L'essentiel
- Meta a inscrit ses modèles d'IA à cinq compétitions olympiques scientifiques pour évaluer leurs progrès en raisonnement.
- Le résultat mis en avant par l'entreprise : un score parfait à l'examen théorique de l'olympiade asiatique de physique (APhO).
- Ces épreuves posent des problèmes fermés, à solution connue et corrigés au barème, très loin des tâches ouvertes que l'on confie à un agent en entreprise.
Meta a envoyé ses modèles en concours. Cinq olympiades scientifiques, et un sans-faute à l'épreuve théorique de l'olympiade asiatique de physique 2026, annoncé par le compte officiel de sa division IA. La performance est réelle, et elle ne s'obtient pas par hasard. Mais un examen ne mesure jamais que ce qu'il a prévu de mesurer.
Un concours ne teste que ce qu'il sait corriger
Une olympiade scientifique est un exercice entièrement borné : énoncé complet, données suffisantes, solution qui existe, barème écrit avant l'épreuve, temps limité. Rien à clarifier, personne à relancer, aucun objectif à négocier. Le problème a été fermé par ses auteurs avant même d'être posé au candidat.
C'est ce qui en fait une mesure très fiable du raisonnement formel, et une mesure aveugle de l'autonomie. Le modèle n'a pas à décider ce qu'il faut faire : on le lui dit, en trois paragraphes sans ambiguïté. Il lui reste à le faire juste, ce qui reste impressionnant. Mais c'est la moitié facile du métier.
La commande du lundi matin n'a ni énoncé ni barème
Prenez la demande la plus banale d'une journée de travail : deux phrases dans une messagerie, un livrable attendu pour le soir. Personne ne vous donne les données. Il faut deviner ce qui est réellement demandé, retrouver le bon fichier parmi trois versions concurrentes, repérer que l'une est périmée, décider qui tranche, et accepter qu'il n'existe pas une bonne réponse mais une réponse acceptable dans ce contexte-là.
C'est là que les agents décrochent. L'échec vient rarement du calcul, presque toujours du cadrage : le modèle ne se trompe pas dans la résolution, il se trompe de problème. Aucune olympiade ne sanctionne cette erreur, pour une raison simple : elle y est structurellement impossible.
Raisonner juste et travailler sans énoncé sont deux métiers
L'examen promet une chose précise : la capacité à enchaîner sans faute une longue suite de déductions vérifiables. Le terrain en exige une autre : travailler sans énoncé, réduire l'incertitude avant de produire, savoir quand s'arrêter et demander. La première se mesure au point près, la seconde ne se mesure presque pas. Devinez laquelle finit en communiqué.
Cette asymétrie compte dès qu'on met ces modèles au travail. Un modèle peut progresser fortement sur la première dimension sans bouger d'un millimètre sur la seconde, parce que les entraînements qui font gagner des olympiades (vérification automatique du résultat, récompense sur la solution exacte) supposent justement l'existence d'une réponse à vérifier. Quand la réponse n'existe pas encore, ce levier ne s'applique plus.
Meta a concouru sur l'épreuve théorique, pas sur l'expérimentale
Un détail de la communication de Meta mérite d'être lu deux fois : le score parfait porte sur l'examen théorique. Les olympiades de physique comportent aussi une épreuve expérimentale, celle où l'on manipule, où l'on lit un appareil et où le réel refuse parfois de coopérer. Le périmètre annoncé est donc le plus favorable des deux, et il est annoncé honnêtement : encore faut-il le lire.
L'exercice n'a d'ailleurs rien d'inédit. En juillet 2025, Gemini Deep Think décrochait l'or à l'olympiade internationale de mathématiques avec 35 points sur 42, validés par les correcteurs officiels du concours, et OpenAI revendiquait le même score à quelques jours d'intervalle, sur sa propre évaluation. Un an plus tard, la question posée à ces palmarès n'a pas bougé.
Elle est simple : ces énoncés, leurs corrigés et des dizaines de variantes circulent en ligne depuis des années. Distinguer la démonstration reconstruite de la démonstration mémorisée suppose un protocole public, des épreuves postérieures à l'entraînement du modèle, et le détail du dispositif employé. Meta affirme avoir concouru sans aucun outil, ni recherche ni exécution de code, ce qui répond déjà à une part de la question. Le reste attend encore des éléments vérifiables.
Distinguer une avancée d'un trophée
Trois questions suffisent à faire le tri :
- le problème avait-il une solution connue au moment de l'épreuve, et publiée où ?
- le modèle devait-il définir la tâche, ou seulement l'exécuter ?
- que se passe-t-il quand l'énoncé est incomplet, contradictoire, ou qu'il manque une donnée que personne ne fournira ?
Un système qui gagne une olympiade nous apprend quelque chose de solide sur la fiabilité de son raisonnement long. C'est utile, et pas si courant. Cela ne nous dit rien de sa tenue devant une demande floue, et cet écart reste l'un des principaux obstacles au déploiement d'agents en entreprise. Meta a réussi l'épreuve la mieux définie du programme. L'autre n'a toujours pas d'examen.
Mon avis
Un score parfait sur un examen corrigé au barème ne me renseigne plus sur ce que je peux confier à un agent en production. Ces olympiades sont devenues le terrain où les laboratoires vont chercher une victoire lisible pendant que le chantier qui compte, l'ambiguïté, résiste sans faire de titre. Je m'attends à ce que les sans-faute s'accumulent sur ces concours dans les mois qui viennent, sans que le taux d'abandon des agents sur des tâches ouvertes bouge sensiblement. Le jour où un éditeur publiera ses résultats sur des demandes mal formulées, avec le détail des cas où le modèle a su dire « il me manque une information », ce sera une annonce.
