Terence Tao et OpenAI : de coorganisateur d’un atelier à « I don’t see a way to constructively engage »

Chronologie

1. mars 2026

   Tao aide à organiser un atelier de l’IPAM sponsorisé par OpenAI. Sa propre page explique le contexte : le sponsoring est né d’une collecte de fonds d’urgence après la suspension, en 2025, des financements de la NSF et des NIH, et valait de 60 000 à 70 000 dollars. Pendant l’atelier, OpenAI a enregistré un entretien d’une heure avec lui et en a utilisé quelques extraits dans une publicité ; il dit qu’avec le recul il aurait dû résister davantage.

   Terence Tao on AI: a living summary (disclosure)

2. 24 juillet 2026

   Au Congrès international des mathématiciens, il donne la conférence publique « Mathematics in the age of AI ». Il qualifie le moment de crise des valeurs et des pratiques plutôt que des arguments mathématiques, et avertit que la résolution de preuves comme cible peut se détacher des objectifs qu’elle représentait.

   Terence Tao on AI: a living summary (ICM 2026 section)

3. 9 septembre 2026

   Il publie une déclaration pour mémoire. Il ne s’identifie ni à une position « pro-IA » ni à une position « anti-IA », décrit deux voies (adoption responsable, ou usage indiscriminé pour des buts à courte vue) et écrit que le domaine s’approche « unfortunately rapidly » de la seconde.

   Terence Tao on AI: a living summary

4. 11 septembre 2026

   Une déclaration intitulée « A Severe Misalignment of AI in Mathematics » paraît avec 25 médaillés Fields comme premiers signataires, dont Tao. Elle dit que les objectifs des entreprises d’IA et ceux de la communauté mathématique sont gravement désalignés, car résoudre des problèmes est un substitut de la compréhension, non le but lui-même.

   Terence Tao on AI: a living summary

5. 6 octobre 2026

   Publié : OpenAI publie « Sharing AI progress in mathematics ». Le billet dit que le laboratoire publie un large ensemble de nouveaux résultats mathématiques d’un modèle frontière interne, dans un dépôt GitHub, avec des formalisations Lean de nombreuses preuves et 10 résumés du raisonnement du modèle. Il dit que le résultat moyen a utilisé environ trois heures de réflexion ChatGPT Pro.

   OpenAI: Sharing AI progress in mathematics

6. 6 octobre 2026

   Rapporté, absent du billet d’OpenAI : la page de Tao, citant le New York Times, décrit la publication comme plus de 350 résultats dans presque toutes les sous-disciplines, dont l’algèbre, la théorie des nombres, l’informatique théorique, la logique mathématique et la topologie. La même page dit que le Times rapporte qu’OpenAI avait annoncé une solution au problème de Navier-Stokes. Le billet d’OpenAI lu le 2026-10-22 ne nomme pas Navier-Stokes et ne donne pas le chiffre 350.

   Terence Tao on AI: a living summary (citing the Times)

7. 8 octobre 2026

   Tao répond sur le blog Proofs and Prompts. Il écrit qu’aucun des humains impliqués dans les preuves n’est disponible pour répondre à des questions, donner des exposés, soumettre à des revues ou former des étudiants, et qu’il est « horrified » de voir des années-personnes de recherche lente, surtout celles de jeunes mathématiciens, bousculées avec désinvolture.

   Terence Tao on AI: a living summary (quoting his post)

8. 9 octobre 2026

   Il donne la conférence publique de Caltech « Math 2.0 ». Son argument : la rareté des preuves organisait les institutions de Math 1.0, l’abondance de preuves brise cet arrangement, et le goulot d’étranglement du domaine est l’imagination, non la technologie.

   Terence Tao on AI: a living summary (Math 2.0 section)

9. 15 octobre 2026

   La Simons Foundation annonce un effort de 15 millions de dollars avec Anthropic et OpenAI pour aider les mathématiciens à évaluer les résultats assistés par IA, à apprendre les outils et à façonner des normes. OpenAI ajoute une mise à jour à son article du 6 oct. : 5 millions de dollars viennent de sa poche, plus un accès aux modèles et au calcul pour les chercheurs soutenus par Simons.

   Simons Foundation announcement

10. 16 octobre 2026

    Le New York Times publie son portrait. Tao dit au journal « I’m on a war footing », dit faire très peu de mathématiques, et dit d’OpenAI : « At this point, I don’t see a way to constructively engage. »

    The New York Times: Why One of the World’s Greatest Mathematicians Is on a ‘War Footing’

Un atelier en mars, et un marché qui avait du sens à l’époque

Pour comprendre pourquoi l’octobre de Terence Tao sonne ainsi, il faut commencer en mars, car le Tao de mars n’était pas un adversaire des entreprises d’IA. D’après la déclaration d’intérêts de sa propre page, il a aidé à organiser un atelier de l’IPAM qu’OpenAI sponsorisait. L’argent n’est pas venu d’un goût pour les partenariats d’entreprise. Sa page dit qu’il provenait d’une collecte de fonds d’urgence après la suspension, en 2025, des financements de la NSF et des NIH, et que le sponsoring se situait entre 60 000 et 70 000 dollars. Un institut de recherche qui a perdu des fonds fédéraux prend les offres qui existent.

La même déclaration consigne un coût. Pendant l’atelier, OpenAI a enregistré un entretien d’une heure avec Tao et en a ensuite utilisé quelques extraits dans une publicité. Tao dit qu’avec le recul il aurait dû résister davantage. C’est un petit détail, du genre qui compte plus tard : le premier signe que l’intérêt d’un sponsor pour la voix d’un mathématicien et l’intérêt du mathématicien pour l’argent du sponsor n’étaient pas la même chose.

Sa raison déclarée de s’engager était stratégique, et il l’a dite simplement. D’après sa page, il a longtemps soutenu qu’il valait mieux s’engager avec l’industrie que de lui être « uniformly hostile », car les incitations jouent dans les deux sens : traiter avec les laboratoires pourrait faire évoluer le bilan de la technologie « in a better direction ». Il soutenait aussi qu’un universitaire titulaire, sans salaire d’une entreprise d’IA, peut continuer à parler honnêtement. C’est la position à garder en tête pour la suite. Il n’a pas été recruté dans un camp. Il a fait le pari que parler façonnerait le résultat.

L’été : décrire le problème avant qu’il n’arrive

Entre mars et octobre, Tao a consacré une part croissante de ses écrits publics à une inquiétude qui avait peu à voir avec la capacité de l’IA à faire des mathématiques. Sa page dit que la réponse à cette question était de plus en plus oui. Au Congrès international des mathématiciens, le 24 juillet, il a décrit le moment comme une crise des fondements des valeurs et des pratiques mathématiques. Son argument : la résolution de problèmes, historiquement l’objectif le plus visible de la recherche mathématique, avait toujours été un substitut d’objectifs plus lents : comprendre, bâtir des théories, former la génération suivante. Tant que résoudre des problèmes était difficile, le substitut suivait les objectifs. Une fois que les machines pourraient produire des solutions à bas coût, avertissait-il, le substitut cesserait de les suivre, et le pousser davantage ferait des dégâts.

Il a employé un nom venu de l’économie pour ce mécanisme, la loi de Goodhart : quand une mesure devient une cible, elle cesse d’être une bonne mesure. La même page consigne un essai de septembre où il soutient que les problèmes ouverts des mathématiques sont devenus quelque chose comme une ressource non renouvelable, car un problème dont la solution est déjà publique est durablement moins utile pour évaluer quoi que ce soit. Dans la même période, il a écrit un contrefactuel sur les écarts bornés entre nombres premiers, en imaginant comment une histoire collaborative de plusieurs décennies, avec ses tentatives échouées et ses nouvelles méthodes, aurait pu se dérouler si des entreprises d’IA avides de benchmarks avaient été présentes dès le début : une borne qui tombe vite, un problème déclaré saturé, et peu de choses restant à enseigner.

Rien de cela ne concerne le 6 octobre, et c’est le point. Des semaines avant la publication d’OpenAI, Tao avait consigné par écrit le mode d’échec qu’il redoutait, en détail, avec un mécanisme. Quand la publication est venue, sa réaction n’était pas celle d’un homme qui découvre un danger nouveau. Elle ressemblait plutôt à une prévision qui arrive à l’heure. Sa déclaration pour mémoire du 9 septembre le dit : il voyait depuis 2023 deux voies possibles, l’adoption responsable ou l’usage indiscriminé pour des buts à courte vue, et « we are unfortunately rapidly approaching » la seconde. Deux jours plus tard, il était l’un des 25 médaillés Fields qui ont signé le texte initial de « A Severe Misalignment of AI in Mathematics ». Il concédait d’emblée la question des capacités, en disant que les outils peuvent désormais résoudre de grands problèmes ouverts, et passait directement à ce qui les inquiétait : que résoudre des problèmes n’est qu’un substitut de la compréhension conceptuelle, et que produire en masse des énoncés vrais ou faux pourrait détruire un terrain fertile au lieu de donner vie à de nouvelles idées.

Le 6 octobre : ce qu’OpenAI a publié

Le 6 octobre, OpenAI a publié un article intitulé « Sharing AI progress in mathematics ». Le New York Times, dans son portrait de Tao dix jours plus tard, décrit ce qui est arrivé ce jour-là comme plus de 350 résultats dans presque toutes les sous-disciplines de la profession, dont l’algèbre, la théorie des nombres, l’informatique théorique, la logique mathématique et la topologie. Il ajoute que des mathématiciens, dont certains étaient proches de résoudre des problèmes sur lesquels ils travaillaient depuis des années, se sont vus devancés en un instant par l’IA. (Les décomptes varient ailleurs, de quelques centaines à des chiffres plus élevés. Nous retenons le chiffre du Times et l’attribuons, car nous ne pouvons pas concilier les autres.)

La publication est venue après une annonce fracassante. Le Times rapporte qu’OpenAI avait auparavant annoncé avoir résolu le problème de Navier–Stokes, l’un des sept problèmes du prix du millénaire. C’est dans ce contexte que Tao a dit au journal « There are no rules any more » et s’est dit « just numb to what would have been jaw-dropping events » pour lui un an plus tôt. Un homme qui a passé sa carrière à absorber des surprises mathématiques décrivait un état où la surprise ne s’enregistre plus. C’est une chose étrange à dire pour un mathématicien, et il faut la lire comme une information sur le rythme, non comme de la rhétorique.

Publié, rapporté, et pas une date

• Publié. Le 6 octobre 2026, le billet d’OpenAI dit que le laboratoire publie des résultats d’un modèle frontière interne, dans un dépôt GitHub, avec des formalisations Lean de nombreuses preuves et 10 résumés du raisonnement du modèle. Il dit que le résultat moyen a utilisé environ trois heures de réflexion ChatGPT Pro. Une mise à jour du même billet, datée du 15 octobre 2026, dit qu’OpenAI contribue 5 millions de dollars et fournira l’accès aux modèles et au calcul. Lu le 2026-10-22.
• Rapporté, pas dans ce billet. La page de Tao, citant le New York Times du 16 octobre 2026, dit qu’OpenAI a annoncé une solution au problème de Navier-Stokes et que la publication du 6 octobre contenait plus de 350 résultats. Le billet d’OpenAI que nous avons lu ne nomme pas Navier-Stokes et ne donne pas 350. Les deux restent des informations rapportées.
• Les mots de Tao, tels que sa page les cite. Le billet du 8 octobre sur Proofs and Prompts contient « horrified » et la phrase selon laquelle aucun des humains impliqués n’est disponible pour répondre aux questions. Les phrases « I’m on a war footing » et « I don’t see a way to constructively engage » sont celles que la page attribue à l’entretien du Times du 16 octobre.
• Pas une date. Le billet d’OpenAI dit qu’il partagera davantage sur les ateliers dans un avenir proche et qu’il travaille à publier le modèle qui a produit les résultats. Aucune des deux phrases ne nomme un jour. Cette page n’en ajoute pas.

Le 8 octobre : ce à quoi Tao s’est réellement opposé

Deux jours plus tard, Tao a publié sa réaction, et elle est plus précise que ne le laissaient entendre les titres. Selon sa page, qui cite directement le texte, il n’a pas dit que les preuves étaient sans valeur. Il a dit qu’elles « appear to introduce clever new ideas that will be fruitful once digested, while also building upon the existing contributions of countless human mathematicians past and present », et il s’est dit enthousiaste à l’idée que la communauté puisse utiliser de tels outils pour s’attaquer à des projets ambitieux et de grande ampleur que les générations précédentes n’auraient pas pu imaginer.

Son objection portait sur l’arrangement autour des résultats. « None of the humans involved in these proofs are available to take questions, give talks, attend conferences, submit papers to journals, train students, or otherwise participate in the subsequent development of these results. » En mathématiques, cette phrase pèse lourd, car une preuve n’est pas terminée quand elle est correcte. Elle est terminée quand quelqu’un l’a expliquée, replacée dans son contexte et rendue enseignable. Il a écrit que la meilleure occasion de digérer un résultat est le moment de sa découverte, et que ces moments sont « increasingly wasted when delegated entirely to AI tools ».

Vient ensuite la ligne qui explique le mot « horrified ». Tao a écrit qu’il était horrified par « the many person-years of ongoing patient and deliberately slow research efforts — particularly by graduate students and postdocs — towards many motivating problems in mathematics being casually disrupted or destroyed by such a release. » Son analogie est familière : de même qu’on ne peut pas « désentendre » le spoiler d’un film ou l’indice d’un mot croisé, on ne peut plus explorer un problème aussi utilement une fois qu’on sait qu’une réponse existe. Pour un doctorant à trois ans d’un problème, le spoiler n’a rien d’abstrait. Il change ce que la thèse peut être.

Il a aussi décrit ce qu’il aurait préféré. Le même texte, d’après sa page, esquisse une voie non suivie : des laboratoires soumettant des modèles de pointe à des chercheurs indépendants pour évaluation scientifique, se coordonnant avec la communauté de recherche pour que les outils complètent les chercheurs humains au lieu de les concurrencer, les utilisant pour favoriser la collaboration et le partage plutôt que la compétition et le secret, et « opening new doors, without closing old ones. » Le texte se termine par un appel tourné vers l’intérieur : la communauté devrait énoncer ses propres normes et valeurs, bâtir ses propres outils et pratiques, soutenir ses membres les plus vulnérables et tracer sa propre voie. « Let’s get to work. »

Lire la production : « technically readable »

Le volet le plus concret de l’histoire est la façon dont Tao dit que la production se lit. S’adressant au Times, il a décrit la preuve de Navier–Stokes comme « technically readable », mais a ajouté que « no expert I’ve talked to has actually understood the whole argument. » Sa page, résumant le même entretien, dit que la preuve ferait 165 pages, produites par un essaim d’une dizaine de milliers d’agents en 88 heures, et qu’avant la publication d’octobre il avait qualifié les résultats à venir de « toxic waste », puis, après, de « maybe treated waste ».

Le Times ajoute que la rédaction était meilleure dans la dernière publication, qu’il a qualifiée de « mixed bag ». Certains articles citaient correctement ses propres travaux et semblaient les avoir prolongés d’une manière qu’il jugeait plausible. Ce détail contredit une lecture simple de l’histoire comme celle d’un homme en colère d’être dépassé. Il décrit un ensemble de travaux dont une partie est bonne, et reste mécontent à cause de ce qui manque selon lui : « there is no author that I can have a real conversation with about the results. »

Cette phrase est la thèse de tout l’épisode. Dans son argument du Congrès, la chaîne achevée d’un résultat comporte des étapes : génération, vérification, exposition, publication et canonisation, cette dernière étant le moment où le résultat entre dans ce qu’on enseigne à la génération suivante. L’IA avait rendu les premières étapes peu coûteuses. La publication, selon lui, a laissé les suivantes sans propriétaire.

Le 9 octobre : la conférence de Caltech, et ce qu’il dit de faire à la place

Le lendemain de son texte, Tao a donné la conférence publique de Caltech, annoncée sous le titre « Machine Assisted Proof » mais qu’il préfère désormais appeler « Math 2.0 ». Le New York Times, la décrivant la semaine suivante, dit qu’il a soutenu que, malgré les publications d’OpenAI, la plupart des problèmes à la frontière des mathématiques restent non résolus, que la difficulté des problèmes est sans limite, et que, parce que l’IA permet aux mathématiciens de collecter des données à très grande échelle, ils travailleront de plus en plus en grands groupes sur des projets qui auraient été jadis inimaginables.

Sa page donne la version longue. Math 1.0, dit-il, fonctionnait sur la rareté des preuves : trouver une solution et la prouver était rare et difficile, et les institutions, traditions et incitations du domaine s’organisaient autour de cela. Quand une preuve décisive apparaissait, la réaction du domaine produisait invitations, réunions, ateliers, nouvelles collaborations et nouveaux venus, jusqu’à ce que la preuve soit digérée dans les manuels. Les problèmes résolus de façon autonome, soutient-il, génèrent très peu de ce cycle, car ceux qui ont sollicité l’IA n’ont souvent plus d’intérêt pour le domaine une fois la cible atteinte et ne peuvent pas répondre aux questions sur le résultat. Son résumé du goulot d’étranglement est net : il « is not technology, or even institutional culture. It is imagination. »

Le conseil que rapporte le Times est remarquablement doux pour un homme qui dit être sur le pied de guerre. Résoudre un problème n’est pas une destination mais un voyage, et les leçons apprises en chemin comptent souvent plus que la réponse. Plutôt que de résoudre seul un problème, les mathématiciens peuvent utiliser l’IA pour en résoudre dix et chercher des motifs et de nouvelles questions. C’est une acceptation née de la nécessité, dit le Times, plutôt qu’un appel au combat.

Le 15 octobre : l’argent arrive

La veille de la parution du portrait du Times, la Simons Foundation a annoncé une nouvelle série d’initiatives. Dans le cadre d’un partenariat, la Fondation, Anthropic et OpenAI se sont engagés à 15 millions de dollars de financements et de ressources cumulés. La Fondation gérera et attribuera les fonds, notamment par un appel ouvert à propositions, pour soutenir des ateliers et des initiatives qui aident les chercheurs à évaluer les résultats récents assistés par IA, à apprendre et utiliser de nouveaux outils, à partager des points de vue et à façonner des normes collectives pour l’usage de l’IA. Anthropic et OpenAI fourniront aussi des outils et des ressources de calcul aux chercheurs soutenus par la Fondation, en sciences fondamentales comme en mathématiques. L’annonce note que Simons a été un des premiers financeurs de l’assistant de preuve Lean.

La part d’OpenAI apparaît comme une mise à jour de son propre article du 6 octobre, datée du 15 octobre : l’entreprise contribue à hauteur de 5 millions de dollars à l’initiative, « to help mathematicians examine, understand, and build on results produced by AI, including those shared in this post », et fournira un accès aux modèles et au calcul. La même mise à jour dit que l’argent paiera des ateliers, des conférences et des programmes spéciaux.

Nous ne savons pas s’il s’agit d’une réponse aux critiques, et aucune des deux sources ne le dit ; la séquence des dates est tout ce que nous pouvons affirmer. Ce que l’on peut dire, c’est que la finalité annoncée de l’argent, aider la communauté à comprendre les résultats après coup, est le travail de digestion que Tao disait le 8 octobre mieux fait au moment de la découverte. Savoir si financer des ateliers après une publication peut remplacer la disponibilité d’auteurs pendant celle-ci est précisément la question que soulève son objection, et rien dans les annonces n’y répond.

Le 16 octobre : « I’m on a war footing »

Le portrait du Times, signé Elisabeth Bumiller, s’ouvre sur Tao prenant un café pendant un atelier de mathématiques de deux jours à l’UCLA, où, dit-il, on ne parlait partout que de la crise existentielle de l’IA pour le domaine. Tao, 51 ans, dit à la journaliste qu’il fait très peu de mathématiques. « I’m on a war footing. » Sa page et le journal décrivent l’emploi de son temps : réunir des mathématiciens, élaborer des stratégies, donner des conférences, conseiller des collègues, ce qu’il appelle de l’organisation communautaire.

Le revirement sur l’engagement est énoncé sans détour. Un an plus tôt, dit-il au Times, il avait de bonnes relations avec beaucoup de gens de l’entreprise, qui « shared a very common vision of how A.I. should be used — you know, to empower scientists. » Mais la hâte de publier, dit-il, montre à quoi ils ont réellement utilisé le domaine : ils « used math for what they needed, which was to evaluate their models. » Puis la phrase qui titre cet article : « At this point, I don’t see a way to constructively engage. »

Il faut remarquer ce qu’il ne dit pas. Il ne dit pas que les mathématiques sont fausses, ni qu’il faudrait tenir l’IA à l’écart du domaine. La même page qui consigne sa position d’octobre consigne aussi son soutien constant à l’usage responsable, à la vérification formelle et aux outils ouverts. Sa plainte porte sur une manière particulière de publier des résultats, sans auteur disponible, sans coordination avec les gens qui travaillent sur les problèmes, et avec une entreprise qui, selon ses mots, s’intéresse davantage à l’évaluation de ses modèles qu’au domaine.

Ce que nous n’avons pas pu vérifier, et avons écarté

Des résumés de cette histoire, y compris certains écrits ces deux derniers jours, contiennent des détails que nous n’avons pas mis dans la chronologie parce qu’ils n’ont qu’une source ou proviennent de sous-titres automatiques d’un entretien vidéo : combien des nouveaux articles Tao a lus en personne, combien ont été retirés, et le classement d’un résultat comme la plus grande avancée sur son problème en cinquante ans. Les décomptes rapportés de la publication diffèrent aussi d’un média à l’autre. Nous n’avons retenu que ce qu’une source publique énonce sous une forme que nous avons pu lire. Nous n’avons pas non plus utilisé l’étiquette « Mozart des mathématiques » qui apparaît dans la couverture grand public ; nous ne l’avons trouvée dans aucune des sources ci-dessus.

Notre avis

La manière utile de lire cette histoire est d’y voir un différend sur qui possède le dernier kilomètre d’un résultat, non un combat entre un mathématicien et une machine. La position de Tao est constante depuis l’été : la génération est devenue bon marché, et ce qui est resté coûteux, l’explication, le contexte, l’enseignement, est là où réside la valeur du domaine. Un laboratoire peut produire des centaines de preuves en un jour. Il ne peut pas, le même jour, produire des centaines de personnes capables d’en discuter.

Le financement du 15 octobre est une tentative de payer une partie de cette digestion après coup. Les annonces ne disent pas qu’il répond à l’objection de Tao, et cette page ne prévoit pas de publication ultérieure et ne lui assigne pas de date.

Pour continuer la lecture

Tous les articles, du plus récent au plus ancien, sont sur l’index du blog Front.

• L’IA et les mathématiciens, au fil du temps: La chronique plus complète de l’IA et des mathématiques de recherche en octobre 2026.
• Chronologie de Google Argon: Le lancement de Gemini 4 Argon par Google consigné dans l’ordre des dates.
• Grok 4.8 : ce que xAI a réellement dit: Les publications de xAI de Grok 4.5 à 4.7 et les déclarations sur la 4.8.
• Chronologie de Reflection Beam 501B: La publication des poids de Reflection Beam 501B, dans l’ordre du temps.

Questions fréquentes

Journal des mises à jour

• 22 octobre 2026 — Relecture le 2026-10-22 du billet d’OpenAI et de la page de Tao. Le billet du 6 octobre est marqué comme publié, et le récit du Times sur 350 résultats plus une annonce Navier-Stokes comme rapporté. Une phrase qui spéculait sur une publication ultérieure a été retirée.
• 17 octobre 2026 — Première publication.

Sources

• The New York Times: Why One of the World’s Greatest Mathematicians Is on a ‘War Footing’ (Oct 16, 2026)
• Terence Tao on AI: a living summary (updated Oct 16, 2026)
• OpenAI: Sharing AI progress in mathematics (Oct 6, 2026; updated Oct 15)
• Simons Foundation: $15M effort to help mathematicians navigate the AI era (Oct 15, 2026)