OpenAI continue de tester ses modèles propriétaires en mathématiques malgré la demande de ses conseillers
- OpenAI a publié 719 manuscrits de mathématiques issus d'un modèle interne non encore sorti sur GitHub le 6 octobre.
- Son groupe consultatif avait demandé aux laboratoires, le 29 septembre, d'arrêter de tester des problèmes de mathématiques avancés sur des modèles propriétaires.
- Un article révèle que le code Lean d'OpenAI pour sa preuve des équations de Navier-Stokes démontre des résultats plus faibles que ceux présentés dans la version écrite.
Le 6 octobre, OpenAI a publié sur GitHub 719 articles mathématiques générés par un modèle interne non encore diffusé.
Une semaine plus tôt, son propre groupe consultatif avait demandé aux laboratoires de cesser de tester des problèmes mathématiques avancés sur des modèles propriétaires.
Plus de 600 réponses à une enquête ont façonné les recommandations du panel de l'IAS publiées le 29 septembre
Le groupe consultatif sur les mathématiques et l'intelligence artificielle est basé à l'Institut d'études avancées de Princeton, dans le New Jersey. Le 29 septembre, il a publié des recommandations fondées sur plus de 600 réponses à un sondage.
« Nous tenons à déclarer clairement dès le départ : nous ne soutenons pas cette pratique et demandons à ce que soient interrompus les tests de problèmes mathématiques avancés sur des modèles propriétaires », a écrit le groupe.
Le même document met en garde contre le risque que les modèles internes privés créent un système à deux vitesses, où certains laboratoires devanceraient le reste du domaine.
Dans le cadre du développement de ses modèles, OpenAI indique dans son dépôt qu'elle teste ses modèles sur des problèmes de recherche ouverts. Elle a étendu ces tests après la saturation de ses benchmarks mathématiques existants.
OpenAI a déclaré avoir consulté le groupe et s'être inspiré de ses recommandations pour la publication. Dans un communiqué publié le 6 octobre, le groupe a précisé que son rôle consultatif ne constitue pas « un soutien au processus par lequel OpenAI a obtenu ces données ».
Le groupe a confié le verdict sur la conformité à la communauté mathématique dans son ensemble.
Le code Lean de Navier-Stokes prouve des affirmations plus faibles que celles du papier écrit
OpenAI a regroupé les 719 articles en 372 familles mathématiques, chacune centrée autour d'un résultat principal et de ses preuves associées. Elle a fourni au modèle propriétaire environ 4 000 problèmes, et chaque résultat a pris en moyenne environ trois heures de calcul de réflexion sur ChatGPT Pro.
Le groupe a demandé aux laboratoires d'IA de publier le nom du modèle, les invites (prompts), un résumé de la chaîne de pensée, le temps nécessaire et le coût de calcul pour chaque résultat.
OpenAI a publié 10 résumés de raisonnement, et environ 42 % des résultats principaux comportent des formalisations Lean.
Lean est un langage de programmation qui peut être utilisé pour vérifier une preuve par ordinateur. Si le code se compile, cela ne signifie pas que le code et l'argument écrit sont identiques. Cela signifie uniquement que l'énoncé formel est vrai.
Alexander Bastounis, Fabian Circelli et Anders C. Hansen ont examiné cet écart dans un article publié le 6 octobre. Ils constatent que l'article écrit sur Navier-Stokes par OpenAI avance des affirmations plus fortes que ce que prouve son code Lean, et qu'une estimation modifie l'ordre des dérivées d'entrée.
Les auteurs ont détecté des traductions erronées similaires dans la preuve d'Euler d'OpenAI. La preuve écrite d'OpenAI et les autres preuves Lean autoformalisées « ne devraient pas être considérées comme fiables à première vue sans le même processus de revue par les pairs et la même scrutiny auxquels les autres preuves sont soumises », ont-ils écrit.
Le résultat concernant Navier-Stokes a été annoncé par OpenAI le 8 septembre. Selon Cryptopolitan, le mathématicien de NYU Tristan Buckmaster a alors contesté la description de l'apport humain minimal impliqué dans ce travail.
L'entreprise s'est engagée à verser des fonds pour des ateliers, des conférences et des programmes spéciaux sur les grands résultats de l'IA.
Le 6 octobre, Terence Tao a écrit que les concepteurs de prompts d'IA résolvent souvent des problèmes puis perdent intérêt pour le domaine. Beaucoup ne peuvent pas répondre à des questions ou donner des conférences sur leurs résultats, a-t-il écrit. Son article ne citait pas OpenAI.
L'entreprise a déclaré que ses conseillers n'ont aucun pouvoir sur le rythme de sa recherche, a rapporté Cryptopolitan en septembre.
Les esprits les plus brillants du secteur crypto lisent déjà notre newsletter. Vous aussi ? Rejoignez-les.
FAQ
Qu'est-ce qu'OpenAI a publié le 6 2026 ?
719 manuscrits mathématiques provenant d'un modèle interne non publié, avec des formalisations Lean pour environ 42 % des résultats principaux.
Que la groupe consultatif a-t-il demandé à OpenAI de faire ?
Cesser de tester des problèmes mathématiques avancés sur des modèles propriétaires et publier les invites ainsi que la chaîne de pensée résumée pour chaque résultat.
Pourquoi les mathématiciens s'inquiètent-ils de la preuve des équations de Navier-Stokes ?
Un article a révélé que le code Lean d'OpenAI prouve des énoncés plus faibles que sa preuve écrite, et modifie l'ordre d'une dérivée dans une estimation.
Avertissement. Les informations fournies ne constituent pas des conseils en matière de trading. Cryptopolitan.com décline toute responsabilité concernant les investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement une recherche indépendante et/ou une consultation avec un professionnel qualifié avant de prendre toute décision d'investissement.
Randa Moses
Randa Moses est rédactrice et journaliste chez Cryptopolitan, couvrant la technologie, l'IA, la robotique, la crypto, les arnaques et les piratages. Elle évolue dans l'espace crypto depuis 2017. Elle a occupé des postes chez Forward Protocol, AmaZix et Cryptosomniac. Randa détient un diplôme en génie électrique et électronique de l'Université de Bradford.
