Cette startup veut changer la façon dont les mathématiciens font des maths

L'IA continue de résoudre des problèmes mathématiques non résolus, un sentiment partagé chez les mathématiciens

Cette IA continue de résoudre des problèmes mathématiques non résolus, ce qui suscite des réactions partagées chez les mathématiciens. OpenAI a récemment publié une réfutation de la conjecture de la distance unitaire, un problème mathématique jusqu'ici irrésolu, déclenchant une vague d'avancées assistées par intelligence artificielle dans le domaine. Timothy Gowers, lauréat de la médaille Fields, rapporte que GPT 5.6 Pro a résolu deux problèmes sur lesquels il travaillait depuis un certain temps, et ce dès la première tentative pour chacun. Cette performance illustre la capacité croissante des modèles d'IA les plus avancés à s'attaquer à des questions mathématiques complexes, jusqu'alors réservées à l'expertise humaine spécialisée. Cette évolution soulève des inquiétudes profondes au sein de la communauté mathématique. Gowers met en garde contre une possible "destruction de la culture mathématique" si les chercheurs cessent de développer l'expertise nécessaire pour comprendre et vérifier de tels résultats. Le risque n'est pas seulement technique mais culturel: si l'IA produit des preuves que peu d'humains maîtrisent encore assez pour évaluer, le savoir-faire collectif accumulé au fil des générations pourrait s'éroder. D'autres mathématiciens adoptent une position plus pragmatique, considérant simplement ces outils comme des accélérateurs de productivité dans leur travail quotidien. Ce débat s'inscrit dans une tension plus large entre l'adoption enthousiaste de l'IA comme outil de recherche et la préservation des compétences fondamentales qui ont permis aux mathématiciens de construire, transmettre et vérifier des connaissances pendant des siècles. À mesure que des modèles comme GPT continuent de démontrer leur capacité à percer des problèmes ouverts, la communauté scientifique devra trancher entre intégration prudente et vigilance quant à la dépendance croissante envers ces systèmes, dont le raisonnement interne reste largement opaque même aux experts.

💬 Ce qui me frappe, c'est que le problème n'est plus "l'IA sait-elle faire des maths", c'est "qui reste capable de vérifier ce qu'elle produit". Gowers a raison de s'inquiéter, pas parce que GPT 5.6 Pro triche, mais parce qu'une preuve que personne ne peut relire n'est plus vraiment un savoir partagé, c'est une boîte noire qu'on accepte sur confiance. Reste à voir si la communauté impose des standards de vérification avant que ce soit trop tard, parce que là on est en train de troquer la culture mathématique contre du rendement.

OpenAI fait plier 10 problèmes de maths qui défiaient les chercheurs

Le 1er août 2026, OpenAI a publié dix résultats mathématiques produits par Astra, la version interne de son prochain grand modèle, accompagnés d'un manuscrit de 249 pages et de dix certificats de vérification formelle. Les problèmes couvrent la géométrie en haute dimension, la théorie des groupes, la cryptographie sur réseaux, la complexité quantique et la combinatoire. Parmi les résultats revendiqués : la construction du premier groupe non sofique explicite, la réfutation de la conjecture de rigidité de Connes, la preuve de la conjecture de volume d'Ehrhart, la résolution de trois problèmes d'Erdős, ainsi que la première amélioration générale sur l'empilement de sphères depuis 1978. OpenAI évalue le coût en jetons de ces découvertes à environ 2 000 dollars aux tarifs de son API Sol. Le chercheur Sébastien Bubeck, employé d'OpenAI, a personnellement mis en avant sur X le résultat concernant les groupes non sofiques, présentant Astra comme l'auteur intellectuel des démonstrations plutôt que comme un simple outil. Ce chiffre de 2 000 dollars illustre un effondrement potentiel du coût marginal de la recherche mathématique de très haut niveau, jusqu'ici affaire de carrières entières et de programmes pluriannuels. Pour les universités et les instituts de recherche, le signal est brutal : une partie du travail théorique le plus exigeant pourrait bientôt se rapprocher, en coût, d'un simple calcul informatique. La vérification formelle en Lean 4, avec un fichier par résultat reconstructible via Lean 4.32.0 et Mathlib, change aussi la donne : une démonstration mal fondée ne peut plus se cacher derrière une rédaction convaincante, puisqu'elle doit compiler mécaniquement. Cela ne dispense toutefois pas les spécialistes humains de vérifier que l'énoncé formalisé correspond bien au problème historique posé, et que la preuve apporte une compréhension utile au-delà de sa validité logique. Cette annonce intervient deux mois seulement après la réfutation, déjà attribuée à un modèle OpenAI, d'une conjecture d'Erdős vieille de 80 ans, ce qui suggère une accélération rapide des capacités mathématiques des grands modèles. Mais la communication reste asymétrique : OpenAI ne précise pas combien de tentatives ou de problèmes ont échoué avant cette sélection de dix résultats, ni le coût réel incluant l'entraînement d'Astra et l'infrastructure, une limite relevée notamment par l'analyste Simon Willison. Face à ce type d'annonces, les mathématiciens ont réagi collectivement via la Déclaration de Leiden sur l'IA et les mathématiques, soutenue par l'Union mathématique internationale, qui réclame des publications évaluées selon des standards indépendants plutôt que de simples communiqués d'entreprise. La suite dépendra largement de la capacité de la communauté mathématique à auditer ces résultats de façon indépendante, et de la volonté d'OpenAI de rendre publics les échecs autant que les succès.

💬 Astra à 2 000 dollars pour dix résultats qui résistaient depuis des décennies, ça dit une chose simple : le coût marginal de la recherche mathématique de pointe vient de s'effondrer. Reste que la vérif Lean, c'est bien pour la logique, pas pour savoir si le problème formalisé colle au vrai problème historique, ça c'est encore un boulot d'humain. Et tant qu'OpenAI ne publie pas ses échecs à côté de ses dix succès triés sur le volet, je garde une réserve saine sur l'ampleur réelle du truc.

Anciens chercheurs d'Anthropic en discussion pour lever des fonds pour une nouvelle startup évaluée à 1 milliard de dollars

D'anciens chercheurs d'Anthropic sont en discussions avancées pour lever 175 millions de dollars à une valorisation d'1 milliard de dollars pour financer une nouvelle startup baptisée Mirendil. Cette jeune entreprise ambitionne de développer des modèles d'IA spécialisés pour accélérer la recherche scientifique dans des domaines tels que la biologie et la science des matériaux. Le projet s'inscrit dans une tendance de fond qui voit émerger des "neolabs", des startups de recherche cherchant à appliquer l'intelligence artificielle aux grandes disciplines scientifiques. Ces structures attirent des investisseurs de premier plan, et Mirendil ne fait pas exception : les fonds Andreessen Horowitz et Kleiner Perkins seraient en négociation pour co-diriger ce tour de table. Ce qui distingue ce cas, c'est l'origine des fondateurs. Si de nombreux chercheurs ont déjà quitté OpenAI, Google ou Meta pour lancer ce type de projets, Anthropic avait jusqu'ici été relativement épargné par les départs au sein de ses équipes de recherche. Mirendil marque donc une rupture notable dans l'écosystème de la startup fondée par Dario Amodei. Cette levée de fonds, si elle se concrétise, confirme l'appétit sans faille des investisseurs pour les applications de l'IA à la recherche fondamentale, un segment perçu comme l'un des plus prometteurs à long terme, malgré des coûts de développement considérables.

Ce jeu vidéo pourrait détenir la clé de l'AGI, selon cette startup soutenue par Bezos

Le texte fourni n'est qu'un teaser tronqué (il s'arrête à "[…]"), je n'ai que le premier paragraphe de l'article, sans les détails concrets (montant levé, noms des fondateurs, produit précis, date). Je peux rédiger un résumé fidèle à ce court extrait, mais il sera nécessairement plus mince que les 200-250 mots demandés si je ne veux pas inventer d'informations absentes du texte source. Voici ce que je peux produire honnêtement à partir de ce qui est donné : Une startup nommée General Intuition, soutenue par Jeff Bezos, mise sur les données issues du jeu vidéo pour combler une lacune majeure des grands modèles de langage sur la route vers l'intelligence artificielle générale (AGI). Selon cette entreprise, des modèles comme ChatGPT ou Claude excellent dans la manipulation du texte mais peinent à comprendre comment les objets se déplacent dans l'espace et le temps, une capacité jugée essentielle pour produire une intelligence capable de généraliser au-delà du langage. General Intuition part du principe que les immenses volumes de données générées par les joueurs, mouvements, décisions, interactions dans des environnements virtuels dynamiques, pourraient fournir ce type d'apprentissage spatio-temporel qui fait défaut aux LLM actuels. Cette approche s'inscrit dans un débat plus large sur les limites des architectures purement textuelles pour atteindre une intelligence générale. Plusieurs chercheurs estiment que la compréhension du monde physique, causalité, permanence des objets, planification dans l'espace, ne peut pas émerger uniquement de l'entraînement sur du texte, aussi volumineux soit-il. Le soutien financier de Jeff Bezos à ce projet illustre l'intérêt croissant des investisseurs pour des voies alternatives vers l'AGI, misant sur des sources de données non conventionnelles plutôt que sur la simple augmentation de la taille des modèles de langage existants. Si tu as le lien de l'article complet ou peux me le coller en entier, je peux affiner avec les vrais chiffres (montant de la levée, nom du produit, etc.).