Une rumeur de week-end a déclenché un sprint à plusieurs millions
La course d'OpenAI pour résoudre une partie du problème du prix du millénaire de Navier-Stokes n'a pas commencé par un plan de recherche. Elle a commencé par une rumeur.
Fin août 2026, la rumeur est parvenue à OpenAI qu'un mathématicien travaillant avec un chercheur d'Anthropic se rapprochait d'une solution à un problème ouvert lié, les équations d'Euler forcées. Diego Cordoba et Luis Martinez-Zoroa avaient construit l'approche mathématique sous-jacente ; Tristan Buckmaster, du Courant Institute de la NYU, et Levent Alpoge, d'Anthropic, l'étendaient depuis la mi-août, avec de vrais progrès.
La réponse d'OpenAI a été de monter en puissance rapidement. Les chercheurs ont d'abord fait tourner environ 1 000 agents pendant 50 heures sur le problème d'Euler, puis sont passés à environ 10 000 agents simultanés pour une poussée de 11 heures sur le cas plus difficile de Navier-Stokes. Le directeur de la recherche d'OpenAI, Mark Chen, a ensuite situé le coût total de calcul dans une fourchette de plusieurs millions de dollars. L'entreprise est arrivée à un résultat le 5 septembre et l'a annoncé le 8 septembre, environ 88 heures après le début de l'effort.
Ce qu'OpenAI affirme vraiment avoir résolu
Le résultat annoncé par OpenAI est plus restreint qu'il n'y paraît. Il concerne une variante spécifique, une explosion sous forçage régulier, produite par un modèle interne, non publié, qu'OpenAI dit plus capable que sa gamme publique GPT-6 Astra, fonctionnant comme un essaim coordonné d'agents plutôt qu'en un seul passage.
OpenAI a accompagné l'annonce d'une formalisation vérifiée par machine de la preuve dans l'assistant de preuve Lean, preuve que les étapes logiques tiennent mécaniquement ensemble. Ce n'est pas la même chose qu'une relecture par des pairs. Le Clay Mathematics Institute, qui supervise les sept problèmes du millénaire et le million de dollars attaché à chacun, n'a pas vérifié ni accepté le résultat, et des mathématiciens indépendants n'ont pas encore fini de relire l'argument lisible par des humains derrière la preuve en Lean.
| Phase | Agents | Durée | Cible |
|---|---|---|---|
| Phase 1 | environ 1 000 | 50 heures | Équations d'Euler liées |
| Phase 2 | environ 10 000 | 11 heures | Cas d'explosion de Navier-Stokes |
| Total | jusqu'à 10 000 | 88 heures | Annoncé le 8 septembre |
Le mathématicien qui dit que ses brouillons ont été lus
Le récit de Tristan Buckmaster sur ce qui s'est passé ensuite est la partie de cette histoire qu'OpenAI n'a pas contestée publiquement. Il dit avoir demandé directement au chercheur d'OpenAI Sebastien Bubeck si le modèle d'OpenAI avait été entraîné sur, ou avait eu accès aux, sessions privées de Codex où lui et Alpoge déposaient leurs propres brouillons sur le problème lié. Bubeck l'a nié la première fois que Buckmaster a demandé. La seconde fois que Buckmaster a demandé, spécifiquement sur l'entraînement, il dit n'avoir reçu aucune réponse.
Buckmaster dit aussi que Bubeck lui a offert un choix : publier en premier avec OpenAI crédité à ses côtés, ou garder seul le mérite de la reconnaissance sur le résultat, mais seulement s'il retirait le nom d'Alpoge, en raison de son affiliation à Anthropic. Quand Buckmaster a refusé de laisser tomber son collaborateur, il dit que Bubeck lui a dit : "Pourquoi voudrais-tu ruiner ta carrière ?" puis : "Si tu ne veux pas que je sois gentil, je n'ai pas à l'être."
Ni OpenAI ni Bubeck n'ont publié de réponse point par point à ces accusations précises.
Vingt-cinq médailles Fields tracent une ligne
Trois jours après l'annonce d'OpenAI, Terence Tao, médaille Fields en 2006, a publié sur son blog le texte "A Severe Misalignment of AI in Mathematics", cosigné par 24 autres lauréats de la médaille Fields, de cérémonies allant de 1978 à cette année, parmi lesquels Peter Scholze, Maryna Viazovska, Caucher Birkar, June Huh, Martin Hairer, Maxim Kontsevich, James Maynard, Manjul Bhargava et la lauréate 2026 Yu Deng.
Leur argument n'est pas que l'IA ne peut pas faire des mathématiques. C'est que résoudre un problème nommé a toujours été censé être un proxy pour la compréhension conceptuelle, pas le but en soi, et qu'une course à produire ce proxy plus vite peut détruire le processus plus lent, les exposés, les rédactions, l'attribution, la simplification, qui transforme un problème résolu en connaissance partagée sur laquelle les mathématiciens peuvent construire. Des annonces précipitées et contestées sautent exactement ce processus.
La déclaration avertit que produire en masse des affirmations vraies ou fausses "pourrait détruire un terrain fertile au lieu d'insuffler la vie à de nouvelles idées", et que sans le travail des mathématiciens pour intégrer un résultat dans le canon même du domaine, "la chaîne de transmission humaine cruciale entre mathématiciens serait perdue".
Ce que cela signifie la prochaine fois qu'un fournisseur annonce une avancée
Chaque partie de cette séquence, la rumeur, la précipitation, l'annonce, le litige, s'est déroulée plus vite que quiconque en dehors des deux laboratoires ne pouvait le vérifier. C'est le schéma à surveiller, pas seulement en mathématiques.
L'affirmation de benchmark d'un fournisseur d'IA, qu'il s'agisse d'une preuve mathématique, d'un score de code ou d'une évaluation de sécurité, est un communiqué de presse tant qu'une partie indépendante sans intérêt dans l'issue ne l'a pas examinée. Quatre-vingt-huit heures ont produit une annonce. Elles n'ont pas produit de verdict, et les personnes les mieux placées pour en donner un viennent de dire, publiquement et nommément, que la course pour y arriver fait partie du problème.
À lire ensuite: Les meilleurs outils d'IA de piratage sont désormais réservés sur invitation | Trois fournisseurs d'IA en panne le 3 septembre 2026
