OpenAI a publié un billet décrivant sa démarche de collaboration avec des communautés académiques sur des problèmes scientifiques de haut niveau. L'entreprise y présente des résultats produits par ses modèles sur trois sujets distincts : la conjecture de Kakeya, un problème ouvert en géométrie et analyse harmonique ; l'hypothèse du temps exponentiel, une question centrale en complexité computationnelle ; et des calculs liés à la chromodynamique quantique, la théorie qui décrit l'interaction forte entre quarks et gluons.
L'angle principal du billet n'est pas tant les résultats eux-mêmes que la méthode employée pour les partager avec les chercheurs du domaine. OpenAI insiste sur l'importance de la vérifiabilité : les sorties des modèles sont documentées de manière à permettre à des spécialistes externes de rejouer les raisonnements, de contrôler les étapes intermédiaires et, le cas échéant, de identifier des erreurs ou des approximations. Cette transparence méthodologique vise à instaurer une forme de confiance mutuelle entre laboratoires d'IA et communautés scientifiques, souvent prudentes face à des résultats générés par des systèmes d'apprentissage automatique.
Sur le plan technique, les trois domaines choisis illustrent la diversité des usages possibles de l'IA en recherche fondamentale : un problème géométrique non résolu depuis des décennies, une question de théorie de la complexité avec des implications pratiques en informatique, et des calculs physiques nécessitant une grande rigueur numérique. OpenAI ne revendique pas de percée définitive sur ces problèmes, mais plutôt des contributions partielles ou des pistes de résolution que des experts humains sont invités à examiner et à prolonger.
Cette initiative s'inscrit dans une tendance plus large où les grands laboratoires d'IA cherchent à démontrer l'utilité de leurs modèles au-delà des tâches conversationnelles classiques, en les positionnant comme des outils d'assistance à la recherche scientifique. Elle soulève toutefois une question de fond : la capacité réelle de ces modèles à produire des avancées originales et vérifiables, par opposition à des réitérations plausibles mais creuses de connaissances existantes, reste un sujet d'évaluation continue pour la communauté scientifique.