💥 Aujourd'hui, nous disons "bonjour le monde" depuis OpenAI pour la science. Nous publions un article montrant 13 exemples de GPT-5 accélérant la recherche scientifique dans les domaines des mathématiques, de la physique, de la biologie et des sciences des matériaux. Dans 4 de ces exemples, GPT-5 a aidé à trouver des preuves de problèmes précédemment non résolus.

Notre objectif est d'être mesuré, mais optimiste. Nous montrons, avec des exemples spécifiques, ce que GPT-5 peut et ne peut pas faire aujourd'hui, et donnons un chemin clair sur la façon dont les chercheurs peuvent l'utiliser pour accélérer la découverte scientifique tout en maintenant des normes élevées. Nous croyons que GPT-5 offre déjà une valeur substantielle pour les chercheurs scientifiques aujourd'hui, et qu'il deviendra un outil encore plus puissant demain.

Il ne s'agit pas seulement des preuves de problèmes non résolus. Il existe des exemples quotidiens d'accélération, comme lorsque GPT-5 peut économiser des heures en effectuant un calcul difficile. C'est un partenaire de brainstorming incroyable pour de nouvelles idées grâce à l'ampleur de la science qu'il comprend. Et ses capacités de recherche littéraire sont incroyables, associant des concepts à travers les disciplines et les langues.

L'une de mes citations préférées dans le document vient du physicien Robert Scherrer : « J'ai accumulé un certain nombre de problèmes mathématiques intéressants non résolus qui m'ont frustré au cours de mes 40 années de carrière de recherche. Beaucoup d'entre eux semblent particulièrement bien adaptés aux solutions d'IA. J'ai longtemps attendu que ce moment arrive. »

GPT-5 ne résout pas encore de grands problèmes ouverts comme l'hypothèse de Riemann ou ne contribue pas au programme de Langlands. Mais l'idée que nous parlerions d'un LLM fournissant des preuves de problèmes non résolus aurait été absurde il y a un an. Donc, le fait que nous résolvions aujourd'hui des problèmes non résolus de petite à moyenne taille signifie que nous résoudrons des problèmes plus importants à l'avenir. Et l'avenir arrive vite dans l'IA.

Je tiens à adresser un immense merci à nos co-auteurs : Christian Coester, Timothy Gowers (@wtgowers), Mehtaab Sawhney, Robert Scherrer, Brian Spears (@bkspears9), Derya Unutmaz (@DeryaTR_), et Nikita Zhivotovskiy. Un merci spécial également à @SebastienBubeck, @ALupsasca, et @MarkSellke pour leur collaboration importante sur l'article, ainsi qu'à tous nos collègues qui ont contribué.

Et bien sûr, le document ! Il est lié ici et devrait être disponible bientôt. J'ai hâte d'entendre vos réflexions ! 2026 va être incroyable.