprétabilité. La feuille de route est précise. D'ici septembre 2025, OpenAI entend déployer un "stagiaire chercheur IA autonome", un système capable de prendre en charge, seul, un nombre restreint de problèmes de recherche spécifiques. Ce premier jalon préfigure un système multi-agents entièrement automatisé prévu pour 2028, qui devrait selon la société pouvoir traiter des problèmes trop vastes ou trop complexes pour l'intelligence humaine seule. Les domaines visés sont larges : mathématiques, physique, biologie, chimie, mais aussi questions de politique publique ou défis stratégiques d'entreprise, en somme, tout ce qui peut s'exprimer en texte, en code ou sur un tableau blanc. C'est Jakub Pachocki, directeur scientifique d'OpenAI, qui pilote cette ambition aux côtés du directeur de la recherche Mark Chen. Dans un entretien exclusif, Pachocki affirme : "Je pense que nous approchons du moment où nous aurons des modèles capables de travailler indéfiniment de façon cohérente, comme le font les humains." Il cite Codex, l'agent de génération de code lancé en janvier, comme une première incarnation embryonnaire de ce chercheur IA, un outil dont la majorité du personnel technique d'OpenAI ferait déjà usage quotidiennement. L'objectif est d'étendre la durée d'autonomie de ces systèmes : "Ce que nous visons pour un stagiaire chercheur automatisé, c'est un système auquel on peut déléguer des tâches qui prendraient plusieurs jours à un humain", précise-t-il. Le projet s'inscrit dans un contexte de concurrence accrue, avec Anthropic et Google DeepMind qui talonent désormais OpenAI sur le marché des modèles de pointe. Des voix extérieures, comme celle de Doug Downey de l'Allen Institute for AI, confirment l'enthousiasme du secteur pour ces systèmes de recherche longue durée, portés par le succès des agents de codage. La vraie question reste ouverte : ces systèmes pourront-ils un jour produire des découvertes scientifiques originales, ou se limiteront-ils à accélérer un travail déjà balisé par des chercheurs humains ?