Contexte et enjeux
OpenAI a annoncé avoir trouvé une solution au problème de Navier‑Stokes, l’un des sept problèmes du Millennium Prize définis par le Clay Mathematics Institute en 2000. Chaque problème porte une récompense d’un million de dollars et n’a été résolu que le problème de Poincaré depuis plus de deux décennies. La revendication intervient alors que plusieurs mathématiciens, dont Tristan Buckmaster (NYU) et Levent Alpöge (Anthropic), travaillaient déjà sur le même sujet sans avoir publié de preuve. OpenAI a présenté cette avancée comme une démonstration de la capacité de ses modèles à résoudre des questions de recherche fondamentale, ce qui alimente un débat sur la légitimité d’une entreprise privée à s’emparer de défis académiques.
Mécanismes techniques et ressources
Selon les déclarations d’OpenAI, la recherche a mobilisé environ 10 000 agents logiciels, a nécessité des dépenses de plusieurs dizaines de millions de dollars en calcul et a été achevée en 88 heures d’exécution. Le terme « agents » désigne ici des instances de modèles d’IA autonomes qui explorent des espaces de conjectures, testent des hypothèses et évaluent des preuves potentielles. La durée de 88 heures indique une parallélisation massive, chaque agent fonctionnant sur des GPU ou TPU dédiés. Le coût financier reflète non seulement le matériel, mais aussi l’énergie consommée, un facteur souvent négligé dans les évaluations de performance des IA.
Parallèlement, Buckmaster a soulevé la possibilité que les prompts qu’il avait soumis à Codex, l’outil de programmation d’OpenAI, aient pu être incorporés dans le jeu de données d’entraînement du modèle utilisé pour la découverte. OpenAI a nié toute influence directe, affirmant qu’il était « impossible » que les prompts de Buckmaster, fournis sur deux mois, aient affecté le système. Cette position repose sur l’hypothèse que les données d’entraînement sont figées avant le lancement du processus de recherche, mais la société n’a pas fourni de preuve technique détaillée pour étayer cette affirmation.
Analyse des implications pour la recherche mathématique
Le recours à des ressources informatiques d’échelle industrielle modifie la dynamique de la recherche en mathématiques. D’une part, la capacité à explorer des millions de configurations en quelques heures dépasse largement les moyens traditionnels d’un groupe de recherche universitaire. D’autre part, la dépendance à des infrastructures privées soulève des questions de reproductibilité : les résultats obtenus avec des dizaines de millions de dollars de calcul ne sont pas aisément vérifiables par des laboratoires publics disposant de budgets modestes.
Le conflit d’intérêts apparent entre OpenAI et Anthropic, illustré par la présence d’Alpöge dans le projet, ajoute une couche de complexité éthique. OpenAI a proposé à Buckmaster un accès « illimité » à la puissance de calcul en échange de la rédaction exclusive d’un article, une offre perçue par le chercheur comme une forme de pression commerciale. Cette situation met en lumière le risque de concentration de pouvoir de publication et de reconnaissance académique entre les mains d’acteurs technologiques.
En résumé, la revendication d’OpenAI repose sur une combinaison de volume de calcul, d’automatisation d’agents IA et d’une stratégie de visibilité médiatique. Sans accès ouvert aux logs d’entraînement, aux paramètres des agents et aux preuves formelles soumises, la communauté mathématique reste dans l’incertitude quant à la validité scientifique de la solution annoncée.
