Comment l’IA a-t-elle résolu les questions de l’Olympiade internationale de mathématiques et remporté une médaille d’or ?

Un modèle d'intelligence artificielle a été entraîné à résoudre les questions de l'examen de l'Olympiade internationale de mathématiques (IMO) comme un véritable étudiant en mathématiques. Non seulement il donne la bonne réponse, mais il écrit également la solution étape par étape, comme un médaillé d'or.

Un modèle d'IA résout les questions de l'Olympiade mathématique internationale (IMO)

L'IA peut désormais non seulement résoudre des problèmes mathématiques courants, mais aussi réussir l' Olympiade internationale de mathématiques (OIM). Lors d'un examen de simulation organisé par des experts internationaux en 2025, le modèle AlphaMath de DeepMind a obtenu un score parfait et remporté une médaille d'or.

Un modèle d'IA obtient un score parfait aux Olympiades de simulation mathématique

Un nouveau modèle d'intelligence artificielle appelé AlphaMath , développé par DeepMind en collaboration avec une équipe de recherche d'OpenAI, vient d'obtenir un score parfait à l'examen de simulation de l' Olympiade internationale de mathématiques (IMO).

Ce n’est pas la première fois que l’IA résout un problème complexe, mais c’est la première fois qu’un système est capable d’exécuter une chaîne logique de raisonnement de manière aussi claire et cohérente qu’un véritable concurrent le ferait pour gagner une médaille d’or.

AlphaMath n'utilise pas de techniques de résolution de problèmes de type algèbre de programmation comme Wolfram Alpha, et ne s'appuie pas uniquement sur la prédiction du mot suivant, contrairement aux modèles de langage actuels. Il repose plutôt sur une combinaison de réseaux neuronaux profonds et de logique symbolique, une approche appelée raisonnement neuro-symbolique.

Grâce à cela, AlphaMath peut comprendre des problèmes décrits en langage naturel, les décomposer en étapes logiques précises, puis présenter la solution complète sous forme de preuve mathématique.

L'aspect remarquable de la conception d'AlphaMath réside dans le fait qu'elle entraîne le modèle non seulement sur des solutions correctes, mais aussi sur des millions de solutions incorrectes, avec des étapes de correction. Ce processus permet au système d'apprendre à détecter les erreurs logiques, à évaluer la vraisemblance des hypothèses et à ajuster la direction de la solution à chaque étape.

Il s’agit d’un passage de l’apprentissage par « mémorisation de modèles » à l’apprentissage par « pensée critique structurée », qui aide le modèle non seulement à résoudre correctement, mais également à contrôler le processus de raisonnement comme un mathématicien professionnel.

Lorsqu'il a été testé avec un examen IMO simulé, AlphaMath a démontré sa capacité à analyser le problème lui-même, à rétablir les hypothèses, à proposer une approche, à critiquer sa propre solution et enfin à présenter la solution dans un texte incorporant des formules, de la manière dont les vrais candidats IMO le font généralement.

C'est la première fois qu'un système d'IA parvient non seulement à trouver la réponse , mais également à reproduire le processus de raisonnement de manière si complète et convaincante qu'il peut être noté comme un véritable examen manuscrit.

L'essor de l'IA raisonnée : de la résolution de problèmes mathématiques à la conception des connaissances

Le succès d’AlphaMath démontre non seulement les nouvelles capacités de l’IA en mathématiques, mais étend également la capacité des ordinateurs à accéder à des espaces de connaissances hautement structurés qui n’étaient auparavant accessibles qu’aux humains.

Être capable de comprendre des problèmes, d’analyser la logique, de construire des preuves et de s’auto-réfléchir suggère que l’IA se rapproche de la capacité de manipuler des connaissances formelles, l’un des grands défis de l’intelligence artificielle.

AlphaMath ne fonctionne pas comme un ordinateur numérique traditionnel. Le modèle comprend le langage naturel et l'utilise pour créer des structures de raisonnement mathématique organisées.

Il s'agit d'une avancée qui permet à l'intelligence artificielle non seulement de lire et de réagir, mais aussi de construire son propre système de pensée vérifiable. Lorsque le raisonnement sera modélisé et automatisé , l'IA aidera non seulement les humains à trouver des réponses, mais pourra également jouer un rôle dans la détection des erreurs de programmation, la démonstration de théorèmes, la conception de micropuces ou la recherche en physique théorique.

Ce qui est unique, c'est qu'AlphaMath ne se contente pas de traiter des formules mathématiques en entrée, mais travaille directement avec la description écrite du problème, comme un étudiant qui passe un examen et commence à réfléchir. Cela crée une interopérabilité accrue entre l'IA et les disciplines académiques, où le langage et le raisonnement sont des outils essentiels, et pas seulement le calcul pur.

Bien qu'AlphaMath ne puisse pas encore générer de nouveaux problèmes ou découvrir des concepts mathématiques créatifs, ce qui nécessite l'intuition et l'expérience humaines, obtenir un score parfait à l'examen IMO simulé est un signal clair que l'IA entre dans une nouvelle étape où elle ne se contente plus de répondre, mais sait également raisonner de manière systématique.

Et c’est la base des futures générations d’IA spécialisée, où la logique n’est plus un privilège humain.

Retour au sujet

Tuan Vi

Source : https://tuoitre.vn/ai-giai-de-olympic-toan-quoc-te-the-nao-ma-gianh-huy-chuong-vang-20250725180121618.htm