Commençons par clarifier ce que sont ces 10 problèmes.
Il ne s'agit pas de problèmes de concours de mathématiques, ni de problèmes classiques difficiles. Ce sont des problèmes mathématiques de recherche non publiés, issus du défi FirstProof – dont les participants comprennent des mathématiciens professionnels et des doctorants en mathématiques. Les exigences de ces problèmes sont les suivantes : la réponse doit être correcte et doit être accompagnée d'une démonstration mathématique rigoureuse, capable de passer une évaluation par les pairs.
Aletheia, la dernière IA mathématique de DeepMind, en a résolu 6.
5 ont été évalués par des experts externes comme « publiable après des révisions mineures ». Qu'est-ce que cela signifie ? La qualité de ces solutions a déjà atteint le niveau des articles académiques réels.
Comment fonctionne Aletheia
Le modèle sous-jacent d'Aletheia est Gemini 3 Deep Think, qui améliore les performances en prolongeant le temps de calcul lors du test. Mais il ne s'agit pas simplement d'exécuter un grand modèle ; c'est un cadre multi-agents :
- Generator : Génère les idées de solution initiales
- Verifier : Vérifie si les étapes de la démonstration présentent des lacunes logiques
- Reviser : Modifie la démonstration en fonction des retours du Verifier
- Intégration de Google Search pour accéder à la littérature mathématique la plus récente
L'idée derrière cette architecture est la suivante : vérifier une démonstration est plus facile que la générer. Dans une démonstration mathématique, chaque étape de déduction est soit correcte, soit incorrecte – c'est une évaluation relativement objective, bien plus facile que de générer du contenu. Par conséquent, laisser le Verifier jouer le rôle de contrôle qualité peut, dans une certaine mesure, réduire les cas qui « semblent corrects mais présentent en réalité des lacunes ».
Une autre chose qu'Aletheia fait et qui mérite d'être notée : lorsqu'elle rencontre un problème qu'elle ne peut vraiment pas résoudre, elle génère explicitement « aucune solution trouvée » ou atteint un délai d'attente, plutôt que de forcer une réponse erronée. Cette conception de « savoir qu'on ne sait pas » est bien plus importante dans le contexte mathématique que les hallucinations forcées.
Comparaison avec OpenAI
Dans le défi FirstProof, OpenAI avait également un modèle interne participant.
Initialement, il a été rapporté que le modèle d'OpenAI avait également résolu 6 problèmes. Après un réexamen, une faille logique a été découverte dans le problème n°2, ramenant le nombre à 5.
Aletheia dans les mêmes conditions : 6 problèmes, évaluation par des experts externes réussie, 5 évalués comme publiable.
| Système | Nombre de problèmes résolus | Résultat de l'évaluation par des experts |
|---|---|---|
| Aletheia (DeepMind) | 6 | 5 « publiable » |
| Modèle interne d'OpenAI | 5 (1 réduit après réexamen) | Non divulgué en détail |
L'écart est faible, mais la direction est claire : l'IA mathématique entre dans un intervalle où elle peut dialoguer avec les chercheurs de pointe.
91,9 % sur IMO-ProofBench
En plus de FirstProof, Aletheia a atteint un taux de précision de 91,9 % sur IMO-ProofBench (un benchmark de démonstrations basé sur des problèmes de l'Olympiade Internationale de Mathématiques).
À titre de référence : le taux de réussite des étudiants universitaires ordinaires en mathématiques sur les problèmes de l'OIM est fondamentalement inférieur à 20 % ; les doctorants en mathématiques de haut niveau atteignent 40-60 % ; seuls les concurrents de l'OIM ayant au moins une médaille d'argent peuvent dépasser régulièrement les 70 %.
91,9 % dépasse déjà la grande majorité des concurrents humains de l'OIM.
Franchement, l'équipe de recherche elle-même n'a pas non plus exagéré les résultats. Dans l'article, il y a une phrase qui mérite d'être citée textuellement :
« Même avec le mécanisme Verifier, le taux d'erreur d'Aletheia reste plus élevé que celui des experts humains. »
C'est une honnêteté rare : nos scores sont bons, mais nous sommes encore loin de « remplacer les mathématiciens ».
Où cette ligne se déplace-t-elle ?
Il y a quelques années, les performances des grands modèles de langage en mathématiques étaient les suivantes : résoudre les problèmes faciles, se tromper sur les problèmes difficiles, ne pas pouvoir faire de démonstrations.
Maintenant, la situation est la suivante : 60 % des problèmes de recherche difficiles sont résolus, et la plupart des démonstrations sont de qualité suffisante pour être publiées.
Ce n'est pas « mieux que l'humain », mais plutôt « commencer à entrer dans l'intervalle où l'on peut discuter de problèmes avec des experts humains ». La réaction de la communauté mathématique est plus subtile que celle de la communauté IA – certains y voient un outil, d'autres commencent à réfléchir sérieusement à ce que cela signifie.
Ce qui est intéressant avec les mathématiques, c'est que leur standard de correction est objectif. Soit vous avez démontré, soit vous n'avez pas démontré. La qualité du code peut être débattue, mais les failles logiques dans les démonstrations mathématiques peuvent être détectées par des machines.
Par conséquent, les mathématiques sont très probablement l'un des premiers domaines où la question « l'IA comprend-elle vraiment ou n'est-ce qu'une corrélation statistique ? » pourra être clairement répondue.
Le résultat 6/10 d'Aletheia cette fois-ci est un jalon dans ce chemin de réponse. Ce n'est pas le point final.
Source de référence : DeepMind's Aletheia Solves 6 Out of 10 Unpublished Research-Level Math Problems (InfoQ, CocoLoop, 19 avril 2026)