OpenAI vs Mathématiciens : Qui a vraiment résolu Navier-Stokes ?

Une victoire scientifique, ou une bataille de priorité?

Le titre de travail correspond bien au sujet: OpenAI vs Mathématiciens: Qui a vraiment résolu Navier-Stokes? Depuis 72 heures, l’affaire s’est cristallisée autour de deux questions. La première est mathématique: la démonstration revendiquée par OpenAI règle-t-elle vraiment le problème d’existence et de régularité de Navier-Stokes? La seconde est institutionnelle: même si le résultat tient, OpenAI a-t-elle gagné la course de manière loyale?

Les éléments récents confirment l’ampleur de la revendication. OpenAI affirme qu’un système interne d’intelligence artificielle a produit une démonstration liée au problème de Navier-Stokes et l’a formalisée avec Lean, un assistant de preuve capable de vérifier des raisonnements mathématiques pas à pas [5]. El País a présenté l’annonce comme la revendication, par un modèle d’OpenAI, d’une solution au problème d’« existence et de régularité » de Navier-Stokes, l’un des sept problèmes du millénaire du Clay Institute, en rappelant que l’énigme attendait une résolution depuis environ 90 ans [4]. Live Science parle, de son côté, d’une affirmation controversée autour d’un problème mathématique à un million de dollars, qui a provoqué une onde de choc dans la communauté [1].

Mais l’histoire n’est plus seulement « une IA résout un grand problème ». Elle porte désormais sur l’origine de l’idée. Les mathématiciens Tristan Buckmaster et Levent Alpöge travaillaient depuis environ un an sur le sujet lorsqu’ils ont affirmé qu’OpenAI avait eu connaissance de leurs travaux et s’était lancée dans une course pour les devancer [1]. Selon ce même récit, ils disent qu’un représentant d’OpenAI les aurait poussés à ne pas rendre leurs résultats publics [1]. OpenAI conteste cette lecture, mais l’accusation suffit à transformer la controverse en affaire d’éthique scientifique.

Pourquoi Navier-Stokes compte autant

Les équations de Navier-Stokes décrivent le mouvement des fluides: l’air autour d’une aile, l’eau dans une conduite, le sang dans un vaisseau, ou encore les tourbillons d’une fumée. Scientific American les résume comme le cadre mathématique servant à modéliser les mouvements des fluides et cite le spécialiste de la turbulence Justin Beroz, qui les présente comme la deuxième loi de Newton appliquée à un petit paquet de fluide [2].

La version « prix du millénaire » pose une question plus profonde: un fluide tridimensionnel initialement régulier reste-t-il toujours régulier, ou peut-il développer une singularité? Autrement dit, le modèle peut-il produire une situation où certaines grandeurs deviennent infinies en temps fini? C’est le « boss final » des équations: non pas une difficulté de calcul ordinaire, mais un point où le langage mathématique lui-même menace de casser.

Il faut cependant éviter un contresens. Une preuve de singularité ne donne pas immédiatement un meilleur avion, une météo plus précise ou une nouvelle technologie médicale. Le 18 septembre, Scientific American a jugé que la preuve revendiquée par OpenAI pouvait être un tour de force mathématique, mais que ses applications concrètes seraient au mieux lointaines, si elles arrivent un jour [2]. Même si la démonstration est validée, les ingénieurs continueront donc d’utiliser leurs méthodes numériques, expérimentales et approximatives.

Lean: une preuve vérifiée, mais de quoi exactement?

La formalisation Lean explique en partie l’impact de l’annonce [5]. Un assistant de preuve peut vérifier qu’une ligne découle bien des précédentes. C’est une protection puissante contre de nombreuses erreurs classiques. Mais ce n’est pas un tampon magique qui réglerait instantanément l’interprétation humaine du théorème.

La discussion actuelle le montre bien. Un article déposé sur arXiv le 17 septembre ne balaie pas la construction d’OpenAI; il l’analyse techniquement. Ses auteurs écrivent qu’OpenAI a récemment annoncé une preuve de formation de singularité en temps fini pour les équations de Navier-Stokes 3D en présence d’une force extérieure lisse [3]. Ils étudient ensuite des solutions sous des hypothèses supplémentaires, notamment d’asymptotique axisymétrique et de forçage analytique, et démontrent une régularité dans ce cadre [3].

La nuance est essentielle. L’article indique que la construction d’OpenAI repose sur une force lisse mais non analytique près du point singulier, et que sous les hypothèses analytiques étudiées par les auteurs, ce type de singularité ne peut pas apparaître [3]. Cela ne réfute pas mécaniquement OpenAI. Cela précise le terrain: le résultat dépendrait de propriétés fines du forçage et de la construction. Pour le public, la conclusion est simple: « formalisé dans Lean » ne signifie pas « définitivement digéré par la communauté mathématique ».

Le vrai conflit: qui a franchi la ligne?

Le cœur de la polémique n’est donc pas seulement l’existence d’une preuve. C’est la question de savoir si OpenAI a franchi une ligne d’arrivée que des chercheurs humains avaient déjà approchée.

Live Science rapporte que Buckmaster et Alpöge travaillaient depuis environ un an sur Navier-Stokes et qu’ils accusent OpenAI d’avoir appris l’existence de leurs avancées avant d’accélérer ses propres travaux [1]. Cadena SER décrit l’affaire comme l’ouverture d’une nouvelle étape dans la relation entre intelligence artificielle, mathématiques et recherche scientifique, car les IA ne sont plus seulement des outils auxiliaires: elles peuvent désormais intervenir directement sur des problèmes à la frontière du savoir [5].

Dans le modèle traditionnel, la priorité scientifique se construisait autour de la preuve publique, de l’évaluation par les pairs et des citations. Dans le nouveau modèle, une entreprise d’IA peut disposer de modèles privés, d’une puissance de calcul massive, d’agents lancés en parallèle et d’un accès à des interactions utilisateurs dont le statut doit être parfaitement clair. Face à cela, un mathématicien universitaire peut avoir l’intuition, la stratégie, le goût du bon chemin et des années d’expertise, mais beaucoup moins de calcul industriel.

El País pose la question frontalement: l’IA peut-elle voler des idées? Le journal résume l’incertitude par une formule prudente: on ne peut pas le démontrer à 100 %, mais il peut être logique de le penser dans certains cas [4]. Ce n’est pas un verdict juridique sur OpenAI. C’est le malaise général qui monte dans les communautés de recherche utilisant des outils commerciaux.

Ce qu’OpenAI a réellement apporté

À partir des sources récentes, la contribution revendiquée par OpenAI comprend au moins trois éléments: une recherche massivement accélérée, la production ou l’assemblage d’une preuve candidate, puis sa formalisation dans Lean [5]. Si le résultat survit à l’examen, ce serait une étape majeure pour les mathématiques assistées par IA.

Mais la formule « OpenAI a résolu Navier-Stokes » reste trop compacte. Une phrase plus juste serait: OpenAI affirme qu’un système interne, accompagné d’une formalisation, a produit une preuve résolvant une version du problème du millénaire de Navier-Stokes, tandis que des mathématiciens engagés sur des idées voisines accusent l’entreprise d’avoir bénéficié d’un avantage de priorité injuste [1][5].

La réponse technique publiée sur arXiv rappelle aussi que le crédit scientifique pourrait désormais devenir stratifié. Il y a le crédit conceptuel d’avoir choisi la bonne approche. Le crédit technique de bâtir la démonstration. Le crédit de formalisation dans Lean. Le crédit d’infrastructure lié aux modèles et au calcul. Et le crédit d’interprétation: expliquer précisément ce qui a été prouvé [3].

Une affaire qui dépasse une équation

Cadena SER voit dans l’épisode un débat sur l’auteur d’une découverte, l’utilisation des données de chercheurs et la place que l’on veut encore réserver à la créativité humaine dans la science [5]. C’est probablement le bon cadrage. Navier-Stokes devient le prototype d’un futur où les laboratoires d’IA ne se contentent plus d’aider la recherche: ils entrent eux-mêmes dans la compétition pour les découvertes.

Pour les chercheurs, la leçon immédiate est pratique. Utiliser une IA commerciale sur une idée non publiée oblige à comprendre les politiques de données, les exclusions d’entraînement, la conservation des prompts et les mécanismes d’audit. Pour les entreprises d’IA, la confiance déclarative ne suffira plus quand l’enjeu est la priorité scientifique. Pour les revues, les instituts et les comités de prix, les règles d’auteur, de divulgation et de vérification devront évoluer.

Alors, qui a vraiment résolu Navier-Stokes? Au 19 septembre 2026, la réponse la plus honnête reste volontairement prudente: OpenAI a formulé la revendication publique la plus spectaculaire, appuyée par une formalisation, mais la communauté mathématique continue d’examiner la preuve, l’énoncé exact et les conditions éthiques de la course [1][3][5]. Si le résultat tient, il appartiendra sans doute à une époque hybride: ni purement humaine, ni simplement machine, mais faite de conjectures humaines, de prompts, de preuves formelles, de recherche automatisée et de puissance de calcul industrielle.

Navier-Stokes a peut-être trouvé sa singularité. Les mathématiques, elles, viennent d’en rencontrer une autre: le point où découverte, propriété intellectuelle et automatisation cessent d’être régulières.

Sources des dernières 72 heures

1. [1]'Predatory behavior': Elite mathematicians clash over OpenAI's 'solution' to million-dollar math problem17 sept. 2026, 00:00 UTC
2. [2]What does OpenAI’s blockbuster Navier-Stokes proof mean for the real world?18 sept. 2026, 00:00 UTC
3. [3]Regularity of asymptotically axisymmetric solutions to the 3D Navier-Stokes equations with analytic forcing17 sept. 2026, 17:57 UTC
4. [4]¿Nos roba la IA las ideas? “No se puede demostrar al 100%, pero es lógico pensar que sí”19 sept. 2026, 03:30 UTC
5. [5]La IA irrumpe en uno de los grandes problemas de las matemáticas y abre un debate sobre la autoría científica19 sept. 2026, 06:01 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.