OpenAI confie à l’AGMAI la coordination de ses résultats mathématiques, mais la défiance persiste

SSacha

OpenAI s’appuie désormais sur un groupe consultatif de mathématiciens pour renouer avec une communauté qu’elle a plusieurs fois mise à distance, d’après The Verge. Ce groupe s’appelle l’AGMAI et réunit 9 mathématiciens. Sa mission est d’aider à coordonner la revue et la publication des résultats que l’entreprise annonce au sujet de son modèle interne. Le point important, c’est que l’AGMAI ne présente pas lui-même une découverte nouvelle : il doit plutôt aider à examiner et à organiser la diffusion de résultats revendiqués par OpenAI. L’existence d’un groupe de spécialistes peut donc apporter un cadre, mais elle ne suffit pas à établir qu’un résultat est juste. Des mathématiciens interrogés décrivent justement une démarche confuse et désordonnée, qui rappellerait des initiatives précédentes d’OpenAI dans les mathématiques. Cette appréciation n’est pas unanime ni une conclusion formelle sur la validité des travaux, mais elle montre que l’annonce du groupe ne dissipe pas, à elle seule, les interrogations. L’enjeu est aussi de savoir comment l’indépendance du groupe fonctionne en pratique et quel rôle il pourra réellement jouer dans l’évaluation des résultats.

SSacha

D’après Brief IA, l’AGMAI, qui réunit 9 mathématiciens, doit aider à coordonner la revue et la publication des résultats annoncés par OpenAI. Les éléments disponibles ne précisent pas le détail des étapes d’évaluation ni la procédure suivie pour chaque résultat. On peut voir la revue comme l’examen d’un plan de construction : il faut pouvoir suivre les étapes, repérer une erreur éventuelle et comprendre comment le résultat s’appuie sur les travaux déjà réalisés. Mais la mission annoncée ne permet pas, à elle seule, de savoir qui relit les manuscrits, selon quels critères ou à quel moment le groupe intervient. Des mathématiciens interrogés par The Verge décrivent une démarche confuse et désordonnée. Cette appréciation souligne que la création d’un groupe consultatif ne dissipe pas automatiquement les questions sur le fonctionnement concret de la revue.

SSacha

OpenAI affirme que son modèle interne, qui n’a pas été publié, a résolu plus de 100 problèmes ouverts depuis l’annonce de la résolution de Navier-Stokes. L’entreprise évoque aussi des progrès substantiels sur un autre problème du prix du Millénaire, selon Laurance Fauconnet, mais elle ne précise pas ici de quel problème il s’agit ni ce que recouvre exactement cette avancée. Il faut donc distinguer une revendication de l’entreprise d’un résultat que la communauté peut examiner en détail. Pour apprécier une démonstration, les spécialistes doivent pouvoir lire les arguments, les vérifier, et comparer le travail avec les connaissances déjà établies. Sans ces éléments, le chiffre de plus de 100 donne une indication de l’ampleur revendiquée, mais pas la possibilité de juger chaque cas. Et sur le problème du prix du Millénaire, l’expression « progrès substantiels » ne signifie pas nécessairement qu’une résolution est achevée. Les informations disponibles ne permettent pas de confirmer qu’OpenAI aurait résolu ce problème. Cette prudence est importante, parce qu’une annonce spectaculaire peut être reprise comme un fait établi alors que la démonstration, elle, n’a pas encore été rendue accessible ou validée.

SSacha

Ce sont notamment des mathématiciens capables d’évaluer les preuves et de replacer un résultat dans son domaine qui peuvent en apprécier la portée. Or des chercheurs reprochent à certains manuscrits d’être mal rédigés et de prendre insuffisamment en compte les travaux antérieurs. Cela complique le travail de vérification : il faut d’abord comprendre le texte, puis rechercher si une idée semblable a déjà été étudiée et déterminer ce qui est réellement nouveau. Si les contributions antérieures sont mal reconnues, le problème ne concerne pas seulement la forme du manuscrit. Il touche aussi au crédit attribué aux personnes qui ont construit les connaissances sur lesquelles un résultat peut s’appuyer. Álvaro Lozano-Robledo estime que le flot de solutions générées par l’intelligence artificielle impose une charge à la communauté mathématique, et que le manque de détails d’OpenAI nourrit la méfiance. Alors, une annonce qui semble rapide à produire peut demander beaucoup de temps à d’autres personnes pour être vérifiée. Les mathématiciens doivent en outre décider quelles pistes méritent un examen approfondi, sans disposer toujours d’éléments suffisants pour hiérarchiser les résultats. Cette charge est donc à la fois scientifique et pratique : chaque nouvelle proposition peut mobiliser des spécialistes qui ont aussi leurs propres travaux à mener.

SSacha

La critique centrale porte sur le décalage entre l’ampleur des annonces et le peu de détails accessibles pour les examiner. Certains chercheurs affirment aussi qu’OpenAI aurait modifié discrètement des documents après leur publication, sans signaler précisément les changements ni les documenter. Cette affirmation reste rapportée comme telle et ne doit pas être présentée comme un fait établi. Mais elle explique pourquoi la transparence des versions compte : si un texte change, les lecteurs doivent pouvoir identifier ce qui a été modifié et comprendre si cela affecte le raisonnement. D’autres critiques concernent la qualité de certains manuscrits et la prise en compte des recherches antérieures. Et l’annonce de progrès sur un problème du prix du Millénaire ne permet pas, à elle seule, de conclure qu’il est résolu. Les éléments disponibles ne confirment pas cette résolution. Au fond, le problème n’est pas seulement de savoir si un modèle peut produire une preuve, mais aussi si celle-ci est complète, compréhensible, vérifiable et correctement située dans l’histoire des travaux mathématiques. Les réserves exprimées par des chercheurs ne tranchent pas la validité de tous les résultats annoncés ; elles soulignent plutôt que cette validité ne peut pas être évaluée sans accès aux détails et à une procédure de vérification crédible.

SSacha

Il faut retenir 2 choses à la fois. OpenAI affirme que son modèle interne, qui n’a pas été publié, a résolu plus de 100 problèmes ouverts depuis l’annonce de la résolution de Navier-Stokes. L’entreprise s’appuie sur l’AGMAI pour aider à coordonner la revue et la publication des résultats annoncés. Mais l’existence du groupe ne transforme pas, à elle seule, ces annonces en preuves vérifiées. Pour progresser, la confiance dépendra de la possibilité d’examiner les démonstrations, de comprendre ce qui est nouveau et de reconnaître les travaux antérieurs. La communauté doit aussi absorber le temps nécessaire à cet examen, alors que le flot de solutions générées par l’intelligence artificielle lui impose une charge, selon Álvaro Lozano-Robledo. La suite dépendra donc de la qualité des preuves accessibles et de la manière dont leur examen sera mené. Pour l’instant, les revendications d’OpenAI et la défiance de chercheurs coexistent.