Le mathématicien Tristan Buckmaster pense que la société OpenAI a utilisé ses travaux pour prendre de l'avance et le devancer dans la résolution d'un problème mathématique légendaire assorti d'une prime d'un million de dollars. Mais cela n'a pas suffi pour qu'il cesse d'utiliser les modèles de l'entreprise, et il n'est pas le seul mathématicien dans ce cas.

« Même si vous n'êtes pas d'accord avec tout cela, vous êtes en quelque sorte coincé. L'IA étant si utile, il est difficile de s'empêcher complètement de l'utiliser », a déclaré Buckmaster à WIRED. « Ces entreprises ont un monopole et il n'y a pas beaucoup de choix », ajoute-t-il.

Au cours des dix jours qui ont suivi l'accusation du professeur de l'Université de New York selon laquelle OpenAI aurait copié son approche, Buckmaster a utilisé l'agent de codage de l'entreprise, Codex, pour mettre de l'ordre dans ses documents de recherche. Lorsqu'il trouve le temps de faire des mathématiques, ce qui est rare selon lui depuis que la polémique l'a propulsé sous le feu des projecteurs, l'outil l'aide à comprendre les étapes logiques que les agents d'OpenAI ont pu suivre pour passer de ses travaux antérieurs à la démonstration finale.

Buckmaster a utilisé Codex ainsi que le modèle concurrent Claude d'Anthropic pour travailler sur ce que l'on appelle le problème de l'existence et de la régularité des équations de Navier-Stokes, aux côtés du chercheur Levent Alpöge d'Anthropic. OpenAI a déployé des dizaines de milliers d'agents pour parvenir à la solution, mais seulement après avoir appris que l'équation était sur le point d'être résolue, affirme Buckmaster.

Lorsque Buckmaster a rendu ses allégations publiques, cela a déclenché une tempête de feu concernant l'intelligence artificielle et la question de savoir si elle allait rendre les mathématiciens humains obsolètes. Cela a également conduit OpenAI à mener une enquête et à modifier son annonce concernant la résolution de Navier-Stokes pour affirmer qu'elle « a confirmé que les invites de Buckmaster sur Codex au cours des deux mois précédant cette annonce et l'article du 8 septembre 2026 n'ont pu influencer le système d'aucune manière, y compris par le biais de l'entraînement ».

L'entreprise a indiqué à WIRED de se référer à son annonce dans un courriel. Démontrer que l'IA repoussait les limites des mathématiques était « plus important que le résultat », selon Buckmaster. Mais produire à la chaîne des solutions à des problèmes mathématiques de longue date sans créditer pleinement le travail humain qui les sous-tend, en particulier avant des introductions en bourse majeures, est irresponsable et « puéril », dit-il.

D'autres mathématiciens ont soulevé des préoccupations similaires. Seule une poignée de personnes sur la planète comprennent les techniques de théorie géométrique des groupes que le mathématicien allemand Andreas Thom a passé les deux dernières décennies à développer.

Ainsi, lorsque OpenAI a déclaré en août que son modèle Astra les avait utilisées pour prouver un problème de longue date sur lequel il travaillait, « j'ai été stupéfait », confie Thom. « Et bien sûr, je me demandais comment ils avaient pu en prendre connaissance. »

Il affirme donc avoir interrogé les chercheurs d'OpenAI Mark Sellke et Sébastien Bubeck. Dans un courriel d'août, il a souligné que l'affirmation de l'entreprise selon laquelle « aucun progrès » n'avait été réalisé sur le problème au cours de la dernière décennie négligeait un article qu'il avait publié en 2019, ainsi que les travaux d'autres mathématiciens. L'entreprise a modifié son communiqué de presse.

Lui et un collègue avaient utilisé ChatGPT pour les aider dans leurs travaux sur le problème dans les mois précédant le résultat, mais lorsqu'il a demandé si leurs interactions avaient été intégrées aux données d'entraînement, Thom affirme que Sellke a répondu : « Cela ne s'est pas produit. »

« J'ai laissé cela de côté », se rappelle Thom. « Je ne m'intéresse pas tellement à ces questions politiques ; je veux faire des mathématiques. »

Bien qu'il ait pris connaissance de la déclaration d'OpenAI selon laquelle les invites de Buckmaster n'auraient pas pu influencer le système, il affirme ne pas y croire et concède qu'il ne saura probablement jamais si son travail a réellement alimenté le résultat.

« L'IA tue vraiment toute cette idée selon laquelle on pourrait retracer qui a contribué à quoi », dit-il. « C'est probablement terminé. »

C'est un changement radical par rapport à la manière dont la science est habituellement pratiquée, les universitaires soumettant leurs conclusions à l'évaluation par les pairs et s'appuyant sur les travaux les plus récents des autres tout en accordant du crédit.

Au-delà de la remise en cause de l'attribution, le fait que les humains ne comprennent toujours pas pleinement chaque étape franchie par les agents d'OpenAI pour arriver au résultat de Navier-Stokes pose également des questions existentielles aux mathématiciens, qui voient leur domaine échapper à leur compréhension.

« Si je veux contribuer aux mathématiques, comment puis-je le faire en tant que simple humain de nos jours, alors que ces entreprises d'un billion de dollars sont dans la course ? », s'interroge Alex Townsend, mathématicien à Cornell et co-auteur d'un livre à paraître sur l'évolution du domaine.

Depuis août, Townsend a vu beaucoup de ses collègues commencer à se demander ce qu'ils doivent savoir sur cette technologie et comment ils peuvent souscrire des abonnements pour accéder à des modèles plus puissants.

« Je me sens à la fois excité et nerveux », déclare Townsend. « Excité parce que je peux accomplir des choses que je ne pourrais pas réaliser sans elle, et nerveux parce que je me pose la question : "Ok, quel est mon rôle ici ?" »

Thom accepte le fait que son domaine d'étude est en train de changer et a continué à utiliser ChatGPT — avec des paramètres de confidentialité mis à jour pour empêcher que son travail ne serve à l'entraînement des données — pour accélérer la rédaction de ses articles parce que c'est « extrêmement efficace ». (Les offres d'OpenAI destinées aux universités et au niveau des entreprises prévoient par défaut de ne pas entraîner les modèles sur les données des utilisateurs).

« Si un humain avait fait cela activement, alors j'en serais très, très en colère », dit-il à propos de quelqu'un qui utiliserait son travail sans attribution. Mais si les informations ont été introduites dans le modèle par une porte dérobée, par un algorithme que personne ne comprend totalement, « je pourrais probablement m'en accommoder », affirme-t-il.

Certains mathématiciens se montrent moins indulgents. Vingt-cinq lauréats de la médaille Fields ont écrit dans une lettre ouverte que les entreprises d'IA et les mathématiciens sont « gravement désalignés ».

Plus de 4 000 personnes ont signé la Déclaration de Leiden, qui formule une série de recommandations sur la manière dont les mathématiciens, les bailleurs de fonds et les politiciens peuvent s'assurer que l'IA n'engloutit pas la discipline.

Buckmaster craint qu'en utilisant l'IA pour « corriger un peu votre grammaire, soudainement vos années de travail [ne puissent] être gobées dans les données utilisateur et vendues à un autre mathématicien ou étudiant diplômé. C'est ce qui inquiète la plupart des mathématiciens, et je pense que c'est un vrai problème ».

En l'absence de toute surveillance à l'horizon et alors que l'IA s'implante de plus en plus dans le domaine, certains mathématiciens veulent trouver un moyen de freiner au moins le mouvement. Cela inclut plus de 2 000 personnes liées à Caltech qui ont demandé aux organisateurs d'un hackathon de mathématiques sur l'IA au sein de l'école de suspendre l'événement.

Le hackathon était parrainé par Anthropic et OpenAI, bien que ce dernier se soit retiré depuis. Mais toutes les tentatives pour ralentir le rythme pourraient bien être vaines, en particulier à long terme.

« Je ne pense pas que ce soit vraiment viable en raison du gain d'efficacité » offert par l'IA, estime Thom. Tous les mathématiciens, en particulier les chercheurs en début de carrière, risquent d'être « isolés » s'ils n'utilisent pas l'IA pour accélérer leurs travaux, ajoute-t-il.

Lui et Buckmaster pensent tous deux que la communauté doit commencer à réfléchir à ce que cette technologie implique pour les plus jeunes mathématiciens et à la manière d'adoucir cette transition.