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

OpenAI, l’entreprise dirigée par Sam Altman, a annoncé le développement d’un nouveau modèle d’intelligence artificielle nommé Astra. Ce modèle, encore en phase interne, a réussi à résoudre 10 problèmes mathématiques complexes. OpenAI précise que ces résultats proviennent d’une version préliminaire d’Astra, sans encore préciser quand le modèle sera accessible au public. L’entreprise souligne que le coût estimé pour obtenir ces solutions s’élève à environ 2 000 dollars, selon les tarifs de l’API Sol, un service de traitement de texte par IA. Ce montant ne couvre que les tokens (unités de texte) utilisés pour reproduire les démonstrations, et non les nombreux essais-erreurs nécessaires pour affiner les prompts avant d’obtenir les bonnes réponses.

L’utilisation croissante de l’IA générative, comme Astra, dans la recherche en mathématiques soulève des questions sur la paternité des découvertes. OpenAI reconnaît que l’émergence de ces outils pose des défis éthiques et méthodologiques, notamment sur la façon d’attribuer correctement le mérite d’une démonstration. L’entreprise insiste sur la nécessité de refléter fidèlement la contribution réelle de l’IA et des humains dans les publications scientifiques. Par exemple, attribuer une découverte entièrement générée par une IA à un chercheur humain donnerait une fausse image du travail intellectuel humain. Cette problématique est au cœur de la Leiden Declaration on Artificial Intelligence and Mathematics, une déclaration publiée par une partie de la communauté mathématique qui liste cinq risques potentiels liés à l’IA dans ce domaine.

La Leiden Declaration met en garde contre cinq menaces que l’IA générative pourrait représenter pour les mathématiques. Parmi elles, on trouve le risque de se noyer sous des arguments plausibles mais erronés, l’absence de citations correctes ou de respect du droit d’auteur, ainsi que la tentation de mettre en avant des résultats obtenus avec l’IA sans publier d’articles de recherche détaillés. Un autre point critique est la perte d’autonomie des chercheurs face aux entreprises développant ces technologies. Par exemple, OpenAI et d’autres acteurs du secteur utilisent souvent les mathématiques comme un benchmark (un test de performance) pour démontrer la supériorité de leurs modèles, ce qui, selon certains, comme le mathématicien David Madore, ne vise pas à faire avancer la science mais à vendre des produits.

Un exemple récent illustre l’impact de l’IA sur la recherche mathématique. Deux chercheurs, Prabhanjan Ananth et Amit Sahai, ainsi qu’un doctorant, Seyoon Ragavan, ont publié des solutions à un même problème de cryptographie quantique à moins de quatre heures d’intervalle sur la plateforme arXiv, un site où les scientifiques partagent leurs travaux avant une éventuelle publication officielle. Les deux articles, rédigés avec l’aide du modèle GPT-5.6 Sol Ultra, proposent des approches différentes pour résoudre ce problème technique. Ce cas montre comment l’IA accélère la résolution de questions complexes, au point que certains chercheurs estiment que « de nombreux problèmes que nous ne savions pas résoudre vont trouver une solution dans un avenir très proche ».