OpenAI : Astra en tête sur ErdosBench sans optimisation mathématique

Astra s’impose sur ErdosBench, mais OpenAI assure ne pas avoir ciblé la recherche mathématique. Les résultats nourrissent un débat : utilité pour les mathématiciens, arbitrages techniques chez les concepteurs, et avenir d’une AGI uniforme ou à compétences inégales.

Des preuves plus vite que la vérification, alerte Terence Tao

Lors du Congrès international des mathématiciens de 2026, Terence Tao a mis en garde contre le risque que les modèles d’IA produisent des preuves à un rythme supérieur à la capacité de vérification humaine, ce qui pourrait entraîner une surcharge de résultats. Il estime que les mathématiques traversent une crise de valeurs et de pratiques, comparable à la crise fondationnelle du début du XXe siècle. Les problèmes les plus difficiles du domaine restent cependant non résolus à ce jour. Par ailleurs, certains mathématiciens considèrent que les modèles linguistiques manquent de créativité humaine et doutent qu’ils puissent apporter de véritables percées, tout en exprimant des réserves sur la possibilité d’une auto-amélioration authentique de l’IA.

ErdosBench : 3,23 de score, 106 problèmes résolus pour Astra

Sur l’ErdosBench, qui comprend 226 problèmes mathématiques ouverts inspirés des travaux d’Erdős, Astra a obtenu un score de 3,23. Le modèle a résolu 106 problèmes, dont 43 de façon complète, et en a réfuté 27 autres. Une mise à jour indique toutefois que Fable 5.1 a depuis pris la tête du classement, avec moins de problèmes résolus mais une performance globale supérieure.

OpenAI assume ne pas avoir optimisé Astra pour les maths

Jakub Pachocki, scientifique en chef d’OpenAI, affirme que l’équipe n’a pas priorisé l’optimisation d’Astra pour la recherche mathématique, bien que les succès dans ce domaine aient été mis en avant lors de l’annonce initiale. Il explique ce choix par l’urgence autour de la recherche sur l’auto-amélioration récursive et l’alignement automatisé, domaines dans lesquels OpenAI concentre ses ressources, estimant que c’est le seul moyen de rester à la pointe de la recherche en IA. Depuis la publication de son essai, il est rapporté qu’OpenAI aurait entraîné de meilleurs modèles internes en mathématiques et que les thématiques liées à la RSI et à la sécurité de l’IA ont pris de l’ampleur.

Un gain mesuré et un benchmark encore loin d’être saturé

Przemek Chojecki, développeur de l’ErdosBench, estime qu’Astra représente un gain solide de 5 % à 10 % sur différentes compétences de recherche mathématique testées, tout en soulignant que le benchmark est loin d’être saturé. Face à Sol, qui a résolu 78 problèmes avec un raisonnement maximal, Astra se distingue par une meilleure qualité d’écriture scientifique, une moindre tendance aux affirmations exagérées et, dans certains cas, une sous-estimation de ses propres résultats.

Trajectoires possibles de l’IA : homogène ou 'spiky'

Les performances d’Astra en mathématiques ne garantissent pas une supériorité sur d’autres tâches, ce qui illustre les compromis d’optimisation à la frontière de la recherche en IA. Adam Hunt, chercheur à Cambridge, oppose une trajectoire d’amélioration large et progressive, associée à la thèse AGI mainstream, à un scénario dit 'spiky' où l’IA excelle dans des domaines comme le codage et les mathématiques mais stagne, voire régresse, en qualité du langage, en bon sens ou en raisonnement social. Un tel profil relèverait d’une spécialisation poussée, éloignée de ce que beaucoup considèrent comme une Intelligence Artificielle Générale. Dans ce contexte, la première place initiale d’Astra sur un benchmark mathématique ne suffit pas à conclure à une capacité universelle.