Présentation
OpenAI affirme que son dernier modèle d’intelligence artificielle a produit une preuve du problème d’existence et de régularité des équations de Navier‑Stokes, l’un des sept Millennium Problems définis par le Clay Mathematics Institute. La démonstration aurait été obtenue en 88 heures de calcul, selon le communiqué de l’entreprise. Cette revendication place l’IA au cœur d’une problématique mathématique qui, depuis plus de trois décennies, reste sans solution formelle reconnue.
Contexte technique
Les équations de Navier‑Stokes décrivent le mouvement des fluides visqueux et sont fondamentales pour la mécanique des fluides, la météorologie et l’ingénierie. Le problème d’existence consiste à prouver que, pour toute condition initiale raisonnable, une solution unique et lisse existe pour tout instant. OpenAI indique que son modèle a identifié un « scenario où les équations se désintègrent complètement », suggérant ainsi une construction d’un contre‑exemple ou une condition limite où la régularité échoue. Le processus aurait exploité un réseau de neurones entraîné sur des millions de simulations numériques de flux, couplé à un moteur de recherche symbolique capable de manipuler des expressions mathématiques complexes.
Analyse de la preuve
La preuve repose sur deux éléments mesurables : la durée de calcul (88 h) et le cadre de génération de conjectures automatisées. Le temps de calcul indique que le modèle a parcouru un espace de recherche vaste, mais il ne précise pas la puissance de calcul mobilisée (nombre de GPU, type de processeur). L’affirmation selon laquelle le modèle « définit une situation où les équations se brisent » implique qu’il a trouvé une configuration de conditions aux limites ou de paramètres physiques qui conduit à une singularité non résoluble. Cette approche contraste avec les méthodes classiques, qui cherchent à établir des bornes a priori ou à démontrer l’existence par des arguments analytiques. La capacité d’un LLM à synthétiser des arguments formels dépend de la qualité du corpus d’entraînement et de la capacité du système à vérifier la cohérence logique, deux points qui restent peu détaillés dans le communiqué.
Limitations et perspectives
Le principal obstacle réside dans l’absence de revue par les pairs et de validation indépendante. Sans publication dans une revue mathématique, la communauté ne peut pas vérifier la rigueur du raisonnement ni reproduire les conditions exactes de l’expérience. De plus, la description fournie ne mentionne pas le niveau de formalisation (par exemple, utilisation de Lean ou Coq) ni les critères de certification de la preuve. Enfin, même si la preuve était correcte, elle ne résoudrait pas nécessairement le problème de façon constructive pour l’ensemble des conditions initiales, mais seulement pour un sous‑ensemble particulier identifié par le modèle. Cette situation souligne la nécessité d’établir des protocoles d’audit pour les résultats mathématiques générés par l’IA, afin de garantir que les avancées restent vérifiables et reproductibles.
