Des chercheurs chinois dévoilent TongGeometry : un changement de paradigme dans le raisonnement mathématique par l'IA

Dans une avancée significative pour le paysage mondial de l'intelligence artificielle, une équipe de recherche conjointe de Chine a annoncé la création de TongGeometry, un système d'Intelligence Artificielle Générale (AGI, Artificial General Intelligence) qui, selon les rapports, surpasse AlphaGeometry de Google DeepMind. Publiée dans la prestigieuse revue Nature Machine Intelligence, cette percée marque un tournant décisif dans la quête de systèmes d'IA capables d'un raisonnement logique au niveau humain et de création autonome.

Le système a été développé grâce à un effort collaboratif dirigé par le Beijing Institute for General Artificial Intelligence (BIGAI), en partenariat avec plusieurs départements prestigieux de Peking University, notamment la School of Psychological and Cognitive Sciences et l'Institute for Artificial Intelligence. Contrairement à ses prédécesseurs, qui se concentraient principalement sur la résolution de problèmes existants, TongGeometry introduit une double capacité : il agit à la fois comme résolveur et comme créateur, redéfinissant fondamentalement la manière dont les machines abordent des défis mathématiques complexes.

Dépasser la référence AlphaGeometry

Pendant des années, les problèmes de l'International Mathematical Olympiad (IMO) ont servi de « référence absolue » pour tester l'intelligence machine. Au début de 2024, DeepMind a fait sensation avec AlphaGeometry, un système ayant démontré une remarquable maîtrise des problèmes de géométrie. Cependant, la sortie de TongGeometry remet en question cette domination en s'attaquant aux inefficacités inhérentes des modèles précédents.

La distinction principale réside dans l'efficacité computationnelle et la philosophie architecturale. AlphaGeometry a été décrit par les chercheurs comme un « résolveur passif », s'appuyant fortement sur d'énormes jeux de données synthétiques et d'importantes grappes de calcul pour obtenir ses résultats. En contraste frappant, TongGeometry fonctionne selon un paradigme « peu de données, grande tâche ».

Selon l'équipe de recherche, TongGeometry a résolu avec succès tous les problèmes de géométrie de l'International Mathematical Olympiad de 2000 à aujourd'hui en moins de 38 minutes. Plus notable encore, cet exploit a été accompli en utilisant une seule GPU grand public, mettant en évidence une réduction drastique du coût computationnel comparé aux ressources à l'échelle industrielle requises par l'équivalent de DeepMind.

Architecture technique : de la « résolution par imitation » à la « création autonome »

Le bond technique réalisé par TongGeometry est attribué à sa « technologie de représentation normalisée » innovante. Les solveurs IA traditionnels font souvent face à un problème d'« explosion de chemins », où le nombre d'étapes logiques potentielles croît de façon exponentielle, submergeant le système. TongGeometry utilise sa méthode de représentation unique pour compresser cet espace de recherche de plusieurs ordres de grandeur, permettant un raisonnement rapide et précis sans recourir au calcul par force brute.

Comparaison des principaux systèmes d'IA mathématique

Zhang Chi, chercheur chez BIGAI et premier auteur de l'article, a expliqué la capacité du système à transcender la simple résolution de problèmes. « Nous avons identifié une profonde dualité dans notre recherche : lorsque la difficulté de preuve d'une proposition géométrique est bien supérieure à sa complexité de construction, elle possède une 'valeur esthétique' en tant que problème de niveau olympique », a déclaré Zhang.

En modélisant cette dualité, TongGeometry peut identifier et générer des problèmes de haute qualité qui s'alignent sur les standards esthétiques des mathématiciens humains. Cette capacité représente un passage de la « résolution par imitation » — où une IA se contente d'imiter des schémas appris — à la « création autonome », où le système comprend l'élégance sous-jacente de la logique qu'il manipule.

Validation des capacités de « Master Teacher » dans le monde réel

L'affirmation selon laquelle TongGeometry fonctionne comme un « master teacher » n'est pas purement théorique. Les capacités créatives du système ont déjà été mises à l'épreuve dans des compétitions académiques de haut niveau. Trois problèmes de géométrie générés de manière autonome par TongGeometry ont été officiellement sélectionnés pour l'Olympiade Mathématique Chinoise 2024 (district de Pékin).

Cette intégration dans des structures compétitives humaines valide la qualité des productions du système. Elle suggère que l'IA dépasse le rôle de calculatrice ou de moteur de recherche et entre dans une phase où elle peut apporter un contenu intellectuel original qui met au défi les experts humains.

Zhu Yixin, maître de conférences à la School of Psychological and Cognitive Sciences de Peking University, a souligné que le système simule l'intuition humaine. « L'importance de TongGeometry réside non seulement dans l'augmentation de la vitesse de résolution mais dans sa réalisation du paradigme 'peu de données, grande tâche' », a noté Zhu. « Cette voie, qui ne dépend pas de vastes données étiquetées mais évolue via une logique interne, est la clé du développement de l'AGI. »

Implications pour l'avenir de l'AGI

La sortie de TongGeometry s'aligne sur des prévisions plus larges pour l'industrie de l'IA en 2026. Comme l'ont noté des vétérans du secteur tels que le Dr Ben Goertzel, le « Père de l'AGI », le domaine assiste actuellement à une course vers des systèmes possédant de véritables architectures cognitives — mémoire à long terme, autonomie orientée vers des objectifs et capacité à raisonner de manière fiable sur les données.

Le succès de TongGeometry suggère que le chemin vers l'AGI pourrait ne pas résider uniquement dans l'augmentation à l'échelle des Grands Modèles de Langage (LLMs, Large Language Models) avec plus de données et de calcul, mais plutôt dans le développement de noyaux logiques spécialisés qui imitent les processus de raisonnement humain. La capacité de fonctionner avec une « logique interne » plutôt que par simple reconnaissance de motifs est cruciale pour des applications allant de l'éducation intelligente personnalisée à la découverte scientifique automatisée.

Impacts clés sur le secteur de l'IA :

• Démocratisation de la recherche : La possibilité d'exécuter des modèles de raisonnement de premier ordre sur du matériel grand public abaisse la barrière d'entrée pour les chercheurs indépendants.
• Transformation de l'éducation : Des systèmes d'IA capables de générer des problèmes adaptés aux programmes pourraient révolutionner l'apprentissage personnalisé.
• Découverte scientifique : Les « Science Large Language Models » alimentés par de tels noyaux logiques pourraient aider à démontrer des théorèmes et à découvrir de nouvelles lois physiques.

Conclusion

La révélation de TongGeometry rappelle avec force que la géographie de l'innovation en IA se diversifie. En privilégiant l'efficacité algorithmique et la simulation de l'intuition esthétique humaine plutôt que la seule puissance de calcul, l'équipe de recherche chinoise a tracé une voie distincte vers l'Intelligence Artificielle Générale. À mesure que l'équipe continue d'itérer sur la série de modèles « Tong », l'industrie observera de près comment cette approche « logique d'abord » influencera la prochaine génération de développements en IA.