GPT-5.5 et Claude ont-ils vraiment résolu des maths inédites ensemble

Introduction : une affirmation qui mérite d'être disséquée

Ce qu'on prétend avoir accompli

Des chercheurs ont affirmé, via un message publié directement sur X le 1er juillet 2026, qu'un système à deux modèles combinant GPT-5.5 Pro d'OpenAI et Claude Opus 4.7 d'Anthropic serait parvenu à résoudre une série de problèmes mathématiques ouverts, c'est-à-dire des questions sans solution publiée connue, selon un rapport relayé par AI Insiders. Le montage: GPT-5.5 Pro joue le rôle du «prouveur», générant des candidats de preuves, pendant que Claude Opus 4.7 agit comme «vérificateur», les validant ligne par ligne.

C'est une affirmation spectaculaire. C'est exactement le genre d'affirmation qui mérite un fact-check rigoureux avant d'être répétée comme un fait établi, ce que je me propose de faire ici, point par point.

Pourquoi ce genre de claim doit toujours être vérifié

Le monde de l'intelligence artificielle produit, presque chaque semaine, une nouvelle annonce spectaculaire sur X ou LinkedIn qui, une fois passée au crible, se révèle plus nuancée que le titre accrocheur qui l'accompagne. Cela ne veut pas dire que tout est faux: cela veut dire qu'il faut distinguer ce qui est confirmé, ce qui est plausible et ce qui reste à démontrer.

C'est exactement la distinction que je veux faire ici, sans céder ni à l'enthousiasme technologique béat, ni au scepticisme systématique qui refuserait de voir les progrès réels de ces systèmes.

CLAIM 1 : «Un système a résolu des problèmes mathématiques ouverts»

Ce qui est vérifiable

Selon le rapport d'AI Insiders, les chercheurs ont bel et bien construit un système à deux modèles, GPT-5.5 Pro en générateur de preuves et Claude Opus 4.7 en vérificateur, et l'ont appliqué à des questions mathématiques présentées comme non résolues. Ce montage technique lui-même, un système «prouveur-vérificateur», est une architecture bien connue en recherche sur le raisonnement automatisé, et rien n'indique qu'elle n'a pas été mise en œuvre comme décrit.

Ce que confirme également le rapport: l'annonce a été «publiée directement sur X plutôt que via un canal évalué par les pairs», ce qui est un fait vérifiable et central pour évaluer la solidité de la revendication.

Ce qui reste non vérifié

Voici le nœud du problème: l'annonce «ne précise pas comment les questions ouvertes ont été sélectionnées ni combien tombaient dans chaque catégorie» de difficulté, selon les propres termes du rapport d'AI Insiders. Autrement dit, on ignore si ces «problèmes ouverts» étaient proches de territoire déjà bien documenté ou véritablement à la frontière de la recherche mathématique inconnue.

Un problème peut techniquement être «non résolu publiquement» tout en étant relativement proche de résultats connus, ce qui change complètement la portée de l'exploit. Sans cette information, le verdict FACT-CHECK sur cette affirmation précise est: NON VÉRIFIABLE EN L'ÉTAT.

CLAIM 2 : «Aucune vérification indépendante de la communauté mathématique»

Un aveu contenu dans le rapport lui-même

Le rapport d'AI Insiders le précise noir sur blanc: l'annonce «n'inclut aucune vérification indépendante de la communauté mathématique». C'est un point absolument central, car en mathématiques, une preuve n'est considérée comme établie qu'après avoir survécu à l'examen minutieux de pairs experts humains, un processus qui peut prendre des mois, voire des années pour les résultats les plus complexes.

Le rapport souligne d'ailleurs avec justesse qu'«une preuve qui survit à un vérificateur LLM n'est pas la même chose qu'une preuve acceptée par des arbitres humains», une distinction que je considère comme le cœur même de ce fact-check.

Le précédent qui devrait nous rendre prudents

Le même rapport rappelle qu'«l'histoire compte peu de cas où un résultat mathématique généré par IA a sauté cette étape» de vérification humaine avec succès. Cette phrase, en apparence anodine, est en réalité un avertissement clair contre l'emballement précoce autour de ce type d'annonce.

Je trouve important de rappeler que même les chercheurs eux-mêmes, dans leur propre communication, qualifient leurs résultats de «étonnamment solides» selon leur propre caractérisation, une formulation prudente qui n'a rien d'une déclaration de victoire scientifique définitive.

Contexte : la vraie rivalité mathématique entre les deux modèles

Sur le terrain des benchmarks, c'est la compétition qui domine

Ce qui rend cette histoire de «collaboration» encore plus intéressante à vérifier, c'est qu'elle survient dans un contexte où GPT-5.5 et les modèles Claude d'Anthropic sont avant tout en concurrence féroce sur les benchmarks mathématiques, pas en coopération. Sur le classement FrontierMath, le benchmark de référence conçu par Epoch AI pour tester le raisonnement mathématique de niveau recherche, les deux familles de modèles s'échangent la tête du classement mois après mois.

Après la mise à jour v2 du benchmark le 12 juin 2026, Claude Fable 5 d'Anthropic a atteint 87,8% sur le tier 4, le niveau le plus difficile, dépassant GPT-5.5 Pro qui plafonnait autour de 78% sur cette même métrique, selon les données compilées par Epoch AI et relayées par plusieurs agrégateurs de benchmarks IA.

Une rivalité, pas une alliance stratégique

Cette dynamique concurrentielle est importante à souligner: OpenAI et Anthropic restent des concurrents directs sur le marché de l'intelligence artificielle générative, et rien dans leur positionnement commercial habituel ne suggère une collaboration institutionnelle entre les deux entreprises elles-mêmes. Le système décrit dans l'annonce du 1er juillet semble être le fait de chercheurs tiers utilisant les deux modèles via leurs interfaces publiques respectives, et non un partenariat officiel entre OpenAI et Anthropic.

Cette nuance change complètement la portée de l'affirmation initiale: ce n'est pas «OpenAI et Anthropic collaborent», mais plutôt «des chercheurs externes ont utilisé deux produits concurrents en tandem pour un usage spécifique».

Ce que cela dit vraiment sur l'état de l'IA occidentale

Le signal réel derrière le bruit

Même en écartant l'exagération autour de cette annonce précise, il reste un signal réel et important: la technique du système prouveur-vérificateur, combinant un modèle générateur et un modèle validateur, semble étendre les capacités de raisonnement mathématique au-delà de ce qu'un seul modèle peut accomplir isolément. Le rapport d'AI Insiders le formule avec justesse: c'est «la preuve qu'un système de vérification à deux modèles peut étendre le raisonnement plus loin que chaque modèle travaillant seul», dans un domaine où la justesse est binaire et sans concession.

C'est une conclusion beaucoup plus modeste, mais beaucoup plus solide, que le titre viral «l'IA résout des problèmes mathématiques inédits». Et c'est précisément cette version modeste qui mérite d'être retenue.

Pourquoi l'Occident doit continuer d'investir malgré le bruit médiatique

Je persiste à croire que ces progrès méthodologiques, aussi surévalués soient-ils dans leur couverture médiatique initiale, illustrent pourquoi les laboratoires occidentaux, qu'il s'agisse d'OpenAI, d'Anthropic ou de Google DeepMind, doivent continuer de recevoir un soutien massif face à la concurrence chinoise en intelligence artificielle. La course reste ouverte, et chaque avancée méthodologique, même modeste, compte dans cette compétition stratégique de long terme.

Mais cette conviction stratégique ne doit jamais devenir une excuse pour relâcher notre exigence de rigueur face aux annonces non vérifiées, peu importe qui les publie ni sur quelle plateforme.

Ce que les utilisateurs ordinaires doivent en retenir

Ne pas confondre outil de travail et oracle mathématique

Pour l'utilisateur ordinaire de ChatGPT ou de Claude, cette histoire illustre un piège classique: prendre une sortie de modèle de langage, aussi convaincante soit-elle dans sa formulation, pour une vérité mathématique établie. Les deux modèles, GPT-5.5 et Claude Opus 4.7, restent capables de produire des erreurs de raisonnement de raisonnement significatives sur des problèmes complexes, malgré leurs scores impressionnants sur des benchmarks comme FrontierMath.

Le fait même que les chercheurs aient jugé nécessaire d'utiliser un second modèle comme vérificateur humain de substitution démontre, en creux, qu'aucun des deux modèles pris isolément n'est considéré comme suffisamment fiable pour garantir la validité d'une preuve mathématique complexe.

Une leçon de méthode pour les entreprises et chercheurs

Cette architecture à double vérification, malgré les limites de l'annonce qui l'accompagne, pourrait devenir une pratique standard pour les équipes techniques qui utilisent l'intelligence artificielle générative dans des contextes où l'erreur n'est pas tolérable, que ce soit en ingénierie, en finance quantitative ou en recherche scientifique appliquée.

Je considère cette leçon méthodologique comme la contribution la plus solide de toute cette histoire, bien plus solide que le titre accrocheur qui a circulé sur les réseaux sociaux le 1er juillet.

Le précédent des «preuves IA» qui n'ont pas résisté à l'examen

Des cas antérieurs qui incitent à la prudence

Ce n'est pas la première fois qu'une annonce spectaculaire sur les capacités mathématiques d'un modèle d'intelligence artificielle s'avère plus fragile après examen approfondi. Plusieurs résultats présentés comme des percées lors de leur annonce initiale ont, une fois soumis à l'examen de mathématiciens professionnels, révélé des failles de raisonnement ou des solutions partiellement incorrectes que les modèles eux-mêmes n'avaient pas détectées.

Ce historique de fausses alertes, documenté notamment par des chercheurs d'Epoch AI lors de leurs propres audits de benchmarks comme FrontierMath, justifie pleinement l'attitude prudente que ce fact-check adopte envers l'annonce du 1er juillet.

Ce que l'audit d'Epoch AI révèle sur la fiabilité des scores

Lors de sa mise à jour v2 de juin 2026, Epoch AI a corrigé des erreurs présentes dans 42% des problèmes de son propre benchmark FrontierMath, un taux de correction qui illustre à quel point même les organismes d'évaluation les plus rigoureux du secteur peinent à garantir l'exactitude parfaite de leurs mesures. Si l'organisme qui conçoit le test lui-même doit corriger une telle proportion d'erreurs, la prudence s'impose a fortiori pour une annonce non évaluée par les pairs.

Cette donnée contextuelle renforce, selon moi, la nécessité de traiter toute affirmation de percée mathématique par IA avec le même scepticisme méthodique, peu importe la crédibilité apparente des chercheurs impliqués.

Le rôle des plateformes dans la diffusion de claims non vérifiés

X comme accélérateur d'affirmations non filtrées

Le choix de publier ce type de résultat directement sur X, plutôt que via un article scientifique soumis à un comité de lecture, illustre une tendance plus large dans l'écosystème de la recherche en intelligence artificielle: la course à la visibilité immédiate prime parfois sur la rigueur du processus de publication traditionnel. Cette dynamique n'est pas propre à ce cas précis, mais elle mérite d'être nommée chaque fois qu'elle se manifeste.

Les plateformes de réseaux sociaux, par leur structure même, récompensent les formulations spectaculaires et pénalisent les nuances méthodologiques, ce qui crée un biais systémique en faveur de l'exagération dans la communication scientifique moderne.

La responsabilité des médias spécialisés

Les médias spécialisés en technologie, dont ce fact-check s'appuie sur le travail de vérification, portent une responsabilité particulière: relayer l'enthousiasme des chercheurs sans jamais faire l'économie des réserves méthodologiques qui accompagnent, souvent en petits caractères, les annonces les plus spectaculaires.

Je salue à cet égard le travail du rapport d'AI Insiders, qui a pris soin d'inclure les réserves méthodologiques essentielles plutôt que de simplement relayer le titre accrocheur de l'annonce initiale.

Verdict final du fact-check

Ce qui est confirmé, ce qui ne l'est pas

CONFIRMÉ: un système à deux modèles combinant GPT-5.5 Pro et Claude Opus 4.7 a bien été construit et testé sur des problèmes mathématiques présentés comme ouverts, selon les chercheurs eux-mêmes cités par AI Insiders. NON VÉRIFIÉ: la nature exacte des problèmes résolus, leur véritable degré de nouveauté, et surtout l'absence totale à ce jour de validation par la communauté mathématique professionnelle.

EXAGÉRÉ DANS SA COUVERTURE VIRALE: l'idée qu'il s'agirait d'une «collaboration» entre OpenAI et Anthropic en tant qu'entreprises, alors qu'il s'agit vraisemblablement de chercheurs tiers combinant deux produits commerciaux concurrents pour un usage de recherche spécifique.

La règle que je retiens de cet exercice

La règle est simple et je l'applique à toutes les annonces spectaculaires en intelligence artificielle: une annonce postée sur X sans évaluation par les pairs, sans méthodologie détaillée et sans validation indépendante, doit être traitée comme une piste prometteuse à surveiller, jamais comme un fait scientifique établi.

Ce fact-check ne prétend pas que l'expérience décrite est fausse ou malhonnête: il établit simplement, avec les outils du journalisme sourcé, la frontière exacte entre ce qui a été démontré et ce qui reste à prouver.

Signé Maxime Marquette, chroniqueur

Encadré de transparence du chroniqueur

Qui je suis et mes limites

Je signe ce fact-check sous le nom de Maxime Marquette. Je ne suis ni mathématicien professionnel ni chercheur en intelligence artificielle: mon rôle consiste à comparer une affirmation virale à ses sources primaires disponibles et à signaler clairement l'écart entre les deux. Je n'ai pas eu accès aux données brutes du système prouveur-vérificateur décrit, seulement au rapport journalistique qui en rend compte.

Ma méthode et mes biais assumés

Je porte un biais assumé en faveur du leadership technologique occidental face à la Chine, ce qui ne m'empêche pas d'appliquer la même rigueur critique aux annonces des laboratoires américains qu'à n'importe quelle autre source. Une affirmation non vérifiée reste non vérifiée, qu'elle vienne d'OpenAI, d'Anthropic, ou de n'importe quel autre acteur.

Sources

Sources primaires

AI Insiders, GPT-5.5 Pro et Claude Opus 4.7 associés pour percer des problèmes mathématiques — 1er juillet 2026

OpenAI, page de recherche officielle

Sources secondaires

AI Weekly, Claude Fable 5 dépasse GPT-5.5 sur le tier le plus difficile de FrontierMath — 13 juin 2026

LM Council, classement des benchmarks IA incluant FrontierMath — 1er juillet 2026

Epoch AI, mise à jour v2 du benchmark FrontierMath — 12 juin 2026

Anthropic, page de recherche officielle