La percée Navier-Stokes d’OpenAI attend sa vérification

Une annonce spectaculaire, pas encore une vérité mathématique établie

L’annonce faite par OpenAI le 8 septembre est exceptionnelle: l’entreprise affirme qu’un modèle interne, plus puissant que son système public GPT-6 Astra, a trouvé une preuve du problème d’existence et de régularité de Navier-Stokes, l’un des sept problèmes du prix du millénaire [1]. La question centrale est de savoir si les équations qui décrivent le mouvement fluide incompressible en trois dimensions restent toujours régulières lorsque le mouvement démarre de façon lisse, ou si elles peuvent produire une singularité en temps fini [1].

La réponse revendiquée par OpenAI est négative: selon l’entreprise, un tel emballement mathématique peut se produire. Son texte de présentation indique que le système a produit à la fois une preuve analytique et une formalisation en Lean montrant qu’un fluide initialement au repos peut développer une vitesse non bornée en temps fini, tout en conservant une force extérieure lisse et une énergie cinétique finie [1]. OpenAI affirme que ce résultat établit les alternatives « C » et « D » de la formulation officielle du problème du millénaire, y compris une construction correspondante sur le tore tridimensionnel [1].

Mais c’est précisément ici que la prudence éditoriale s’impose. En mathématiques, une preuve ne devient pas acceptée parce qu’une entreprise l’annonce, ni parce qu’elle a été produite par un système d’IA. L’état actuel du dossier est plus nuancé: OpenAI a publié un ensemble de documents, la communauté commence à les examiner, et une controverse sur l’origine de la découverte accompagne déjà la revendication. Le dernier arbitre n’est ni le communiqué, ni la conférence de presse, mais la vérification indépendante.

Ce qu’OpenAI dit avoir fait

OpenAI affirme avoir commencé l’entraînement du modèle interne concerné le 28 août, puis lancé un effort ciblé le 1er septembre après avoir entendu des rumeurs selon lesquelles deux problèmes du prix du millénaire auraient été résolus ailleurs [1]. L’entreprise décrit des groupes d’agents coordonnés, capables d’exécuter du code, de consulter une version mise en cache d’internet et de communiquer entre eux; le groupe ayant produit le résultat Navier-Stokes aurait impliqué environ 10 000 agents concurrents [1].

Selon le récit d’OpenAI, le processus est passé par une question liée aux équations d’Euler, proches parentes des équations de Navier-Stokes mais sans viscosité [1]. OpenAI dit qu’environ 100 agents ont travaillé près de 50 heures sur une réfutation de régularité pour Euler sans forçage, puis que les ressources ont été réorientées vers Navier-Stokes en utilisant ce résultat comme point de départ [1]. Les agents seraient arrivés à la résolution le 5 septembre, environ 88 heures après le lancement des premiers agents, puis la formalisation et la vérification en Lean auraient demandé 17 heures supplémentaires avec GPT-6 Astra [1].

L’échelle annoncée donne la mesure du changement de méthode. OpenAI indique que l’ensemble des problèmes tentés a généré 4,9 millions de messages d’agents et environ 300 milliards de jetons de sortie, dont 2,7 millions de messages et environ 130 milliards de jetons pour Navier-Stokes seul [1]. L’AFP a rapporté que les chercheurs d’OpenAI ont décrit un coût de calcul de plusieurs millions de dollars, Sébastien Bubeck ajoutant que l’effort représentait environ 1 000 fois ce que l’entreprise avait dépensé pour des résultats mathématiques précédents [2].

Ce point est essentiel: l’histoire n’est pas celle d’un chatbot qui répondrait seul à une question célèbre. Elle ressemble davantage au fonctionnement d’un laboratoire automatisé, composé de milliers d’instances de modèles explorant des variantes, consolidant des idées et transmettant des résultats intermédiaires. Si la preuve est confirmée, l’événement marquera autant une avancée mathématique qu’un nouveau mode industriel d’attaque des problèmes scientifiques.

Pourquoi Navier-Stokes compte autant

Les équations de Navier-Stokes sont au cœur de la mécanique des fluides. OpenAI cite l’aérodynamique, la prévision météorologique et l’étude de la circulation sanguine parmi leurs domaines d’usage [1]. Mais le problème du millénaire ne demande pas simplement si les simulations numériques sont utiles aux ingénieurs. Il demande si les équations, dans leur formulation fondamentale, garantissent ou non la régularité des solutions.

La preuve proposée par OpenAI prend la voie de la rupture: elle prétend montrer que les équations peuvent exploser. Le résumé technique affirme que, pour toute viscosité positive, la construction part du repos et développe une vitesse non bornée en temps fini, tout en gardant une énergie cinétique uniformément bornée [1]. En langage plus direct, il s’agirait d’un écoulement dont la vitesse devient arbitrairement grande dans une zone qui se contracte, sans que l’énergie totale ne diverge.

Cela ne signifie pas que les modèles météo ou les codes de simulation aéronautique deviendraient soudain caducs. Cela signifierait plutôt qu’une question fondatrice sur les garanties théoriques de ces équations serait tranchée. Scientific American a toutefois relevé qu’une partie de la communauté pourrait débattre du rôle du forçage lisse: la preuve pourrait résoudre le problème tel qu’il est écrit, tout en laissant ouverte une version plus intuitive ou plus couramment imaginée, où ce terme est absent ou traité autrement [5]. Cette distinction pourrait peser lourd dans l’examen à venir.

Le million de dollars n’est pas pour demain

OpenAI dit ne pas avoir l’intention de réclamer le prix du millénaire [1]. Même si l’entreprise le souhaitait, la procédure serait longue. Selon l’AFP, les règles exigent qu’une solution soit publiée dans une revue à comité de lecture, puis qu’elle survive deux ans après son acceptation par la communauté mathématique avant que le Clay Mathematics Institute ne réunisse un comité d’examen [2]. Le président du Clay Mathematics Institute, Martin Bridson, a déclaré à l’AFP que le processus d’évaluation est volontairement lent et qu’il serait « absolument rigoureux » [2].

Cette précision doit encadrer toutes les réactions immédiates. Une formalisation Lean est un outil puissant: elle permet à un ordinateur de vérifier que des étapes formelles suivent bien des axiomes et définitions donnés. Mais elle ne règle pas automatiquement toutes les questions. Les spécialistes devront vérifier que le théorème formalisé correspond exactement à la revendication du prix du millénaire, que les notions de force, de régularité, de support compact, d’énergie bornée et d’explosion sont bien celles attendues, et qu’aucune hypothèse cachée ne modifie le problème.

Les grandes preuves mathématiques mettent souvent des mois, voire des années, à être digérées. Pour une preuve générée par IA d’un problème du millénaire, le seuil de confiance sera encore plus élevé. La communauté ne demandera pas seulement: « Le fichier compile-t-il? » Elle demandera: « Qu’est-ce qui est démontré, pourquoi cela fonctionne-t-il, et en quoi cela s’inscrit-il dans près d’un siècle d’analyse du problème? »

Une controverse sur le crédit et les données

Le dossier est également assombri par une controverse sur la provenance. WIRED a rapporté que le mathématicien Tristan Buckmaster, de l’université de New York, affirme qu’OpenAI s’est précipité sur le problème après avoir appris l’existence de travaux menés par lui et Levent Alpöge, chercheur chez Anthropic, sur des résultats de dynamique des fluides très proches [3]. Selon WIRED, Buckmaster et Alpöge ont utilisé plusieurs outils d’IA, dont Claude et Codex d’OpenAI, dans leur recherche [3].

Le propre billet d’OpenAI reconnaît que l’effort a commencé après des rumeurs liées à Alpöge et Buckmaster, mais affirme que l’entreprise a ensuite compris que leur résultat concernait Euler avec forçage, et non Navier-Stokes [1]. OpenAI dit que ses chercheurs et ses agents n’ont pas vu leurs travaux avant leur publication, et qu’aucune donnée utilisateur spécifique n’a été consultée pour résoudre le problème [1]. Dans le même temps, l’entreprise reconnaît que, bien que cela soit peu probable, elle ne peut pas exclure que des données désidentifiées issues de l’usage de ses produits aient contribué à améliorer ses modèles [1].

Cette nuance est désormais au centre du débat. Une accusation d’accès direct à des documents privés n’est pas la même chose qu’une inquiétude sur l’amélioration indirecte d’un modèle. Mais pour les chercheurs qui utilisent des systèmes d’IA commerciaux sur des résultats non publiés, la question pratique reste brûlante: peut-on confier des idées inédites aux outils d’un laboratoire qui pourrait ensuite devenir concurrent sur la même découverte? Axios a résumé la controverse comme une question de confiance fondamentale pour la science assistée par IA [6].

OpenAI a nié avoir utilisé les prompts ou la preuve des chercheurs pour guider ses agents, et Bubeck a déclaré reconnaître la priorité du travail de Buckmaster et Alpöge sur Euler avec forçage [1]. The Guardian a rapporté que Buckmaster a dit ne pas savoir si ses données avaient été utilisées et ne pas porter d’accusation directe, tandis qu’OpenAI a nié avoir utilisé le travail de rivaux ou consulté des contenus partagés avec ses serveurs [4].

La suite: lire, vérifier, accepter ou rejeter

La prochaine étape ne sera pas médiatique. Elle sera mathématique. Des spécialistes des équations aux dérivées partielles, de la mécanique des fluides, des assistants de preuve et de la vérification formelle devront examiner si la construction d’explosion proposée satisfait exactement les conditions du problème du millénaire. Les fichiers Lean peuvent accélérer le travail, mais seulement si la formalisation est reproductible, lisible et solidement liée au manuscrit.

Si la preuve tient, OpenAI aura ouvert une nouvelle période: celle où des systèmes d’IA peuvent non seulement aider des mathématiciens, mais produire une solution à l’un des problèmes ouverts les plus célèbres du monde. Si elle échoue, l’épisode restera néanmoins important, comme avertissement sur le rythme de l’annonce scientifique, les incitations économiques et les limites de la confiance dans les preuves générées par machine.

Dans les deux cas, la formule « OpenAI a résolu Navier-Stokes » reste prématurée comme verdict définitif. Le titre le plus juste est aussi le plus exigeant: la percée Navier-Stokes d’OpenAI attend sa vérification.

Sources des dernières 72 heures

1. [1]On the Navier–Stokes Millennium Prize Problem8 sept. 2026, 00:00 UTC
2. [2]OpenAI says AI solved one of math's hardest problems in days9 sept. 2026, 02:22 UTC
3. [3]OpenAI Just Claimed a Huge Math Discovery. Some Academics Are Crying Foul8 sept. 2026, 16:42 UTC
4. [4]OpenAI claims to have solved maths problem that stumped humans for decades8 sept. 2026, 21:29 UTC
5. [5]AI may have just solved a million-dollar math problem. The field will never be the same8 sept. 2026, 00:00 UTC
6. [6]OpenAI's historic math solution overshadowed by credit controversy8 sept. 2026, 16:32 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.