L’IA vient-elle de résoudre Navier-Stokes ? Ce que l’affirmation d’OpenAI prouve réellement

OpenAI affirme qu’un de ses systèmes internes a percé l’un des problèmes du prix du millénaire de l’Institut Clay. L’histoire est remarquable et constituerait la plus grande découverte mathématique assistée par IA à ce jour. Mais il y a un second récit en parallèle : une bataille pour savoir à qui revient réellement le crédit.

Voici ce qui s’est vraiment passé : OpenAI a entendu une rumeur selon laquelle le modèle d’un laboratoire concurrent aurait progressé sur l’un des problèmes non résolus les plus célèbres des mathématiques. Cette rumeur a suffi à déclencher un sprint : pour s’attaquer au problème, OpenAI a mobilisé 10 000 agents d’IA en parallèle, 88 heures de calcul, et environ 22,5 M$ de coûts cumulés. Aujourd’hui, l’entreprise revendique une véritable démonstration. Et quant au prix d’1 M$ ? OpenAI indique ne pas avoir l’intention de le réclamer. (Peut-être n’en a-t-elle pas besoin.)

Réponse rapide : le prix Clay d’1 M$ pour Navier-Stokes n’a pas été remporté. Ce qu’OpenAI affirme avoir démontré vise une variante précise du problème — l’explosion en présence d’un forçage régulier — qui n’a pas encore été vérifiée par des mathématiciens indépendants. Le fait que cela réponde au problème complet tel que la plupart des experts le comprennent est réellement contesté.

Qu’est-ce que l’équation de Navier-Stokes, et pourquoi vaut-elle 1 million de dollars ?

Pour comprendre ce que revendique OpenAI, il faut d’abord comprendre ce qui rend Navier-Stokes si difficile.

Les équations de Navier-Stokes décrivent le mouvement des fluides : eau, air, sang. Elles sont au cœur de la prévision météorologique, de la conception aéronautique et de la médecine circulatoire. Formulées au XIXe siècle, elles fonctionnent remarquablement bien en pratique. La question mathématique est de savoir si elles fonctionnent toujours : des solutions régulières et bien comportées existent-elles toujours, ou un fluide régi par ces équations peut-il développer une singularité — un point où la vitesse devient infinie — en un temps fini ?

Cette question, dite « existence et régularité », fait partie des sept problèmes du prix du millénaire du Clay Mathematics Institute, chacun doté d’une récompense d’1 M$. À ce jour, un seul a été résolu : la conjecture de Poincaré, en 2003.

Pourquoi ce problème compte vraiment : parfois, certains problèmes de maths sont surtout académiques. Pas celui-ci. Chaque modèle météo, simulation d’avion et outil d’ingénierie reposant sur ces équations suppose implicitement qu’elles se comportent bien, mais personne n’a prouvé que cette hypothèse tenait toujours. Si l’on découvre que des solutions peuvent exploser en temps fini, cela révélerait un vrai décalage entre les mathématiques sur lesquelles nous nous appuyons et les systèmes physiques qu’elles sont censées décrire.

Ce qu’OpenAI affirme réellement avoir démontré

L’histoire ne commence pas par une intuition mathématique, mais par une rumeur. Sam Altman a admis qu’OpenAI a lancé l’effort après avoir entendu que les modèles d’Anthropic avaient résolu un grand problème de maths, écrivant sur X : « Nous étions curieux de voir si les nôtres pourraient le faire aussi. »

Ce sprint d’une semaine a couvert plusieurs problèmes du prix du millénaire et consommé au total 300 milliards de tokens de sortie, soit environ 22,5 millions de dollars de calculs pour l’ensemble des tentatives. Le seul problème de Navier-Stokes a utilisé environ 130 milliards de ces tokens et 2,7 millions de messages. Dix mille agents ont travaillé en parallèle du 1er au 6 septembre. Et puis — c’est le point qui doit vous arrêter — OpenAI a déclaré ne pas avoir l’intention de réclamer le prix d’1 M$, présentant le résultat comme une preuve de la rapidité des progrès de ses modèles.

Avant d’en arriver à Navier-Stokes, les agents d’OpenAI ont d’abord résolu le problème de régularité d’Euler sans forçage, en mobilisant près de 100 agents sur environ 50 heures. En établissant d’abord un comportement d’explosion dans le cadre plus simple d’Euler, les agents ont posé les bases conceptuelles rendant l’approche Navier-Stokes plus abordable.

C’est ici que les détails comptent. L’énoncé officiel du Clay pour Navier-Stokes comporte quatre options, A, B, C et D. Les options A et B demandent des solutions globales régulières sans forçage externe, en espace tridimensionnel classique ou sur un domaine périodique. Les options C et D autorisent des exemples d’explosion avec un terme de forçage externe régulier. La preuve d’OpenAI cible les options C et D, ce qui signifie que la variante forcée fait bien partie du problème officiel tel qu’écrit par le Clay.

Cela dit, beaucoup de mathématiciens considèrent que les options A et B posent la question la plus profonde, car le forçage est imposé de l’extérieur : on choisit la force pour provoquer l’explosion, au lieu de demander si les équations peuvent se briser d’elles-mêmes. On ne sait pas encore si l’approche peut être étendue pour supprimer le forçage et traiter A et B, et cette question reste très ouverte. L’écart entre ce qui a été montré et ce que beaucoup d’experts considèrent comme le cœur du problème est le vrai point à retenir.

Dans les coulisses de la bataille pour l’attribution

Maintenant que nous avons cartographié ce qui a été réellement démontré, l’histoire humaine suit un fil clair si l’on prend du recul par rapport aux versions contradictoires.

Le 15 août, Tristan Buckmaster et Levent Alpöge d’Anthropic ont prouvé que les équations d’Euler, cousines sans frottement de Navier-Stokes, peuvent exploser sous un forçage régulier, prolongeant une approche développée par Diego Córdoba et Luis Martínez-Zoroa. Leurs résultats couvraient aussi les équations de Boussinesq et des milieux poreux incompressibles. Ce travail a pris environ un an. Il n’était pas publié, en cours, construit discrètement. Puis la rumeur a circulé.

Le sprint d’OpenAI a débuté le 1er septembre après avoir entendu une rumeur qu’ils ont plus tard reliée à Alpöge et Buckmaster. Buckmaster a écrit en privé à OpenAI le 3 septembre après avoir appris que son travail était arrivé jusqu’à l’entreprise. Après avoir achevé leur projet et la vérification Lean le 6 septembre, OpenAI a proposé une publication simultanée. La version de Buckmaster sur la suite est nettement plus tranchée : il décrit des appels au cours desquels il dit avoir subi des pressions sur la publication et la paternité, avec des suggestions d’exclure Alpöge en raison de son emploi chez Anthropic.

Buckmaster affirme que lorsqu’il a signalé son intention de rendre publiques ces préoccupations, on lui a dit : « Pourquoi voudriez-vous ruiner votre carrière ? » et « Si vous ne voulez pas que je sois gentil, je n’ai pas à l’être. » Bubeck a qualifié ces allégations de « fausses et incendiaires ». OpenAI nie tout accès à des invites privées ou à des travaux non publiés.

Je ne vais pas trancher qui a raison. Ce sont des récits contradictoires d’une conversation privée, et les détails restent flous. Mais le schéma n’a pas besoin d’être résolu pour être nommé : une année de travail non publié d’un chercheur indépendant est devenue la ressource autour de laquelle un laboratoire très bien doté a mené un sprint à plusieurs millions de dollars, et c’est désormais le chercheur indépendant qui répond aux questions sur sa carrière.

Peut-on vraiment faire confiance à une preuve de maths écrite par une IA ?

Au-delà de la querelle d’attribution, la vraie question technique demeure : la preuve tient-elle la route ?

Navier-Stokes est un problème du prix du millénaire, et le standard de preuve est la publication d’une démonstration vérifiable. OpenAI a mis en ligne un manuscrit de 166 pages et une formalisation Lean le 8 septembre, tous deux publics et ouverts à l’examen. Aucune relecture indépendante par les pairs n’a encore eu lieu.

Si vous ne connaissez pas Lean, c’est un système de vérification formelle de preuves qui contrôle si chaque pas logique découle du précédent. Une preuve vérifiée par Lean ne peut pas être « enjolivée » pour paraître correcte : si elle passe, la chaîne logique est solide. Ce que Lean ne dit pas, c’est si l’approche a un sens conceptuel, si elle répond au problème tel que les experts le comprennent, ou si un mathématicien humain la reconnaîtrait comme une solution authentique.

Terence Tao, sans doute le mathématicien vivant le plus en vue, a lancé un avertissement sur cette dynamique le 5 septembre, avant l’annonce d’OpenAI. Écrivant sur Mathstodon en réponse aux rumeurs alors en circulation, il soulignait un risque hypothétique : « transformer un problème historiquement fécond et motivant comme la régularité de Navier-Stokes en un simple post viral sur les réseaux sociaux vantant une avancée de benchmark, plutôt que de faire réellement progresser le domaine et de former la prochaine génération de questions et de chercheurs, a un coût d’opportunité substantiel. » Après l’annonce, Tao a salué le travail de Buckmaster–Alpöge comme « une réalisation remarquable » et noté que leurs arguments avaient été formalisés dans Lean. Il n’a pas soutenu publiquement la preuve spécifique revendiquée par OpenAI.

Pourquoi cette bataille dépasse largement un seul problème de maths

Une rumeur — pas un résultat publié, pas une relecture par les pairs — une rumeur a suffi à mobiliser l’un des laboratoires d’IA les mieux dotés au monde pour un sprint à plusieurs millions de dollars. OpenAI a présenté le résultat comme une preuve de la rapidité des progrès de ses systèmes les plus avancés, c’est-à-dire comme un atout marketing. Un problème du prix du millénaire sert ici de démonstration de benchmark à la veille d’une introduction en bourse.

Axios a posé la question qui dérange : que se passe-t-il lorsque l’entreprise qui fournit aux scientifiques des outils de recherche en IA peut aussi mobiliser des ressources immensément supérieures pour entrer en concurrence avec eux ? Buckmaster et Alpöge utilisaient le Codex d’OpenAI tout au long de leur année de travail. Les outils dont se sert un chercheur pour avancer vers un résultat peuvent être détenus par la même organisation qui peut le dépasser avec ces mêmes outils à une échelle 10 000 fois supérieure. Ce n’est pas un complot. C’est une caractéristique structurelle du moment, et c’est précisément le scénario qui inquiète — indépendamment du fait qu’OpenAI ait fauté ou non ici.

On notera aussi une ironie : OpenAI a suspendu certains entraînements RL de pointe pour des raisons de sécurité en août, puis, en septembre, a fait tourner à pleine capacité pendant 88 heures un modèle non publié issu du même programme de développement pour courir après un titre sur un problème de maths. Ce contraste ne prouve pas la mauvaise foi, mais il n’est pas anodin non plus.

Alors, Navier-Stokes est-il résolu ou non ?

Voici où en sont réellement les choses :

Le modèle de sprint a produit un résultat. Savoir s’il a produit un résultat au sens où l’entendent les mathématiciens est une autre affaire — et il faudra bien plus de temps pour y répondre.