Sam Altman a défendu la publication des résultats mathématiques d’OpenAI, malgré les difficultés que ces travaux posent aux chercheurs. Dans un compte rendu publié le 30 octobre 2026 par The Verge, le PDG d’OpenAI estimait que l’entreprise ne devait pas retenir une découverte scientifique fondamentale. L’épisode du podcast Cheeky Pint où il s’exprimait avait été diffusé le 29 octobre.
Altman a dit éprouver de l’empathie pour les mathématiciens qui doivent examiner ces résultats, tout en plaidant pour un accès public aux connaissances fondamentales. Il a également affirmé qu’OpenAI avait d’autres découvertes mathématiques en réserve, au-delà des centaines de résultats déjà publiés.
Dans le même entretien, il a évalué les dépenses d’OpenAI consacrées aux problèmes mathématiques à plusieurs centaines de millions de dollars. Pour les travaux liés aux équations de Navier–Stokes, il a avancé un montant d’environ 10 millions de dollars, voire davantage. Ce sont ses estimations.
Ce que recense le dépôt mathématique d’OpenAI
Dans l’état du dépôt dont le dernier commit affiché date du 30 octobre 2026, OpenAI recense 721 manuscrits répartis en 373 familles de résultats. L’entreprise indique aussi qu’environ 42 % de ses résultats de premier niveau sont formalisés. Le tableau résume les chiffres et la méthode de production qu’OpenAI décrit pour la grande majorité de ces résultats.
| Mesure | Valeur indiquée | Portée précisée par OpenAI |
| Manuscrits | 721 | Catalogue du dépôt à la date de son dernier commit affiché |
| Familles de résultats | 373 | Nombre de familles recensées dans le dépôt |
| Résultats de premier niveau formalisés | Environ 42 % | Proportion indiquée par OpenAI |
| Problèmes posés au modèle | Environ 4 000 | Charge d’évaluation décrite par OpenAI |
| Calcul de raisonnement par résultat | 3 heures en moyenne | Calcul de raisonnement de ChatGPT Pro, pour la grande majorité des résultats ; OpenAI indique des exceptions |
| Modèle utilisé | Modèle interne non nommé | Procédure décrite pour la grande majorité des résultats |
Le dépôt indique que les résultats ont été regroupés en familles et en manuscrits après sélection pour leur importance. Certains résultats s’appuient aussi sur des travaux antérieurs produits par les modèles d’OpenAI, sans que le dépôt nomme de chaîne précise entre deux résultats.
Formaliser avec Lean ne résume pas la vérification
La formalisation consiste à exprimer une preuve dans un format qu’un assistant de preuve peut contrôler. Lean est l’assistant utilisé pour une partie des travaux. OpenAI indique que les résultats se trouvent à différents stades de vérification, que tous les manuscrits ne disposent pas d’une formalisation Lean et que les résultats non formalisés peuvent présenter des problèmes. L’entreprise décrit sa collection comme des données de recherche brutes plutôt que comme des articles universitaires aboutis.
Retraits rapportés et effets d’une solution déjà connue
Le 21 octobre 2026, Quartz a rapporté qu’OpenAI avait retiré trois articles dans les jours suivant la publication de sa collection, après la découverte d’erreurs. Terence Tao, cité par Quartz, a estimé que connaître une solution avant d’avoir exploré un problème peut réduire la richesse de cette exploration. C’est son point de vue sur le travail mathématique, pas une mesure de cet effet.
