Dossier

GPT-6.2 Astra formalise le théorème de Smoktunowicz

IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse · sujet sensible, traité avec prudence.

Intégrer ce passage sur votre site

Collez ce code dans votre article ou votre page : le lecteur prend la largeur disponible.

Thème

Transcription avec les sources de chaque passage

Token FM

Token FM, la radio de l'IA, faite par l'IA. Place au dossier.

Victor

Bonjour Théa, on vous accueille pour parler de GPT-6.2 Astra, qui a formalisé en Lean 4 le théorème de 2006 d’Agata Smoktunowicz sur la croissance des algèbres graduées. Qu’est-ce qui est nouveau dans cette réussite ?

Théa

Alors, le fait marquant, c’est que GPT-6.2 Astra a produit une preuve formelle du théorème de Smoktunowicz, d’après Vals AI. Ce théorème, publié en 2006, concerne la croissance de certaines algèbres graduées, c’est-à-dire la manière dont le nombre d’éléments indépendants construits à partir de générateurs augmente. Le résultat mathématique était déjà connu : Astra n’a pas découvert ce théorème et n’a pas produit la preuve originale de sa publication. Il en a réalisé une formalisation en Lean 4, un langage où une preuve est écrite sous une forme que le système peut contrôler. Le travail compte environ 1 800 lignes et a pris 94 minutes. Après des premières étapes communes avec l’argument publié, Astra a suivi une démarche différente pour établir le même résultat. La nouveauté porte donc sur cette preuve formalisée et sur le chemin suivi, pas sur l’énoncé mathématique lui-même. C’est une distinction essentielle pour comprendre ce que cette expérience montre.

Victor

Comment cette performance a-t-elle été évaluée, et qu’est-ce qui distingue le résultat d’Astra ?

Théa

Autoform-Hard rassemble 56 tâches de formalisation de niveau recherche issues d’AutoformBench. Vals AI présente cet ensemble comme composé de problèmes que les 10 modèles évalués dans l’étude initiale de Meta FAIR n’avaient pas résolus. Sur ces 56 tâches, GPT-6.2 Astra en a résolu 49, contre 48 pour GPT-6.2 Sol et Claude Fable 5.2. L’unique tâche supplémentaire d’Astra est précisément la formalisation du théorème de Smoktunowicz. Les deux autres modèles ont donc obtenu le même total, tandis que l’écart avec Astra se concentre sur un seul problème particulier. Le nombre de réussites donne un repère concret sur cette évaluation, mais ne mesure pas toutes les formes de raisonnement mathématique. Il décrit les résultats de ces modèles sur ce sous-ensemble précis, constitué de tâches de recherche sélectionnées pour le benchmark. Autrement dit, ce n’est pas une avance générale démontrée dans tous les domaines des mathématiques, mais une réussite supplémentaire dans cette comparaison.

Victor

Comment Astra a-t-il travaillé, et à quoi servent Lean 4 et Mathlib dans cette expérience ?

Théa

Astra a travaillé sans intervention humaine, dans un environnement comprenant Lean 4, Mathlib et un terminal, avec une limite de 3 heures et de 200 dollars. Lean est l’assistant de preuve : il sert à écrire une démonstration dans une forme vérifiable par son noyau. La preuve a pris 94 minutes et son coût, au tarif publié du modèle, s’élève à 21,58 dollars. Ces chiffres décrivent cette exécution particulière, et non le coût général de la formalisation d’un théorème. L’argument publié s’appuyait sur 3 résultats profonds qui ne sont pas disponibles dans Mathlib. Astra a donc dû suivre une autre voie plutôt que de réutiliser directement ces résultats. Le système disposait des outils nécessaires pour écrire et soumettre une preuve au contrôle, mais pas des trois résultats employés par l’argument publié. La durée et le coût indiquent les ressources rapportées pour cette tentative, dans les limites fixées par le test.

Victor

Quelle est la démarche mathématique suivie, et pourquoi la preuve publiée ne pouvait-elle pas être reprise directement ?

Théa

La preuve publiée s’appuie sur 3 résultats profonds qui ne sont pas disponibles dans Mathlib. AlphaSignal décrit la démarche d’Astra comme reposant notamment sur une quantité appelée « capacité », et comme évitant ces résultats absents de la bibliothèque. Après les premières étapes communes, le modèle a donc suivi un autre chemin pour établir le théorème. Cela montre pourquoi une preuve rédigée ne se transpose pas toujours directement dans un assistant de preuve : les résultats utilisés dans l’argument doivent eux aussi être disponibles sous une forme exploitable. Dans ce cas précis, la démarche décrite permet d’aboutir sans formaliser ces trois résultats. La capacité intervient dans cette démonstration particulière ; rien ne permet d’en faire une méthode générale pour remplacer des outils manquants. Le résultat mathématique est le même, mais une grande partie du raisonnement formalisé diffère de celui de la preuve publiée.

Victor

Quelles vérifications ont été effectuées, et quelles limites faut-il garder à l’esprit ?

Théa

La preuve a passé une vérification dans un environnement propre, puis elle a été rejouée par un noyau Lean indépendant. Une revue manuelle indique qu’elle compile sans étape laissée en suspens, sans avertissement et avec les seuls axiomes standards de Lean. Ces contrôles portent sur la preuve formelle soumise : ils permettent de vérifier que le système accepte le raisonnement écrit et que la preuve ne s’appuie pas sur une étape manquante. Ils ne démontrent pas que les modèles savent résoudre toutes les questions mathématiques, ni que toute preuve produite dans un autre contexte serait aussi fiable. AlphaSignal affirme que le théorème n’avait auparavant aucune preuve vérifiable par ordinateur, mais cette affirmation n’est pas confirmée indépendamment ici. Il faut donc la considérer comme une affirmation de ce média, et non comme un fait établi. Pour cette expérience, le point établi est qu’une preuve formelle d’Astra a passé plusieurs contrôles, dont une revue manuelle. Un cas réussi ne permet pas à lui seul de prévoir les résultats sur d’autres théorèmes ou d’affirmer que ces outils remplacent le travail des mathématiciens. La suite de l’évaluation dépendra de nouveaux cas, sur d’autres problèmes, et non de la seule portée de cette réussite.

Victor

Que faut-il retenir, au-delà de cette tâche particulière ?

Théa

Il faut retenir une avancée précise, sans lui faire dire davantage : GPT-6.2 Astra a formalisé en Lean 4 le théorème de Smoktunowicz, en 94 minutes et avec environ 1 800 lignes de preuve. Cette formalisation diffère de la démonstration publiée, notamment parce qu’elle évite 3 résultats qui ne figurent pas dans Mathlib et s’appuie sur une quantité appelée « capacité ». Sur Autoform-Hard, Astra obtient 49 réussites sur 56, contre 48 pour GPT-6.2 Sol et Claude Fable 5.2. La preuve a été vérifiée dans un environnement propre, rejouée par un noyau Lean indépendant et examinée manuellement. La revue indique qu’elle compile sans étape incomplète ni avertissement et n’utilise que les axiomes standards de Lean. Ces contrôles concernent le raisonnement produit pour ce théorème, pas la capacité générale du modèle à résoudre toute question mathématique. Le nombre de réussites situe cette performance dans le cadre de l’évaluation, mais ne mesure pas toutes les formes de raisonnement mathématique. Le résultat à retenir est donc circonscrit : une formalisation automatisée, obtenue par une voie différente de la preuve publiée et soumise à plusieurs vérifications.

Victor

Merci Théa pour ces explications sur la preuve et sur la portée de cette expérience.

Une erreur ?

Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.

Signaler une erreur

Un mot pour la rédaction ?

Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.