L’intelligence artificielle a été battue par les humains dans la résolution de 10 problèmes complexes problèmes mathématiques dans le cadre du projet « First Proof ». Le projet est né de cette question : l’IA peut-elle remplacer les mathématiciens ? Pour tenter de répondre, un groupe de chercheurs de plusieurs universités européennes et américaines a créé le projet «Première preuve», qui signifie « première démonstration ». L’objectif de ce projet est d’évaluer les Capacités de l’IA dans la résolution de problèmes mathématiques complexes, dont la preuve n’a jamais été publiée auparavant.
L’équipe First Proof, qui avait déjà organisé un premier test moins « officiel » en février, a soumis 10 nouveaux problèmes de mathématiques extrêmement avancées à quatre modèles d’IA différents. Les réponses ont ensuite été notées par experts du secteur, tout comme pour une revue normale de la recherche scientifique. Les résultats, publiés sur le site First Proof le 10 juin, montrent que, jusqu’à présent, leAU on est encore loin du niveau des meilleurs chercheurs humains. Le système le plus performant, créé par l’Université de Zurich, n’a réussi à démontrer que 6 questions sur 10. La pire, celle de l’Université de Princeton, n’en a démontré que 2.
Comment le test a été structuré et quel est son objectif
Évaluer les capacités mathématiques réelles de l’IA n’est pas facile. L’un des principaux problèmes est que les modèles sont formés à partir d’énormes quantités de textes, d’articles scientifiques et de matériel disponible en ligne. Si un question c’est trop similaire à quelque chose de déjà présent dans les données d’entraînement, le risque est que le système soit simplement capable de le résoudre proposer une solution déjà présent dans les données sur lesquelles il a été formé, apparaissant plus performant qu’il ne l’est.
Pour tester réellement ses capacités, l’équipe « First Proof » a demandé à des chercheurs du monde entier de soumettre problèmesquestions et théorèmes qu’ils avaient résolus au cours de leurs recherches, mais qui Pas ils avaient encore publié ni dans les articles scientifiques ni en ligne. Parmi toutes les propositions, dix ont été sélectionnées, appartenant à différentes branches des mathématiques, parmi géométrie àalgèbre jusqu’à chance.
Les systèmes d’IA ont dû résoudre ces problèmes de manière totalement autonome, sans assistance humaine. Les solutions ont ensuite été examinées par un groupe d’une trentaine de mathématiciens, selon un processus similaire à celui utilisé dans revue d’articles scientifique.
Quatre IA différentes ont été testées et l’ETH Zurich a gagné
Quatre modèles d’IA ont participé au défi. La seule grande entreprise directement présente était OpenAI avec ChatGPT 5.5 Pro. Les trois autres systèmes ont été développés par des groupes de recherche deUniversité de Californie de Los Angeles (UCLA), de Princeton L’Université du New Jersey et le Polytechnique fédérale (ETH) de Zurich.
Les trois universités ont développé ce qu’on appelle «harnais», c’est-à-dire les systèmes d’IA dans lesquels un modèle (par exemple ChatGPT) produit un solution et d’autres modèles (par exemple Gemini et Claude) le ils vérifientils le critiquent et l’améliorent à travers une série d’étapes ultérieures. Le système gagnant de l’ETH Zurich a fonctionné exactement ainsi : ChatGPT a généré une preuve possible, qui a ensuite été vérifiée et améliorée avec la contribution de Gemini et Claude.
Comme nous l’avons dit, le harnais de l’ETH Zurich était le meilleur, résolvant et prouvant correctement 6 problèmes sur 10. L’équipe UCLA occupe la deuxième place, suivie de ChatGPT 5.5 Pro. Le dernier était le système Princeton, qui, avec un harnais basé principalement sur Gemini 3.1 Pro, n’a réussi à démontrer que deux questions.
Mais tout cela n’a pas été sans coût. Les systèmes créés par les trois universités, précisément en raison de leurs mécanismes de vérification continue, étaient incroyablement coûteux. Le modèle ETH est devenu consommateur 950 dollars dans une tentative de résoudre un seul problèmesans succès. A titre de comparaison, ChatGPT 5.5 Pro utilisé seul uniquement requis 144 $ pour aborder l’ensemble des dix problèmes.
Parce que l’IA ne peut toujours pas remplacer les mathématiciens
Après le concours, l’équipe First Proof a tenté de comprendre pourquoi certains des problèmes proposés restaient non résolus. La principale conclusion est que ces questions nécessitaient idées ou des stratégies très différent de ceux présents dans la littérature mathématique existante. Selon Johannes Schmitt, membre de l’équipe de l’ETH Zurich, il manque souvent à l’IA « une idée critique et inattendue », cette étape créative nécessaire pour compléter le raisonnement et arriver à la preuve.
Une autre limite apparue concerne la manière dont les modèles construisent les preuves. Les IA ont eu tendance à se développer avec beaucoup précision plus il y a de parties procédurales e mécaniqueceux considérés comme les plus ennuyeux par les humains, mais, en mesures plus conceptuellement complexe ils avaient tendance à être nombreux moins rigoureux. Dans certains cas, ils ont tenu pour acquis des résultats qui nécessiteraient une démonstration, sans fournir aucune justification. Dans d’autres, ils ont cité des articles qui ne contenaient pas réellement le résultat mentionné.
Cela ne veut pas dire que l’intelligence artificielle est inutile pour la recherche mathématique. Au contraire, le test montre qu’il peut déjà être un outil utile pour vérifier les étapes et être soutenu dans les manifestations. L’équipe de la première preuve commencera à préparer un nouvelle édition du test, prévu pour octobre 2026. Selon les organisateurs, les prochaines versions du test pourraient aider à mieux comprendre dans quels contextes l’intelligence artificielle peut devenir véritablement utile aux mathématiciens, de la vérification des preuves à la recherche de nouvelles stratégies pour résoudre des problèmes encore ouverts.