L'eau met-elle les maths en défaut ? La recherche de DeepMind, guidée par la physique, sur la singularité à 1 000 000 $

Recherche linguistique récursive face à l'incertitude : l'efficacité surprenante de la recherche de programmes auto-réflexifs pour le contexte long

Les modèles de langage peinent encore à exploiter fiablement de très longs contextes, même quand leur fenêtre de contexte s'étend sur des dizaines ou centaines de milliers de tokens : ils échoient souvent à extraire, relier et réutiliser correctement les informations disséminées dans ces textes. Une approche récente, les Recursive Language Models (RLM), tente de contourner ce problème en décomposant le contexte long en une série de sous-requêtes traitées de façon agentique, via des programmes générés et exécutés au moment de l'inférence. Un article de recherche s'attaque ici à une question restée jusque-là dans l'angle mort de cette méthode : comment sélectionner, parmi les multiples trajectoires possibles de programmes d'interaction avec le contexte, celle qui donnera le meilleur résultat. Les auteurs montrent que la performance des RLM dépend de façon critique de ce choix, et proposent une méthode de recherche de programme auto-réflexive fondée sur l'incertitude du modèle pour guider cette sélection. Cette question compte parce que les RLM sont présentés comme une piste sérieuse pour traiter des documents, bases de code ou historiques de conversation trop volumineux pour tenir dans une fenêtre de contexte classique, sans perte de précision. Si la qualité de la trajectoire de sous-requêtes choisie détermine la fiabilité finale des réponses, alors optimiser ce mécanisme de sélection devient un levier direct pour rendre ces systèmes utilisables en production, par exemple pour l'analyse de contrats juridiques, de logs techniques ou de vastes corpus de recherche, là où une mauvaise décomposition du contexte peut aujourd'hui faire échouer toute la chaîne de raisonnement. Le travail s'inscrit dans une dynamique plus large de recherche sur les architectures agentiques appliquées au traitement de contexte long, où plusieurs équipes explorent des stratégies de découpage, de résumé récursif ou d'appel d'outils pour pallier les limites structurelles des transformeurs sur les séquences très longues. En mettant l'incertitude du modèle au cœur du processus de sélection de programme, les auteurs ouvrent une piste pour rendre ces systèmes plus robustes et plus autonomes, avec des implications potentielles pour la conception future d'agents capables de gérer des tâches de recherche et d'analyse documentaire complexes sans supervision humaine constante.

Google DeepMind présente Aletheia : L'agent AI passant des compétitions mathématiques aux découvertes de recherche professionnelle entièrement autonomes

Google DeepMind vient de présenter Aletheia, un agent d'intelligence artificielle conçu pour franchir une frontière que l'IA mathématique n'avait pas encore dépassée : passer des compétitions olympiques aux découvertes de recherche professionnelle entièrement autonomes. Alimenté par une version avancée de Gemini Deep Think, l'agent est capable de générer, vérifier et réviser des preuves mathématiques en langage naturel, sans intervention humaine. L'enjeu dépasse largement la performance aux concours. Les Olympiades Internationales de Mathématiques (IMO) mesurent la résolution de problèmes bien définis, mais la recherche académique impose de naviguer dans une littérature immense, de construire des démonstrations sur le long terme et d'éviter les erreurs de citation. Aletheia répond à ce défi par une architecture en boucle agentique à trois composantes, un Générateur, un Vérificateur et un Réviseur, qui se corrigent mutuellement de façon itérative. L'équipe de DeepMind souligne que cette séparation explicite des rôles permet au modèle de détecter des failles qu'il n'aurait pas identifiées lors de la génération initiale. Les résultats sont marquants. Aletheia atteint 95,1 % de précision sur l'IMO-Proof Bench Advanced, contre un précédent record de 65,7 %. La version de janvier 2026 de Deep Think réduit par 100x la puissance de calcul nécessaire pour atteindre le niveau olympique par rapport à 2025. Déployé contre 700 problèmes ouverts de la base des Conjectures d'Erdős, l'agent a produit 63 solutions techniquement correctes et résolu 4 questions ouvertes de façon autonome. Le papier Feng26, portant sur la géométrie arithmétique, a été intégralement rédigé par Aletheia sans intervention humaine, classé Niveau A2 dans la taxonomie d'autonomie proposée par DeepMind, équivalent d'une recherche publiable essentiellement autonome. Pour structurer cette classification, DeepMind s'est inspiré des niveaux d'autonomie des véhicules autonomes, définissant un spectre allant du Niveau 0 (humain majoritaire, type Olympiades) au Niveau 2 (essentiellement autonome, recherche publiable). L'utilisation de Google Search et de la navigation web permet à l'agent d'ancrer ses preuves dans la littérature réelle et de limiter les hallucinations de citations, un problème récurrent des grands modèles de langage appliqués aux sciences formelles.

L’IA générative bouscule la recherche en mathématiques

42 est toujours la réponse, de toute façon. En mai dernier, OpenAI a annoncé qu'un de ses modèles internes avait résolu l'un des problèmes d'Erdős, celui des distances unitaires, numéroté 90. Ce n'était pas une première tentative : dès novembre, l'entreprise affirmait déjà que GPT-5 avait trouvé des solutions à dix problèmes posés par le mathématicien Paul Erdős, des résultats que le média Next qualifie de largement gonflés. Cette fois, le 20 mai, neuf mathématiciens et mathématiciennes ont mis en ligne sur la plateforme arXiv leurs remarques sur la démonstration produite par OpenAI, validant au passage sa réalité. David Madore, maître de conférences en mathématiques à Télécom ParisTech, confirme sans détour : « C'est indiscutable que des problèmes d'Erdős ont été résolus par des IA génératives. » Il précise toutefois que les premières annonces étaient exagérées, certaines IA ayant simplement retrouvé des résultats déjà présents dans la littérature scientifique. Cette percée soulève des questions concrètes sur la nature réelle des progrès accomplis et sur ce qu'elle change pour la recherche en mathématiques. Thomas Bloom, mathématicien à l'université de Manchester, souligne que la preuve initiale de l'IA, bien que valide, a été considérablement améliorée par les chercheurs humains d'OpenAI et par de nombreux autres mathématiciens ayant contribué à l'article. Melanie Matchett Wood, professeure à Harvard, va plus loin en avançant que si l'expertise humaine mobilisée pour vérifier et affiner la solution avait été employée en amont pour chercher un contre-exemple à la conjecture, les mathématiciens auraient probablement pu la résoudre eux-mêmes. Ces nuances comptent : elles rappellent que la résolution de ces problèmes reste un travail collaboratif entre machine et humains, et non une démonstration d'autonomie totale de l'IA. Le contexte de cette controverse tient à la stratégie de communication des entreprises d'IA générative, qui cherchent depuis plusieurs mois à convaincre que leurs modèles atteignent le niveau d'un chercheur professionnel. David Madore relativise la portée de l'exploit en rappelant que les problèmes d'Erdős, bien que non triviaux, reposent généralement sur des outils et des définitions peu sophistiqués comparés à d'autres pans des mathématiques. Il note aussi qu'OpenAI a utilisé un modèle interne aux caractéristiques non divulguées, sans préciser le temps de calcul nécessaire à la résolution, ce qui limite la possibilité d'évaluer objectivement la performance. Le mathématicien reconnaît malgré tout qu'un problème important a été résolu de façon essentiellement autonome par l'IA, tout en insistant sur le fait que ce succès reste isolé parmi de nombreux autres problèmes soumis aux modèles sans résultat probant, et qu'il ne s'agit en rien du « Saint Graal des mathématiques ».

💬 Un problème d'Erdős tombé, c'est réel, Madore le confirme sans détour. Mais regarde qui a fait le travail : la preuve de l'IA, les mathématiciens l'ont largement retapée après coup, et une chercheuse d'Harvard estime que si cette énergie humaine avait été mise en amont, ils l'auraient sans doute trouvée seuls. Ce qui se confirme surtout, une fois de plus, c'est que les annonces des boîtes d'IA sortent gonflées et que seule la vérification par les pairs, des mois plus tard, dit ce qui tient vraiment debout.

De la scène à l'objet : prédiction du double regard guidée par le texte

Des chercheurs ont présenté DualGaze-VLM, un nouveau cadre d'apprentissage automatique conçu pour prédire avec précision où un conducteur dirige son regard, non plus à l'échelle de la scène globale, mais objet par objet. Pour entraîner ce système, l'équipe a constitué G-W3DA, un jeu de données inédit qui décompose les traditionnelles cartes de chaleur macroscopiques en masques d'objets distincts, grâce à la combinaison d'un grand modèle de langage multimodal et de SAM3 (Segment Anything Model 3). Soumis au benchmark W3DA, DualGaze-VLM dépasse les meilleurs modèles existants sur les métriques d'alignement spatial, avec jusqu'à 17,8 % de gain en similarité (SIM) dans les situations critiques pour la sécurité. Un test de Turing visuel complémentaire révèle que 88,22 % des évaluateurs humains ont jugé les cartes d'attention générées indiscernables de celles produites par de vrais conducteurs. Cette avancée s'attaque à un verrou fondamental de la conduite autonome : pour qu'un véhicule prenne des décisions humainement compréhensibles, il ne suffit pas de détecter des objets, il faut modéliser l'intention cognitive du conducteur. Savoir que le système "regarde" un piéton précis plutôt qu'une zone floue de la chaussée permet de justifier une décision de freinage ou d'évitement de façon auditable. C'est un enjeu direct pour la sécurité, la certification réglementaire et la confiance des passagers dans les systèmes autonomes de niveau 3 et au-delà. Le problème central que résout cet article est celui du "découplage texte-vision" : les modèles vision-langage existants peinent à ancrer leur raisonnement sémantique sur des zones spatiales précises lorsque les données d'entraînement ne fournissent que des annotations globales. L'architecture DualGaze-VLM contourne cela via un module SE-Gate conditionné par les requêtes sémantiques, qui module dynamiquement les features visuelles. Cette approche s'inscrit dans une tendance de fond où les grands modèles multimodaux sont progressivement intégrés aux pipelines de perception automobile, une direction suivie de près par des acteurs comme Waymo, Tesla et les laboratoires universitaires qui alimentent les roadmaps réglementaires de l'UE sur l'IA embarquée.