OpenAI Astra prouve 10 théorèmes inédits : faut-il y croire ?

OpenAI affirme avoir franchi une ligne que beaucoup jugeaient encore lointaine : faire trancher à une machine des problèmes de mathématiques que personne n'avait su résoudre, parfois depuis des décennies. Le 1er août, l'entreprise a présenté Astra, son prochain grand modèle, en accompagnant l'annonce de dix résultats inédits et d'un coût de calcul dérisoire — environ 2 000 dollars. Pour un dirigeant, l'enjeu n'est pas de comprendre ce qu'est un groupe non-sofique. C'est de savoir si ce cap change quelque chose à la manière dont l'IA va s'inviter dans le travail intellectuel de son entreprise.

La réponse tient en deux temps : oui, le signal est réel ; non, il ne se traduit pas en produit demain matin. Décryptage.

Ce qu'OpenAI a réellement mis sur la table

Astra n'est pas un assistant de plus. OpenAI le décrit comme une famille de modèles pensée pour des tâches longues — des heures, parfois des jours — avec coordination de plusieurs agents entre eux. Certains observateurs y voient déjà le socle d'un futur GPT-6. Le modèle n'est pas public : il devrait être le premier soumis au nouveau cadre réglementaire américain, dont nous reparlons plus bas.

Le 6 août, l'entreprise a publié un document de 249 pages et, surtout, les preuves formalisées en Lean 4 sur GitHub. Dix problèmes ouverts, répartis sur huit domaines : géométrie en haute dimension, théorie des codes, complexité des circuits arithmétiques, théorie des groupes, algèbres d'opérateurs, complexité quantique, cryptographie à base de réseaux et combinatoire extrémale. Quelques faits marquants dans le lot :

• la première construction explicite d'un groupe non-sofique, une question ouverte depuis 1999 ;
• la réfutation de la conjecture de rigidité de Connes sur les algèbres de von Neumann ;
• la preuve de la conjecture de volume d'Ehrhart ;
• la résolution du problème n°183 d'Erdős sur les nombres de Ramsey multicolores, plus deux autres du même catalogue ;
• la première amélioration depuis 1978 de la borne supérieure générale sur la densité d'empilement de sphères en haute dimension.

Sébastien Bubeck, chez OpenAI, résume la méthode : chaque solution « est livrée avec un certificat Lean et un déroulé complet du raisonnement ». Autrement dit, on ne vous demande pas de faire confiance au modèle sur parole.

2 000 dollars pour dix théorèmes : pourquoi le chiffre compte plus que les maths

Le détail qui devrait retenir l'attention d'un décideur n'est pas la liste des conjectures. C'est le prix. OpenAI chiffre l'ensemble des calculs à environ 2 000 dollars, aux tarifs de son modèle haut de gamme, Sol. Or Sol n'est pas donné : on parle d'un modèle facturé plusieurs dollars le million de tokens en entrée, davantage en sortie. Nous détaillions ces grilles et l'accès verrouillé de Sol dans notre analyse de l'offre Sol, Terra et Luna d'OpenAI sous contrôle de Washington.

Le point à retenir : le coût du raisonnement de pointe s'effondre. Un travail qui aurait mobilisé une équipe de chercheurs pendant des mois se retrouve délégué pour le prix d'un ordinateur portable. Ce n'est pas rien pour qui pilote un budget.

Attention toutefois à ne pas surinterpréter le chiffre. Ces 2 000 dollars ne couvrent que le calcul des dix solutions retenues. Ils ignorent la R&D en amont, les innombrables tentatives infructueuses, et surtout le travail humain de cadrage : ce sont des mathématiciens qui ont choisi les problèmes, formulé les énoncés et validé les certificats. Le prix affiché est réel, mais c'est le prix de la dernière étape, pas de toute la chaîne.

OpenAI Astra : pourquoi les mathématiciens restent prudents

Le fait que les preuves soient vérifiables en Lean change la donne sur un point : on ne peut plus balayer l'annonce d'un revers de main en invoquant les hallucinations. Une démonstration qui compile, compile. Thomas Bloom, de l'université de Manchester, parle d'une « grande nouvelle », plus significative que les résultats précédents du même modèle.

Mais la communauté, elle, ne crie pas victoire. En juin 2026, la déclaration de Leiden, soutenue par l'Union mathématique internationale, avait déjà mis en garde contre les pratiques des laboratoires d'IA : usage de travaux publiés sans consentement, contournement de la relecture par les pairs, annonces par communiqué de presse plutôt que par revue scientifique, questions d'attribution. Astra tombe en plein dans ce débat.

Il y a aussi une nuance de fond, souvent perdue dans l'emballement. Résoudre un problème posé par des humains n'est pas la même chose que poser les bonnes questions. Noam Brown, chez OpenAI, reconnaît d'ailleurs que les tentatives sur les problèmes du prix du millénaire ont échoué. Astra excelle à refermer des portes qu'on lui désigne. Ouvrir des couloirs entiers de recherche, personne ne l'a encore démontré.

Astra pour une PME : ce que ça change, et ce que ça ne change pas

Soyons clairs : vous n'utiliserez jamais Astra pour vos maths. La question pour une entreprise est ailleurs. Si un modèle développe une capacité de recherche répétable, qui se généralise d'un domaine à l'autre, alors tout le travail intellectuel long et vérifiable est concerné en aval — l'analyse juridique, le contrôle financier, la R&D, le code.

La leçon actionnable n'est pas « remplacez vos analystes ». Les études sérieuses continuent de doucher les dirigeants trop pressés : nous l'avons vu quand Gartner a montré que virer pour l'IA ne paie pas, l'IA amplifie les équipes bien plus qu'elle ne les remplace, à condition d'une méthode. Ce que l'affaire Astra confirme, c'est où déléguer sans se brûler : partout où la sortie est vérifiable. Un code qui compile, une preuve qui passe en Lean, un rapprochement comptable qui tombe juste. Là où vous pouvez contrôler mécaniquement le résultat, la délégation devient plus sûre. Là où l'output n'est pas contrôlable, la prudence reste de mise.

Pour cadrer sereinement cette réflexion, l'ouvrage Co-Intelligence d'Ethan Mollick ^{· Amazon} reste une des rares lectures qui parlent de délégation à l'IA sans hype ni panique — utile avant de réorganiser une équipe autour d'un outil.

Le calendrier — et le verrou de Washington

Reste la question du « quand ». Astra n'est pas accessible, et pour cause : il devrait inaugurer le nouveau cadre américain qui impose aux développeurs de modèles de frontière de soumettre leurs systèmes à une revue fédérale jusqu'à 30 jours avant toute sortie publique. Le même dispositif qui encadre déjà l'accès à Sol, et qui rebat les cartes de la souveraineté pour les pros européens.

OpenAI, de son côté, affiche une feuille de route agressive : une IA de niveau « stagiaire de recherche » d'ici septembre 2026, un « chercheur autonome » à l'horizon mars 2028. L'entreprise ouvre aussi un accès gratuit à ses modèles de frontière à 100 000 chercheurs universitaires jusqu'en 2027 — une manière de fabriquer sa propre légitimité scientifique.

Elle n'est pas seule sur ce terrain. Chez Google, le départ de Jeff Dean pour fonder Discovery Loop, une start-up qui veut accélérer la découverte scientifique par l'IA, s'inscrit dans la même course, comme nous l'avons raconté dans notre décryptage de la réorganisation de Google DeepMind. La bataille du « scientifique IA » ne fait que commencer, et elle se jouera autant en laboratoire que devant les régulateurs.

Ce qu'il faut retenir

Astra est un vrai cap, pas un coup de com. Des preuves vérifiables mécaniquement, sur des problèmes ouverts depuis des décennies, pour quelques milliers de dollars : le raisonnement de haute volée devient une marchandise. Mais preuve n'est pas produit. Pour une PME, il n'y a strictement rien à acheter aujourd'hui — et tout à observer.

Qui est concerné ? Les décideurs qui délèguent déjà du travail analytique et qui devraient, dès maintenant, réorganiser leurs process autour de tâches dont la sortie est contrôlable. Qui ne l'est pas ? Tous ceux à qui on vendra, dans les prochaines semaines, un abonnement « propulsé par la puissance d'Astra ». Le modèle n'existe pas encore pour vous. Le signal, lui, mérite qu'on le prenne au sérieux — sans confondre l'annonce et la relecture par les pairs qui, seule, tranchera.