L'IA de DeepMind remporte l'or à l'Olympiade de Mathématiques 2025

L'IA de DeepMind a réalisé un bond spectaculaire en raisonnement mathématique, décrochant une médaille d'or à l'Olympiade Internationale de Mathématiques (IMO) 2025, un an après l'argent en 2024. Cette percée souligne la puissance croissante de l'IA pour résoudre des problèmes complexes et abstraits nécessitant une créativité humaine. Cet article explore le parcours transformateur de DeepMind, les avancées techniques clés et l'impact plus large de cette étape.

Pourquoi l'IMO est importante

Depuis 1959, l'Olympiade Internationale de Mathématiques est la compétition mathématique mondiale de référence pour les lycéens. Elle met les participants au défi avec six problèmes complexes en algèbre, géométrie, théorie des nombres et combinatoire, exigeant une créativité exceptionnelle, une logique rigoureuse et des preuves élégantes.

Pour l'IA, l'IMO est un test redoutable. Contrairement à la reconnaissance de motifs ou aux jeux stratégiques comme le Go, les mathématiques olympiques requièrent un raisonnement abstrait et une synthèse d'idées novatrices—des compétences longtemps considérées comme uniquement humaines. L'IMO sert ainsi de référence pour les progrès de l'IA vers une intelligence de type humain.

La médaille d'argent de 2024

En 2024, DeepMind a présenté deux systèmes d'IA pour les problèmes de l'IMO : AlphaProof et AlphaGeometry 2, tous deux exploitant une IA "neuro-symbolique", combinant des modèles de langage volumineux (LLMs) avec une logique symbolique.

AlphaProof a utilisé Lean, un langage mathématique formel, pour prouver des énoncés. Il intégrait Gemini, le LLM de DeepMind, avec AlphaZero, un système d'apprentissage par renforcement célèbre pour maîtriser les jeux de plateau. Gemini traduisait les problèmes en Lean, générant des étapes logiques, tandis qu'AlphaProof s'entraînait sur des millions de problèmes mathématiques variés, affinant ses compétences par auto-amélioration.

AlphaGeometry 2 excellait en géométrie, avec Gemini prédisant des constructions auxiliaires et un moteur symbolique gérant les déductions. Cette approche hybride lui permettait de résoudre des problèmes géométriques complexes.

Les systèmes ont résolu quatre des six problèmes de l'IMO—deux en algèbre, un en théorie des nombres et un en géométrie—obtenant 28/42, ce qui leur a valu une médaille d'argent. Cela a marqué une réussite historique pour l'IA, bien qu'elle reposait sur des traductions humaines et des ressources computationnelles importantes.

Innovations clés pour l'or

Le passage de DeepMind à l'or en 2025 découle d'avancées techniques majeures.

1. Preuves en langage naturel

Un changement crucial a été l'utilisation du langage naturel pour les preuves, éliminant le besoin de traductions expertes en langages formels. Une version améliorée de Gemini avec des capacités Deep Think traite les problèmes directement, esquissant des preuves informelles, formalisant les étapes clés en interne et fournissant des preuves claires en anglais. L'apprentissage par renforcement à partir de retours humains (RLHF) garantissait des solutions concises et logiques.

Gemini Deep Think se distingue par des fenêtres de contexte plus longues et plus de jetons de calcul, soutenant un raisonnement sur plusieurs pages. Il utilise un raisonnement parallèle, générant des centaines de chemins de solution, avec un superviseur classant les meilleurs, à l'image d'un brainstorming humain.

2. Techniques d'entraînement avancées

Gemini Deep Think a été affiné sur un corpus de 100 000 solutions provenant de forums mathématiques, d'arXiv et d'exercices universitaires, avec des mentors humains filtrant les erreurs. L'apprentissage par renforcement avec des récompenses par étapes pour les sous-lemmes vérifiés a guidé le modèle vers des preuves concises. L'entraînement a duré trois mois, utilisant 25 millions d'heures-TPU.

3. Puissance de traitement parallèle

La parallélisation était essentielle, avec plusieurs branches de raisonnement explorées simultanément. Les ressources se déplaçaient dynamiquement vers les chemins prometteurs, particulièrement efficaces pour la combinatoire. Cette approche, soutenue par les clusters TPU v5 de DeepMind, reflétait les stratégies humaines comme tester des inégalités avant des preuves complètes.

Le triomphe de DeepMind à l'IMO 2025

Pour garantir l'équité, DeepMind a figé les poids de son modèle trois semaines avant l'IMO, filtrant les solutions de problèmes non publiées. Pendant l'événement, Gemini Deep Think a abordé six problèmes en texte brut sans accès à Internet, utilisant une puissance de calcul équivalente à un ordinateur portable. Il a complété les preuves en moins de trois heures, obtenant des scores parfaits sur cinq problèmes et un total de 35/42—décrochant l'or. Les preuves de l'IA ont été saluées comme rigoureuses et complètes, égalant les normes humaines.

Impact sur l'IA et les mathématiques

Le succès de DeepMind signale des progrès vers l'intelligence artificielle générale (AGI), car les problèmes de l'IMO exigent un raisonnement avancé. Pour les mathématiques, des outils comme Gemini Deep Think peuvent aider à explorer de nouveaux théorèmes, vérifier des conjectures et rationaliser les preuves, libérant les mathématiciens pour un travail conceptuel. Cependant, le rôle de l'IA dans l'éducation et les compétitions soulève des questions sur leur structure future.

Perspectives futures

Bien que certains défis mathématiques persistent, les progrès rapides de DeepMind suggèrent que l'IA pourrait bientôt s'attaquer à des problèmes majeurs non résolus. La victoire à l'IMO 2025 met en lumière l'avancement du raisonnement logique de l'IA, suscitant un débat sur son rôle, complémentaire ou redéfinissant la créativité humaine en mathématiques.