Accélérer les découvertes mathématiques et scientifiques avec Gemini Deep Think

Par Thang Luong and Vahab Mirrokni de DeepMind

Sous la direction de mathématiciens et de scientifiques experts, Gemini Deep Think a résout des problèmes de recherche professionnels dans les domaines des mathématiques, de la physique et de l'informatique. Voici le rapport de Thang Luong et Vahab Mirrokni, des chercheurs de Google, concernant cette collaboration.

Récemment, Google a annoncé avoir mis à jour son modèle d'IA Gemini 3 Deep Think afin d'accélérer la vitesse à laquelle la technologie traite des problèmes complexes du monde réel. Le PDG de l'entreprise, Sundar Pichai, a qualifié cette mise à jour de « significative », affirmant que le géant technologique avait perfectionné Deep Think en étroite collaboration avec des scientifiques et des chercheurs afin de résoudre des défis « complexes » dans les domaines de la science, de l'ingénierie et des mathématiques avancées, où il n'existe pas toujours une seule bonne réponse.

« Gemini 3 Deep Think bénéficie d'une mise à jour significative. Nous avons perfectionné Deep Think en étroite collaboration avec des scientifiques et des chercheurs afin de relever des défis complexes du monde réel. Et il repousse les limites des benchmarks les plus difficiles, atteignant un score sans précédent de 84,6 % sur ARC-AGI-2. Il établit également une nouvelle norme sur le dernier examen de l'humanité - 48,4 % sans outils », a déclaré Pichai.

Voici le rapport de Thang Luong et Vahab Mirrokni, des chercheurs de Google, concernant cette collaboration :


Accélérer les découvertes mathématiques et scientifiques avec Gemini Deep Think

Au cours de l'été 2025, une version avancée de Gemini Deep Think a obtenu la médaille d'or aux Olympiades internationales de mathématiques (IMO) et, plus tard, une version mise à jour a obtenu des résultats similaires au Concours international de programmation universitaire. Ces résultats ont démontré que le modèle était capable de résoudre certains des problèmes mathématiques et de programmation les plus difficiles conçus pour les étudiants. Depuis lors, le mode Gemini Deep Think s'est étendu aux domaines des sciences, de l'ingénierie et des entreprises afin de relever des défis plus complexes et ouverts.

La semaine dernière, nos équipes ont publié deux articles détaillant un effort interdisciplinaire visant à résoudre des problèmes de recherche professionnels à l'aide du mode Gemini Deep Think. Ces résultats sont le fruit d'une collaboration étroite entre des mathématiciens, des physiciens et des informaticiens.

La frontière des mathématiques pures

Contrairement aux problèmes de l'IMO, les mathématiques de niveau recherche nécessitent des techniques avancées issues d'une vaste littérature. Si les modèles de base disposent de vastes bases de connaissances, la rareté des données conduit souvent à une compréhension superficielle et à des hallucinations dans les sujets avancés.

Pour résoudre ce problème, nous avons créé un agent de recherche mathématique (nom de code interne Aletheia), alimenté par le mode Gemini Deep Think. Il dispose d'un vérificateur de langage naturel qui identifie les failles dans les solutions candidates et permet un processus itératif de génération et de révision des solutions. Cet agent peut surtout admettre son incapacité à résoudre un problème, une fonctionnalité clé qui a amélioré l'efficacité des chercheurs.

De plus, l'agent de recherche utilise Google Search et la navigation web pour naviguer dans des recherches complexes, évitant ainsi les citations erronées et les inexactitudes computationnelles lors de la synthèse de la littérature publiée.


Présentation d'Aletheia, un agent de recherche mathématique alimenté par Deep Think qui peut générer, vérifier et réviser de manière itérative des problèmes mathématiques de niveau recherche.

Depuis qu'il a atteint le niveau de la médaille d'or de l'IMO en juillet 2025, Gemini Deep Think a progressé rapidement, obtenant un score de 90 % au test IMO-ProofBench Advanced à mesure que la puissance de calcul en temps d'inférence augmente. Nous avons démontré que la loi d'échelle continue de s'appliquer à mesure que nous progressons au-delà du niveau des Olympiades vers des exercices de niveau doctorat (selon notre benchmark interne FutureMath Basic). Aletheia a notamment démontré qu'il est possible d'obtenir une meilleure qualité de raisonnement avec un calcul en temps d'inférence moindre.


La dernière version avancée de Deep Think, datant de janvier 2026, a largement surpassé la version IMO-Gold (juillet 2025) sur des problèmes de niveau olympique. Aletheia fait un bond en avant en termes de qualité de raisonnement avec un temps de calcul inférieur. Tous les résultats ont été évalués par des experts humains.


La loi d'échelle du temps d'inférence s'applique également aux exercices de niveau doctorat.

Pour les mathématiques de niveau recherche, Aletheia a déjà permis plusieurs avancées, obtenues grâce à différents niveaux de recherche autonome :

- Recherche autonome fiable. Un article de recherche (Feng26) généré par l'IA sans aucune intervention humaine, qui calcule certaines constantes structurelles en géométrie arithmétique appelées poids propres.

- Collaboration guidée par l'IA. Un article de recherche (LeeSeo26) démontrant la collaboration entre l'homme et l'IA dans la démonstration des limites des systèmes de particules en interaction appelés ensembles indépendants.

- Une évaluation semi-autonome approfondie (Feng et al., 2026b) de 700 problèmes ouverts sur la base de données des conjectures d'Erdős de Bloom, y compris des solutions autonomes à quatre questions ouvertes qui y...