Un groupe de chercheurs chinois dévoile « TongGeometry », un système d’IA présenté comme le premier à combiner génération autonome d’énoncés de géométrie et résolution automatique. Publié le 26 janvier dans Nature Machine Intelligence, le modèle passe d’une logique d’imitation à une capacité de création, avec des problèmes jugés conformes aux critères esthétiques des mathématiciens selon l’équipe menée par Zhang Chi (Beijing Institute for General Artificial Intelligence).
Fait marquant, trois problèmes générés par l’IA ont été retenus pour des compétitions humaines de haut niveau : la ligue nationale chinoise des lycéens (région de Pékin) et l’Ersatz Math Olympiad aux États‑Unis. C’est la première fois que des énoncés originaux issus d’un système d’IA intègrent de tels concours.
Création d’énoncés et résolution sur une seule carte graphique
Par rapport à AlphaGeometry, qui s’appuyait sur un cluster de calcul conséquent, TongGeometry revendique des performances de pointe sur une simple carte graphique grand public. L’équipe indique qu’une RTX 4090 suffit pour résoudre, en 38 minutes au maximum, l’ensemble des problèmes de géométrie olympique de ces 25 dernières années, avec une efficacité de raisonnement et une précision au niveau des meilleurs systèmes.
Le cœur technique repose sur une « représentation normalisée » qui compresse drastiquement l’espace de recherche et limite les explosions combinatoires. Cette réduction de complexité semble être le levier principal qui permet de passer d’une approche coûteuse en calcul à un pipeline exploitable sur une machine de travail équipée d’une seule carte graphique.
Validation par la communauté compétitive
Au‑delà des benchmarks rétrospectifs, la sélection d’énoncés pour des concours réels donne un signal de robustesse plus crédible que les démonstrations en vase clos. La conformité aux standards esthétiques et pédagogiques des jurys, distincte du simple taux de résolution, était l’un des verrous pour faire admettre des problèmes « nés de l’IA » dans des circuits reconnus.
Si l’on ajoute le coût matériel désormais modeste côté inférence, l’intérêt pratique grimpe pour les laboratoires, les organisateurs de compétitions et, potentiellement, les éditeurs d’outils de préparation aux olympiades. La prochaine étape consistera à observer la reproductibilité des résultats et l’ouverture du code ou des datasets, points souvent déterminants pour une adoption durable.
Source : ITHome
