ASTRA : le prochain modèle d'OpenAI vient de résoudre 10 problèmes ouverts en mathématiques

OpenAI vient d'annoncer ASTRA, son prochain grand modèle, d'une manière inhabituelle : glissé dans un billet de blog en apparence académique intitulé « Ten advances in mathematics and theoretical computer science ». Sans conférence de presse, sans démo publique, sans date de sortie — juste un résultat qui parle plus fort que n'importe quel keynote : dix problèmes ouverts, certains stagnants depuis un demi-siècle, viennent d'être résolus par une version interne d'ASTRA.

Que le modèle sorte finalement en GPT-6 ou comme variante haut de gamme de la ligne GPT-5, OpenAI ne le dit pas encore. Ce qu'elle affirme, en revanche, c'est que l'ère du modèle-outil laisse place à l'ère du modèle-chercheur.

Dix problèmes, plusieurs décennies d'immobilité

Les dix résultats ne sont pas des « exercices difficiles ». Ce sont des conjectures et problèmes ouverts sur lesquels la communauté mathématique bute — pour la plupart — depuis plus de dix ans, souvent bien davantage. Les domaines touchés couvrent :

• géométrie en haute dimension
• théorie du codage
• complexité des circuits arithmétiques
• théorie des groupes
• algèbres d'opérateurs
• complexité quantique
• cryptographie sur réseaux
• combinatoire extrémale

Parmi les résultats les plus retentissants annoncés par OpenAI :

• le premier groupe non-sofique explicite jamais construit ;
• la réfutation de la conjecture de rigidité de Connes ;
• la répétition parallèle quantique démontrée pour les jeux à deux joueurs intriqués généraux ;
• la conjecture du volume d'Ehrhart démontrée ;
• le premier exposant amélioré pour l'empilement de sphères général depuis 1978.

Un demi-siècle sans progrès sur l'empilement de sphères. Un modèle qui, un après-midi, pousse la frontière. C'est ça, l'annonce.

Pas juste des idées : des preuves formalisées

La partie qui devrait faire réfléchir tous ceux qui doutent encore de la valeur scientifique des LLM : ASTRA n'a pas produit des « heuristiques ». Le modèle a généré les arguments centraux, puis les a formalisés en Lean — un langage de preuve formelle qui produit des certificats vérifiables par machine.

Concrètement, chaque théorème est accompagné d'un fichier Lean qu'un compilateur peut vérifier bit à bit. Il n'y a pas de « on peut voir ici que… » à interpréter — la preuve est ou n'est pas correcte. Elle l'est. Un manuscrit de 249 pages l'accompagne, rédigé et structuré comme un article de recherche.

C'est un changement de nature. Un modèle qui écrit un texte plausible sur un sujet mathématique existe depuis GPT-4. Un modèle qui écrit une preuve mécaniquement vérifiée d'un problème ouvert depuis 1978 — c'est nouveau.

Le coût : moins de 2 000 dollars

OpenAI donne un chiffre presque provocateur : moins de 2 000 $ combinés pour générer les dix preuves, tarifés au prix API « Sol » (la référence de coût interne de la ligne GPT-5.6). Autrement dit : là où un doctorant coûte 30 000 € par an et un chercheur senior beaucoup plus, la barrière d'entrée pour tenter de résoudre un problème réputé impossible tombe à quelques dizaines d'euros par essai.

Le paysage économique de la recherche fondamentale en est bouleversé. Et pas seulement en maths : dès qu'un domaine dispose d'un système de preuve formelle ou de vérification (physique théorique, sécurité formelle des programmes, cryptographie, bio-informatique structurale), le même schéma peut se répliquer.

Ce qu'ASTRA change concrètement

1. La recherche fondamentale devient tractable pour les non-mathématiciens

Un ingénieur avec un budget de 500 $ et une bonne question peut, en principe, tenter d'attaquer un problème longtemps réservé aux spécialistes. Ce qui compte devient la formulation plutôt que la capacité technique brute.

2. Le peer-review va devoir se réinventer

Un manuscrit de 249 pages produit en quelques heures, avec preuves Lean fournies — comment un comité de lecture humain valide ça, en combien de temps, avec quels outils ? La communauté mathématique va devoir industrialiser la vérification machine. Les revues qui accepteront un certificat Lean comme equivalent d'une preuve écrite prendront des années d'avance.

3. La ligne entre « modèle » et « chercheur » s'efface

ASTRA n'est plus un assistant. C'est un agent autonome de recherche qui pose ses conjectures, les prouve, et les publie sous forme vérifiable. La question déontologique — qui « signe » un article dont le cerveau est un modèle — devient urgente.

Quand sortira ASTRA ?

OpenAI ne s'engage pas. Le modèle peut être commercialisé comme GPT-6, ou comme une évolution premium à l'intérieur de la ligne GPT-5 (peut-être GPT-5.7 ASTRA, en toute logique de leur nomenclature). Aucune date n'est communiquée.

Mais l'annonce, dans sa forme, envoie un signal parfaitement clair à la concurrence : Google, Anthropic, Moonshot AI, DeepSeek — le curseur vient de monter. Le prochain terrain d'affrontement des modèles frontières n'est plus le benchmark MMLU ni l'agent multimodal grand public. C'est la production scientifique originale, vérifiable, à faible coût.

Et OpenAI, avec ASTRA, vient de tirer le premier.