Six articles de mathématiques, cinq questions ouvertes : ce que Meta attribue à Muse Spark

Le 2 octobre, Meta a annoncé que des mathématiciens ayant travaillé avec son modèle Muse Spark avaient produit six articles de recherche, dont cinq, selon l’entreprise, répondent à des questions jusque-là ouvertes. Il s’agit de recherche menée par des humains avec l’aide de l’IA : les mathématiciens ont choisi et développé les travaux, puis un autre groupe les a examinés. Meta ne dit pas qu’un chatbot a résolu six problèmes de façon autonome. 17

Des probabilités à la physique mathématique

Les articles portent sur plusieurs domaines. Parmi les résultats et sujets présentés :

• Probabilités et géométrie : The Strict Threshold for Gaussian Ellipsoid Fitting établit un seuil autour de (n \sim d^2/4) pour déterminer si une matrice semi-définie positive peut satisfaire des contraintes définies par des vecteurs gaussiens aléatoires. 1
• Théorie des groupes : un résultat présente un groupe de 384 éléments qui constitue un contre-exemple à une conjecture formulée en 2024. 20
• Algèbre : On Solvable Evolution Algebras and a Conjecture by García-Martínez and Pérez-Rodríguez traite la conjecture mentionnée dans son titre. 4
• Optimisation : Tightness of the Cycle-Based Relaxation for Completed Length-Three Alpha-Cycles étudie le caractère exact d’une méthode de relaxation fondée sur des cycles. 4
• Physique mathématique : String Two-Point Function = Height Function on a Curve figure parmi les publications annoncées. 4
• Équations différentielles : la liste comprend aussi des travaux sur l’explosion en temps fini de solutions radiales à énergie négative d’une équation de Schrödinger biharmonique non linéaire critique en masse.

Le chiffre mis en avant par Meta mérite une précision : l’entreprise affirme que cinq des six articles répondent à des questions auparavant ouvertes. Les listes de publications disponibles ne permettent pas d’établir clairement une correspondance vérifiée entre les six articles et ces cinq questions. 174

Le rôle des mathématiciens dans la collaboration

Les chercheurs ont utilisé Muse Spark 1.1 et 1.2 en mode Thinking, dans l’interface habituelle de discussion de meta.ai, sans dispositif de recherche conçu spécialement pour l’occasion. Meta indique que les mathématiciens ont guidé les travaux et développé les arguments avec le modèle, avant qu’un second groupe de mathématiciens ne les examine. Les articles distinguent également les passages principalement rédigés par les chercheurs de ceux écrits avec l’aide de l’IA. 17

Cette organisation compte pour interpréter les résultats. Un modèle peut suggérer des pistes, des arguments ou du code, mais le récit de Meta attribue aux chercheurs le choix des problèmes et l’examen des travaux. Pour le résultat en théorie des groupes, un article de presse rapporte que Muse Spark a écrit un programme de recherche destiné à GAP, un logiciel de mathématiques ; les mathématiciens ont vérifié le contre-exemple et complété la démonstration. 20

Ce que ces résultats ne démontrent pas encore

Ces articles montrent qu’un modèle d’IA peut contribuer à des travaux mathématiques encadrés. À eux seuls, ils ne prouvent ni que les résultats sont exclusifs ni que les réponses mathématiques du modèle sont généralement fiables. D’autres articles rapportent que plusieurs résultats avaient aussi été obtenus indépendamment par d’autres équipes : ce chevauchement compte lorsqu’on évalue les questions de priorité.

L’examen par des mathématiciens n’est pas la même chose qu’une vérification formelle : dans cette démarche, une démonstration est codée dans un langage strict afin qu’un ordinateur puisse en contrôler chaque étape. Meta décrit une relecture humaine, mais les informations disponibles ne permettent pas de savoir si les preuves de chaque article ont également été vérifiées par un assistant de preuve. 17

Meta a présenté Muse Spark le 8 avril 2026 comme le premier modèle de Meta Superintelligence Labs. Les articles d’octobre illustrent une utilisation ultérieure du modèle dans une collaboration de recherche. Ils ne suffisent toutefois pas à établir que les affirmations mathématiques produites avec l’IA sont infaillibles : il faut examiner les démonstrations et leur vérification indépendante.