OpenAI a présenté sa prochaine grande famille de modèles le 1er août 2026, non pas avec un tableau de benchmarks mais avec dix problèmes de recherche résolus. Une version interne et non diffusée du modèle — baptisée Astra — a produit des solutions originales à dix questions ouvertes en mathématiques et en informatique théorique, dont aucune n'avait connu d'avancée sur son résultat principal depuis au moins dix ans. Chaque solution a été publiée avec une formalisation Lean 4 sur GitHub et un déroulé du raisonnement du modèle.
Le résultat phare est la première construction explicite d'un groupe non sofique, qui tranche une question posée par Mikhaïl Gromov en 1999 : tout groupe dénombrable admet-il une approximation par des permutations finies ? "Oui, les groupes non sofiques existent", a écrit le chercheur d'OpenAI Sébastien Bubeck en annonçant la publication sur X, décrivant le résultat comme "l'un des nombreux beaux résultats démontrés par Astra, notre prochain grand modèle".
Points clés
- Dix résultats, couvrant la théorie des groupes, les algèbres de von Neumann, la géométrie en grande dimension, la théorie des codes, la complexité des circuits arithmétiques, la complexité quantique, la cryptographie sur réseaux euclidiens et la combinatoire extrémale.
- Chaque preuve formalisée en Lean 4 et publiée sur GitHub, de sorte que chaque étape logique peut être vérifiée par un programme plutôt que crue sur parole.
- Environ 2 000 dollars de coût total en tokens aux tarifs de l'API Sol, soit à peu près 200 dollars par problème ouvert depuis une décennie.
- Un manuscrit de 249 pages accompagne la publication, avec un déroulé du raisonnement pour chaque résultat.
- Astra n'est pas disponible. Ni tarif, ni benchmarks, ni date de sortie, et aucune décision finale sur une commercialisation en GPT-6 ou en version intermédiaire.
Détails
Les dix résultats sont d'une diversité inhabituelle pour une seule annonce. Au-delà du groupe non sofique, Astra a produit une réfutation de la conjecture de rigidité de Connes en théorie des algèbres de von Neumann, une démonstration de la conjecture du volume d'Ehrhart en toute dimension, et la première amélioration de la borne supérieure générale sur l'empilement de sphères en grande dimension depuis 1978 — une borne qui atteint désormais le seuil de Cohn-Elkies.
Le reste penche vers la complexité et la combinatoire : des bornes exponentiellement améliorées sur la taille des codes binaires et sphériques, de nouvelles bornes inférieures de circuits arithmétiques pour le calcul du permanent, un théorème de répétition parallèle exponentielle pour tout jeu fini à deux joueurs intriqués, et une difficulté d'approximation à facteur polynomial pour le problème du vecteur le plus proche. Trois problèmes d'Erdős sont également tombés — les numéros 146, 180 et 183, ce dernier étant une borne inférieure surexponentielle sur les nombres de Ramsey triangulaires multicolores.
OpenAI est explicite sur la répartition du travail. Astra a généré les arguments mathématiques centraux et les a formalisés ; des chercheurs humains ont préparé les manuscrits en vue de la publication. L'entreprise indique qu'attribuer ces arguments à des auteurs humains reviendrait à travestir la façon dont ils ont été produits — une position notable au vu du différend en cours sur l'attribution en mathématiques assistées par IA.
Impact
Ce sont les certificats Lean qui distinguent cette annonce des précédentes en matière d'IA et de mathématiques. Le mode d'échec habituel de telles affirmations est une chaîne de raisonnement plausible qui escamote discrètement la seule étape qui comptait vraiment ; un noyau Lean n'accepte pas les approximations. N'importe qui peut cloner le dépôt et revérifier les preuves sans avoir à croire la description qu'en donne OpenAI.
Le chiffre du coût occupe une place démesurée dans la couverture médiatique, et il mérite examen. Les quelque 2 000 dollars couvrent les exécutions réussies. Le chercheur d'OpenAI Noam Brown a reconnu que l'équipe s'était attaquée à d'autres grands problèmes sans succès : "Malheureusement, aucun problème du prix du millénaire (pour l'instant)." Il a aussi noté que la dépense par problème restait faible, ce qui laisse penser que davantage de calcul au moment de l'inférence pourrait aller plus loin. Ce que l'annonce ne divulgue pas, c'est le dénominateur : combien de problèmes tentés, combien d'exécutions échouées, et quelle est la facture expérimentale complète.
Pour les chercheurs en activité, le déplacement concerne moins les dix théorèmes que l'endroit où se situe désormais le goulet d'étranglement. Les nombres de Ramsey ne nourrissent personne, même si le résultat de difficulté sur le problème du vecteur le plus proche touche aux fondations de la cryptographie post-quantique fondée sur les réseaux. Le changement le plus lourd de conséquences, c'est que produire une preuve candidate à un problème ouvert depuis dix ans a maintenant un prix affiché, et que la vérifier est devenue la compétence la plus rare.
Contexte
L'annonce arrive dans une période déjà tendue. En juillet, Claude Fable 5 d'Anthropic a contribué à produire un contre-exemple à la conjecture jacobienne, un problème vieux de 87 ans, en dimension trois et au-delà — un résultat publié sur X par le mathématicien Levent Alpöge, puis formalisé en Lean par la communauté de Kevin Buzzard. Thomas Bloom, le mathématicien de Manchester qui maintient la base de données des problèmes d'Erdős, a qualifié la publication d'Astra de "grande nouvelle", plus importante que les résultats antérieurs de cette année.
Bloom a par ailleurs rejeté l'idée que l'IA remplacerait les mathématiciens, rappelant que ces systèmes s'appuient sur plus d'un siècle de théories bâties par des mathématiciens et ont été entraînés sur tout ce que les mathématiciens ont écrit. En juin 2026, un groupe international a publié la Déclaration de Leyde sur l'intelligence artificielle et les mathématiques, approuvée par l'Union mathématique internationale et signée en moins de vingt-quatre heures par plus d'un millier de chercheurs, dont Terence Tao, Peter Scholze, Kevin Buzzard et Scott Aaronson. Son objection ne porte pas sur l'IA mais sur l'entraînement sans consentement, le contournement de la vérification et l'absence d'attribution — et elle avertit précisément que l'évaluation scientifique souffre lorsque les résultats sont communiqués par communiqués de presse et billets de blog plutôt que par des articles.
La suite
Astra reste non diffusé, et OpenAI n'a publié ni benchmarks ni fenêtre de lancement. Les questions ouvertes sont de savoir si les dix résultats survivront à l'évaluation par les pairs, à quoi ressemble le taux d'échec non divulgué, et si la même approche se généralise au-delà des problèmes vérifiables mécaniquement. La vérification formelle fonctionne parfaitement pour les théorèmes ; la plupart des affirmations scientifiques ne s'accompagnent pas d'un noyau capable de les rejeter.
Source : OpenAI