Présentation
OpenAI a publié mardi un article affirmant que son modèle interne, encore non diffusé, a produit une solution au problème Navier‑Stokes, l’un des sept problèmes du Millénaire. Le processus aurait duré 88 heures et mobilisé environ 10 000 agents d’IA fonctionnant en essaim. Le problème, lié à la dynamique des fluides, porte une prime de 1 million de dollars offerte par le Clay Mathematics Institute, mais l’entreprise a déclaré ne pas prétendre au prix. Le communiqué précise que le travail a été réalisé « sans accès à des données utilisateur spécifiques », tout en admettant une incertitude sur d’éventuelles contributions indirectes provenant de données anonymisées.
Architecture de la solution
Le modèle décrit par OpenAI repose sur un « swarm » d’agents capables d’explorer simultanément un espace de recherche combinatoire. Chaque agent exécute des itérations de calcul sur des variantes de la formulation du problème, les résultats étant agrégés pour identifier des patterns convergents. Le coût estimé de l’opération s’élève à plusieurs millions de dollars, reflétant la consommation énergétique d’un cluster de calcul dédié pendant plus de trois jours. OpenAI n’a pas détaillé l’architecture exacte (type de réseau, nombre de paramètres), mais indique que le modèle a été entraîné sur l’ensemble de ses produits IA, ce qui rend difficile d’isoler les contributions de données publiques versus privées.
Analyse des impacts académiques
Les mathématiciens citent immédiatement le risque d’une « chasse au scoop » alimentée par des ressources informatiques disproportionnées. Le professeur Abhishek Saha note que la pratique de « scooping » n’est pas courante en mathématiques, où la confiance repose sur le partage d’idées inachevées. Les allégations de Tristan Buckmaster – selon lesquelles OpenAI aurait interrogé ses sessions Codex et aurait tenté de retirer un co‑auteur – illustrent une tension entre la transparence académique et la protection des données d’entraînement. Cette tension pourrait inciter les chercheurs à restreindre l’accès à leurs environnements de calcul, ralentissant la diffusion de connaissances.
Limites et incertitudes
Le principal obstacle à l’évaluation de la solution réside dans l’absence de publication du raisonnement détaillé. Sans accès au texte de la preuve, la communauté ne peut pas vérifier la conformité aux critères du Clay Institute. De plus, la déclaration d’OpenAI selon laquelle « aucune donnée utilisateur spécifique n’a été utilisée » ne permet pas d’écarter totalement l’influence de logs anonymisés, ce qui soulève des questions de propriété intellectuelle. Enfin, le coût prohibitif de la démarche crée une barrière d’entrée pour les institutions qui ne disposent pas de ressources similaires, ce qui pourrait accentuer les inégalités de recherche.
