Les IA ont déjà mis les mathématiciens au chômage. Et ils râlent - Neper AI

Le 11 septembre 2026, 25 médaillés Fields ont publié publié sur le site mathandai.org une déclaration intitulée « A Severe Misalignment of AI in Mathematics ». Terence Tao, Peter Scholze, Maryna Viazovska, Cédric Villani, Pierre-Louis Lions et Yu Deng, médaillé en juillet, y écrivent que la course des laboratoires d’IA aux problèmes ouverts est nuisible à la science mathématique et à sa communauté.

Pour ceux qui ont sont allergiques aux maths : la médaille Fields c’est l’équivalent du Prix Nobel pour les Mathématiques.

Pourquoi cette déclaration ?

Elle est arrivée trois jours après l’annonce par OpenAI d’une solution au problème de Navier–Stokes, l’un des sept problèmes du Millénaire du Clay Mathematics Institute. Open AI, pour résoudre ce problème a mobilisé 10 000 agents pendant 88 heures.

L’annonce d’OPen AI qui a déclenché la polémique.

Mais malaise : douze heures avant cette annonce, un professeur de NYU avait publié une déclaration de quatre pages décrivant comment OpenAI avait eu vent de son travail, l’avait doublé en un week-end, puis lui avait proposé d’en signer seul le compte rendu à condition d’en écarter son coauteur, salarié d’Anthropic.

Un an de travail humain, contre un week-end de calcul

Parlon des acteurs humains de cette affaire d’abord.

Diego Córdoba et Luis Martínez-Zoroa, à Madrid, explorent depuis plusieurs années la construction de solutions explosives des équations des fluides sous forçage, c’est-à-dire avec une force extérieure appliquée au fluide. Presque personne d’autre ne travaille sur cette voie. Tristan Buckmaster, professeur au Courant Institute de NYU, et Levent Alpöge, mathématicien employé par Anthropic, reprennent leur programme en 2025 dans une collaboration que Buckmaster décrit comme strictement personnelle, sans accord institutionnel, financée sur ses propres crédits de recherche, y compris une grosse facture OpenAI.

Ils utilisent Claude, Codex, GPT-5.6 Sol, puis Astra pour la relecture. Pendant la majeure partie de l’année, les progrès sont lents. Le 15 août 2026, ils obtiennent l’explosion en temps fini, avec forçage lisse, pour les équations de Boussinesq et d’Euler. La preuve est vérifiée dans Lean, l’assistant de preuve qui permet à un ordinateur de contrôler chaque étape d’une démonstration, le 22 août.

Buckmaster écrit que la première preuve générée par un LLM que lui envoie Alpöge est la plus horrible qu’il ait jamais lue. Ils passent les semaines suivantes à la rendre lisible.

Côté OpenAI, la chronologie officielle, publiée le 8 septembre, est la suivante.

L’entreprise entraîne depuis le 28 août un modèle interne qu’elle présente comme nettement plus performant que GPT-6 Astra. Le mardi 1er septembre, elle entend des rumeurs selon lesquelles deux problèmes du Millénaire auraient été résolus. Elle lance alors une évaluation sur tous les problèmes du Millénaire encore ouverts, avec des groupes d’agents ayant accès à une copie en cache d’Internet et à l’exécution de code. Une centaine d’agents résolvent Euler sans forçage en 50 heures. Les ressources sont alors concentrées sur Navier–Stokes, et les agents reçoivent la solution d’Euler comme point de départ. Le samedi 5 septembre, 88 heures après le lancement, un groupe d’environ 10 000 agents produit la preuve. La formalisation Lean prend 17 heures de plus avec GPT-6 Astra. Au total, les agents ont échangé 4,9 millions de messages et consommé environ 300 milliards de tokens de sortie, dont 130 milliards pour Navier–Stokes.

TechCrunch a converti ce volume aux tarifs publics d’Astra : cela représente 22,5 millions de dollars d’investissement !

Le dimanche 6 septembre

Le récit de Buckmaster, publié le 7 septembre peu avant minuit sur sa page NYU, couvre les quatre jours précédents. Le jeudi 3, inquiet qu’une rumeur attribuant à Anthropic la résolution d’un grand problème ouvert le désigne en réalité, et averti par Alpöge que des informations sur leur travail avaient été transmises à OpenAI, il écrit à un mathématicien d’OpenAI pour expliquer que le travail est personnel et sera publié sous peu. La réponse, le jour même, propose de l’aide en calcul et demande des détails afin d’éviter une concurrence.

Le dimanche 6 à 12 h 45, on lui demande s’il peut parler dans la journée. Sébastien Bubeck, qui dirige l’équipe mathématique d’OpenAI, se joint à l’appel. Alpöge n’y est pas. Buckmaster apprend qu’un modèle interne a produit une preuve d’explosion pour Navier–Stokes avec forçage, options C et D de l’énoncé officiel de Fefferman. Le mot « forced » est pour lui un signal d’alarme : c’est précisément la voie ouverte par Córdoba et Martínez-Zoroa, celle qu’Alpöge et lui attaquaient discrètement, et ce n’est pas la direction qu’on atteint en quelques jours en donnant l’énoncé à un modèle.

On lui montre un prompt et on lui dit que le modèle a simplement reçu l’énoncé du problème. Au fil de l’appel, à mesure que l’équipe de Bubeck lui envoie des corrections par messagerie interne, il apparaît qu’une équipe entière travaillait sur le problème, que le modèle avait d’abord été mis sur des cas plus simples dont Euler, que le prompt montré avait lui-même été écrit en promptant Codex, et qu’une quantité de calcul considérable avait été engagée. Buckmaster demande quand le premier prompt a été envoyé. La réponse tarde, puis on convient qu’il l’a été dans les derniers jours, après que l’information sur leur travail a atteint OpenAI. Il demande si le modèle a été entraîné sur leurs sessions Codex, où ils déposaient tous leurs brouillons depuis le début du projet. On lui répond que le modèle ne consulte pas les données utilisateur. Il repose la question sur l’entraînement et n’obtient pas de réponse.

Deux propositions lui sont faites : publier Euler et laisser OpenAI publier Navier–Stokes le lendemain, ou rédiger seul un article présentant le résultat de Navier–Stokes en créditant le modèle interne. Selon Buckmaster, Bubeck affirme deux fois vouloir Alpöge retiré de la liste des auteurs, en raison de son employeur. Buckmaster refuse et annonce qu’il rendra l’affaire publique. La réplique, telle qu’il la rapporte : « Why would you ruin your career? »

Bubeck a publié sa version sur X le 8 septembre. D’après les comptes rendus de The Next Web et d’Officechai, il nie avoir demandé le retrait d’Alpöge de ses propres travaux, explique avoir découvert en cours d’appel que le duo n’avait résolu qu’Euler, et qualifie la phrase sur la carrière de mot malheureux, retiré sur-le-champ. Sam Altman l’a soutenu publiquement dans la demi-heure. OpenAI a ajouté à son annonce, le 10 septembre, la conclusion d’une enquête interne : les prompts Codex de Buckmaster des deux mois précédents n’ont pu influencer le système d’aucune manière, y compris par l’entraînement. L’enquête ne mentionne pas les sessions d’Alpöge.

Buckmaster précise ce qu’il n’affirme pas : il n’a pas vu la preuve d’OpenAI, ne sait pas ce que le modèle a fait ni si leurs données ont servi, et n’accuse personne. Il rapporte ce qu’on lui a dit, quand, et ce qu’on lui a proposé.

À qui attribuer la prochaine médaille Fields?

C’est ici que l’affaire cesse d’être une péripétie limité à quelques personnes dans la Silicon Valley pour devenir un problème aux yeux de toute une profession.

Buckmaster écrit noir sur blanc que, au vu de ce corpus de travail, Martínez-Zoroa mérite une médaille Fields. Charles Fefferman, qui a rédigé l’énoncé officiel du problème pour le Clay en 2000, a désigné à Quanta Córdoba et Martínez-Zoroa comme les héros de l’histoire.

Mais la preuve de 166 pages publiée par OpenAI porte un seul nom d’auteur : OpenAI.

*Cedric Villani est l’un des médaillés Fields les plus céllèbres en France. Il est signataire de la tribune qui a sonné la fronde des mathématiciens contre les grands éditeurs de LLMs*

Octobre : 722 manuscrits, trois retraits d’articles – AI Slop et Toxic Waste

Tao parle dans The Observer, à propos des preuves produites en masse, de « toxic waste ».

Le 21 septembre, OpenAI annonce le soutien d’un groupe consultatif indépendant hébergé à l’Institute for Advanced Study de Princeton, l’AGMAI, composé de neuf mathématiciens dont Timothy Gowers, Martin Hairer, Edward Witten et Melanie Matchett Wood.

Le même billet affirme que le modèle a résolu plus de 100 problèmes ouverts supplémentaires.

Le 29 septembre, après plus de 600 réponses de la communauté, l’AGMAI publie ses recommandations.
La première demande aux laboratoires de mathématiques d’ « d’arrêter de tester des problèmes de mathématiques avancés sur des modèles propriétaires ». Les recommandations suivantes exigent le dépôt sur des archives non contrôlées par le laboratoire, la publication des prompts, des chaînes de raisonnement, du nombre d’essais, du calcul et des coûts, et un financement des travaux de compréhension humaine décidé par des institutions indépendantes.

Le 6 octobre, OpenAI publie sur GitHub 722 manuscrits groupés en 372 familles de résultats, tirés d’environ 4 000 problèmes soumis au modèle, avec en moyenne trois heures de calcul par résultat.

Mais (epic fail) : Le lendemain, trois manuscrits sont retirés pour une erreur de signe et 14 révisés.

Selon TechCrunch, 42 % des preuves n’ont pas été formalisées en Lean. Hugo Duminil-Copin, médaillé Fields 2022, a expliqué le 8 octobre lors d’un appel de la Société mathématique de France que la publication contenait des solutions à 16 questions sur lesquelles il avait passé des années, et que presque tous les problèmes ouverts cités dans ses cours et ses demandes de financement avaient été résolus d’un coup.

L’AGMAI, le jour de la publication, a pris soin de préciser que son rôle consultatif ne valait ni jugement sur l’impact des résultats ni approbation du procédé.

Puis OpenAI change de méthode. Le 26 octobre, il annonce une preuve d’existence de la théorie de Yang–Mills pure, produite le 9 septembre et formalisée en Lean le 16 octobre, ainsi que des résultats sur la chromodynamique quantique et une complétion du Modèle Standard. Cette fois, les artefacts ne sont pas publiés : ils sont confiés à un groupe de physiciens mené par David Gross, qui prépare sa propre rédaction. La veille, le 25 octobre, l’AGMAI avait publié un texte contre cette pratique des mathématiciens désignés : accès inégal, choix opaque reflétant les réseaux du laboratoire, et « borrowed reputation », les noms des chercheurs finissant par couvrir la publication et protéger l’entreprise de la critique. Le 26, le comité demande la publication immédiate des sorties Yang–Mills, la formalisation étant achevée.

Le comité suscité par OpenAI pour canaliser la critique se retrouve donc, cinq semaines après sa création, à publier des injonctions auxquelles OpenAI ne répond pas.

Pourquoi la gronde des mathématiciens annonce des lendemains compliqué pour de nombreuses professions

Une profession entière (entourée d’un certain prestige) vient de découvrir que son objet de travail est devenu un terrain jeu pour des éditeurs de LLMs, et qu’ils sont en passe de rendre leur talent et leur savoir faire totalement inutiles.

Beaucoup de médaillés Fields ne s’y attendaient pas. Cedric Villani, pour ne citer que lui, pensait clairement avoir quelques années avant que des IA se mettent à résoudre des problèmes jugés insolubles par centaines.

Mais surtout, leurs institutions professionnelles ont montré qu’elles étaient incapables de freiner ou même d’empêcher la disruption rapide de leur activité. Au point de perdre toute raison d’être. Et qu’elles servent surtout de « caution morale » pour permettre aux éditeurs de LLMs de faire ce qu’ils veulent sans forcément respecter les règles des milieux professionnels auxquels ils s’attaquent.

Evidemment, des LLMs qui font mieux que des mathématiciens, c’est un symbole fort d’avancée vers la « super intelligence ». Investir des dizaines de millions dans de la force brute pour résoudre des problèmes réputés difficiles, c’est un bon moyen de continuer à faire croire aux progrès rapides des IA génératives et à leur avenir radieux, et de continuer à attirer des capitaux par paquets de milliers de millards de dollars.

Mais posons nous la question : quand nous aurons mis tous les mathématiciens au chômage, est-ce que les IA seules pourront réellement faire progresser la connaissance et la science ? Ou faut-il préserver une profession et un savoir faire qui garantit qu’on aura demain des gens capables de savoir quels problèmes soumettre à des machines.

Et c’est transposable à bien des secteurs qu’une disruption rapide et radicale pourrait déstabiliser.

Sources

Ce contenu vous a plu ?

Inscrivez-vous gratuitement à notre newsletter et recevez chaque semaine l’actualité du SEO directement dans votre boîte email. Vous pouvez vous désabonner à tout moment !