L'IA s'attaque aux sciences théoriques
Original : AI Came for Math. Now It’s Chasing the Rest of Science
Pourquoi c'est important
L'IA pourrait remodeler la recherche théorique bien au-delà des mathématiques.
Une étude du MIT montre que les meilleurs modèles d'IA résolvent désormais 35 % des problèmes théoriques en physique, économie et cosmologie, contre 2 % mi-2024 — une progression sans signe de ralentissement.
Neil Thompson, chercheur au MIT, a présenté des résultats qui pourraient faire l'effet d'une secousse dans plusieurs disciplines scientifiques. Son étude, menée avec Gabriel Manso et Claudio Mayrink Verdun, a soumis à six modèles OpenAI — o1, o3, GPT-5, GPT-5.1, GPT-5.4 et GPT-5.5 — des problèmes issus d'articles publiés entre décembre 2025 et mai 2026. Résultat : entre mi-2024 et mi-2026, le taux de résolution correcte est passé de 2 % à 35 % en probabilité, théorie statistique, économie théorique, physique des hautes énergies, gravitation et physique quantique.
La méthodologie est solide : les solutions de référence provenaient d'articles postérieurs aux données d'entraînement des modèles, et l'accès à internet était bloqué. Les modèles devaient donc raisonner par eux-mêmes. "Dans quelques années, nous nous attendons à ce que beaucoup de questions théoriques soient totalement transformées par la capacité de l'IA à les traiter", affirme Thompson.
Ce travail intervient après que OpenAI a annoncé en septembre qu'un modèle inédit avait résolu le problème de Navier-Stokes, l'une des grandes énigmes des mathématiques — une annonce jugée controversée après qu'une équipe de NYU a accusé OpenAI de leur avoir coupé l'herbe sous le pied. Depuis, des centaines d'autres problèmes mathématiques ont été résolus par IA, provoquant un débat de fond : certains mathématiciens appellent à encadrer l'usage de l'IA, arguant que le processus de résolution est souvent aussi précieux que la réponse elle-même.