OpenAI affirme résoudre le problème de Navier‑Stokes, polémique sur les données

Contexte du problème

Le problème de Navier‑Stokes, qui décrit le comportement des fluides incompressibles, fait partie des sept Millennium Prize Problems définis par le Clay Mathematics Institute en 2000. Aucun résultat complet n’avait été publié depuis près de 90 ans, et chaque solution reconnue ouvre droit à un prix de 1 million de dollars. OpenAI a annoncé le 21 avril 2024 qu’un de ses modèles internes aurait trouvé une preuve satisfaisante de ce problème.

Cette annonce intervient alors que le même jour, le professeur Tristan Buckmaster de l’Université de New York et le chercheur Levent Alpöge (Anthropic) publiaient un résultat partiel lié à la même équation, confirmant la vivacité de la recherche académique sur ce sujet.

Méthodologie et architecture du modèle

OpenAI décrit le modèle comme « plus puissant que le GPT‑6 Astra récemment sorti », entraîné depuis le 28 août 2023. Il aurait été exécuté simultanément sur 10 000 agents, ce qui suggère une infrastructure de calcul massive, probablement basée sur des GPU de dernière génération et une orchestration de tâches distribuées. Les benchmarks internes, incluant des tests de résolution de problèmes mathématiques, auraient montré des performances « inédites », bien que les métriques précises ne soient pas publiées.

Le processus de génération de la preuve semble reposer sur la capacité du modèle à explorer un espace de recherche symbolique à grande échelle, en combinant génération de code, vérification formelle et itérations de correction automatisées. Aucun détail sur le langage de preuve (par exemple Lean ou Coq) n’a été fourni, ce qui empêche de mesurer la rigueur de la validation automatisée.

Controverse sur les données d'entraînement

Le jour même de l’annonce, Buckmaster a interrogé OpenAI sur l’éventuelle utilisation de leurs sessions Codex, où ils avaient stocké des brouillons de leur travail. OpenAI a répondu que le modèle n’avait « pas consulté de données utilisateur spécifiques », mais a admis qu’il était « peu probable, mais non exclu » que des données dé‑identifiées issues de ces sessions aient contribué à l’entraînement. Cette ambiguïté alimente le débat sur la provenance exacte des connaissances exploitées par le modèle.

Sebastien Bubeck, chercheur senior chez OpenAI, a déclaré ne pas avoir eu accès aux travaux de Buckmaster avant leur publication publique, et que les preuves générées par le modèle diffèrent « significativement » des résultats académiques. Cependant, Buckmaster a contesté ces affirmations, arguant que le modèle aurait intégré des informations post‑date de leurs découvertes, ce qui soulève des questions de conformité aux politiques de données et de reproductibilité scientifique.

Implications et perspectives

Si la preuve était validée par la communauté mathématique, elle démontrerait la capacité des IA à résoudre des problèmes de haut niveau nécessitant une intuition créative et une manipulation symbolique avancée. En revanche, l’absence de transparence sur les données d’entraînement et les méthodes de vérification empêche actuellement de considérer la solution comme une avancée irréfutable. OpenAI a indiqué qu’elle ne prétendait pas réclamer le prix de 1 million de dollars, ce qui atténue partiellement la pression de validation officielle.

Le cas illustre la tension croissante entre les performances techniques des modèles d’IA et les exigences de traçabilité des sources de connaissances. Une validation indépendante, incluant une revue par les pairs et une reproduction à partir du code source, sera indispensable avant que la communauté ne reconnaisse officiellement la solution comme une résolution du problème de Navier‑Stokes.