88 heures, 10 000 agents : OpenAI dit avoir résolu Navier-Stokes, et ça tourne déjà au vinaigre

Ce premier fil ne porte pas encore sur les 88 heures, les 10 000 agents ou le modèle interne d’OpenAI. Il est dominé par une autre incertitude: qui aurait réellement résolu le problème, et dans quel ordre?

@TimTeaFan évoque une rumeur concurrente autour d’Anthropic et de son système Fable:

"Weren't there rumours that Anthropic solved it with Fable?" @TimTeaFan

La réponse de @mark_k ne tranche pas:

"There is some dispute or drama going on right now." @mark_k

À une question semblable sur l’identité du ou des auteurs de la résolution, il ajoute:

"Currently it's a bit unclear who exactly solved it. Maybe both jointly." @mark_k

Le décalage entre les deux fils est au cœur de l’actualité. Avant l’annonce d’OpenAI, le débat portait sur une rumeur, Anthropic, la priorité et l’identité des personnes ou laboratoires impliqués. Après cette annonce, OpenAI transforme la rumeur en revendication institutionnelle chiffrée et technique, sans répondre aux questions de paternité et de provenance que le fil de @mark_k signalait déjà.

L’annonce établit donc un point précis: OpenAI est, à ce stade, le seul acteur à formuler une revendication officielle détaillée. Elle ne règle pas, à elle seule, la question de la priorité scientifique.

Navier-Stokes, le problème derrière le slogan

Les équations de Navier-Stokes sont fondamentales en mécanique des fluides. Elles décrivent l’évolution d’un fluide, comme l’air, l’eau ou un gaz, en reliant plusieurs grandeurs:

• la vitesse du fluide, représentée par un champ qui varie dans l’espace et dans le temps;
• la pression, qui contraint et redistribue le mouvement;
• la viscosité, c’est-à-dire la friction interne du fluide;
• les forces externes, comme la gravité ou d’autres actions appliquées;
• la contrainte d’incompressibilité, dans le cas classique d’un fluide incompressible.

Dans une écriture simplifiée, l’équation de quantité de mouvement s’exprime ainsi:

[ \partial_t u + (u \cdot \nabla)u = -\nabla p + \nu \Delta u + f ]

Ici, (u) représente la vitesse, (p) la pression, (\nu) la viscosité et (f) les forces externes. Pour un fluide incompressible, on ajoute généralement la condition (\nabla \cdot u = 0).

Ces quelques symboles condensent une dynamique extrêmement complexe. Le terme non linéaire ((u \cdot \nabla)u) exprime le fait que le fluide transporte sa propre vitesse. C’est l’une des sources majeures de la difficulté: les mouvements à une échelle peuvent nourrir ceux d’autres échelles, les déformer et les amplifier.

La vraie question en dimension 3: régularité globale ou singularité?

Le problème du Millénaire ne demande pas simplement si l’on peut simuler un écoulement. Il pose une question de régularité globale en dimension 3.

À partir de données initiales suffisamment lisses, peut-on démontrer que la solution reste lisse pour tout temps? Ou peut-elle former une singularité en temps fini, phénomène souvent appelé blow-up?

Une singularité ne signifie pas nécessairement qu’un fluide réel « explose » physiquement. En analyse mathématique, cela signifie que certaines quantités associées à la solution cessent d’être contrôlables dans le cadre de régularité requis. Les dérivées de la vitesse peuvent, par exemple, devenir infinies ou perdre les propriétés nécessaires pour prolonger une solution lisse.

La difficulté peut se résumer ainsi:

1. Les données initiales sont régulières.
2. La viscosité tend à amortir les petites structures et à dissiper l’énergie.
3. Mais la non-linéarité peut concentrer l’activité à des échelles toujours plus fines.
4. Il faut démontrer que la dissipation l’emporte toujours, ou construire un cas où elle ne suffit pas.

C’est ce contrôle global entre concentration non linéaire et dissipation visqueuse qui résiste depuis près de neuf décennies.

Pourquoi des équations si compactes résistent-elles depuis si longtemps?

Les équations sont courtes. La turbulence ne l’est pas.

Dans un écoulement turbulent, les structures de grande taille transfèrent de l’énergie vers des structures plus petites. Les tourbillons interagissent, se déforment, se fragmentent et se recombinent. Cette cascade d’échelles rend les estimations analytiques particulièrement délicates.

Les mathématiciens disposent déjà de résultats fondamentaux. Ils savent notamment construire des solutions faibles dans des cadres généraux et obtenir des résultats plus forts dans certaines dimensions, pour certains régimes ou pendant des durées limitées. Mais le problème ouvert porte sur la garantie universelle d’une régularité lisse en trois dimensions, à partir de données initiales lisses.

C’est pourquoi une éventuelle résolution serait majeure. Elle ne consisterait pas à avoir simplement « mieux calculé » une simulation, mais à avoir tranché une alternative fondamentale sur le comportement possible de ces équations.

Prix du Millénaire Navier-Stokes: ce qu’exigerait une validation

Une annonce, même officielle, ne suffit pas à résoudre formellement un problème du prix du Millénaire. La démonstration devrait être rendue accessible dans une forme suffisamment complète pour permettre un examen approfondi par des experts indépendants.

Cela implique notamment:

• la publication du texte intégral de la preuve et de ses hypothèses;
• la possibilité de vérifier chaque lemme, chaque estimation et chaque dépendance logique;
• l’examen critique par des spécialistes des équations aux dérivées partielles et de l’analyse harmonique;
• la résolution des éventuelles objections soulevées pendant cette évaluation;
• un délai suffisant pour établir que le résultat est accepté par la communauté mathématique.

Le Clay Mathematics Institute applique ses propres critères pour reconnaître officiellement une solution à l’un de ses problèmes du Millénaire. Une démonstration doit notamment être publiée dans une publication qualifiée, faire l’objet d’une acceptation générale au sein de la communauté concernée, puis résister à une période d’examen.

À ce stade, le post d’OpenAI ne fournit ni preuve publiée, ni revue par les pairs, ni validation indépendante. Il annonce un résultat revendiqué, dont la reconnaissance mathématique reste entièrement à établir.

Une preuve correcte ne donnerait pas une météo parfaite

L’une des réactions les plus intuitives, mais trompeuses, consiste à relier directement Navier-Stokes à la prédiction exacte du temps.

"Finally I’ll know for sure whether it’s going to rain tomorrow in London or not" @ChShersh

Cette conclusion ne découle pas de l’annonce. Résoudre le problème théorique de régularité ne produirait pas soudainement des prévisions météo parfaites.

Les prévisions atmosphériques dépendent notamment:

• de mesures initiales incomplètes et bruitées;
• de modèles couplés incluant l’humidité, les nuages, les rayonnements et les interactions entre le sol et l’atmosphère;
• de paramétrisations physiques;
• de calculs numériques nécessairement discrets;
• de la sensibilité aux conditions initiales propre aux systèmes chaotiques.

Une preuve de régularité, si elle était établie, clarifierait la structure mathématique des équations. C’est considérable. Mais elle ne supprimerait ni les incertitudes de mesure, ni les erreurs de modélisation, ni les limites opérationnelles de calcul.

De même, elle ne transformerait pas instantanément l’ingénierie aéronautique, navale ou énergétique. Ces domaines utilisent déjà Navier-Stokes sous des hypothèses spécifiques, avec des simulations, des modèles de turbulence et des calibrages expérimentaux. Une avancée théorique peut enrichir les outils à long terme, mais elle ne devient pas automatiquement un produit industriel.

Le crédit scientifique, angle mort du post principal

La réaction la plus structurée sous l’annonce ne conteste pas uniquement le rôle de l’IA. Elle concerne aussi la visibilité accordée aux chercheurs humains potentiellement à l’origine d’éléments décisifs.

@Quasilocal formule le grief de manière directe:

"Ok but like want to mention Tristan Buckmaster and Levent Alpöge in the actual tweet where you claim credit, rather than in a separe quote-tweet not linked to from this one?" @Quasilocal

La critique est précise. Elle ne porte pas seulement sur l’existence supposée d’une mention ailleurs. Elle vise l’absence de Tristan Buckmaster et de Levent Alpöge dans le message qui revendique publiquement le résultat.

OpenAI n’a pas répondu publiquement à cette interpellation dans le fil. En revanche, @calebcterry prolonge cette demande de reconnaissance en replaçant le résultat dans une généalogie mathématique plus longue:

"After doing more research on this, I think the human contribution is worth mentioning, too. My understanding is that this came out of years of work by Diego Córdoba and Luis Martínez-Zoroa developing the underlying approach, with Tristan Buckmaster and Levent Alpöge then using LLMs to push that research much further and eventually formalize and verify the result." @calebcterry

Cette affirmation doit être lue pour ce qu’elle est: une interprétation rapportée par @calebcterry dans le fil, et non une répartition définitivement établie par une publication académique reproduite ici. Elle soulève néanmoins la bonne question: que faut-il créditer lorsqu’un système d’agents produit une démonstration à partir d’approches, d’intuitions, de formulations et de travaux préexistants?

@X_is_Arbitrary en tire une conclusion plus tranchée:

"This seems ballsy. If what the mathematicians claim is true, then this just bolsters claims that AI is incapable of new ideas. It needed two brilliant mathematicians to tell it how to solve the problem." @X_is_Arbitrary

Cette lecture n’est pas démontrée par les éléments publics disponibles. Il est impossible, à partir du fil, de répartir précisément l’invention entre Diego Córdoba, Luis Martínez-Zoroa, Buckmaster, Alpöge, les outils LLM mobilisés par ces chercheurs et les agents d’OpenAI. Mais la continuité entre des travaux humains antérieurs et le résultat revendiqué par les agents constitue un enjeu central, non un simple détail de communication.

Le post principal d’OpenAI ne crédite aucun chercheur humain nommé, alors que les réponses font de cette absence le principal contentieux public.

Sessions Codex: une accusation grave, non établie

La controverse franchit un seuil plus grave avec des interrogations sur d’éventuelles sessions Codex associées aux chercheurs.

@Mmorgan_ML demande:

"Did you or did you not train on Buckmaster & Alpöge's Codex sessions?" @Mmorgan_ML

@melqartvantyrus pose essentiellement la même question. @ArtemR va plus loin en relayant l’accusation d’un possible vol de recherches:

"But did OpenAI cheat by stealing the research?" @ArtemR

Il est essentiel de distinguer les faits des soupçons. Ces messages montrent que l’accusation circule. Ils ne prouvent pas que des sessions Codex, des notes, des données privées ou des travaux de Buckmaster et Alpöge ont été utilisés de manière indue par OpenAI.

Aucune réponse d’OpenAI, aucune précision technique sur les données d’entraînement pertinentes et aucun élément de confirmation ne figurent dans les échanges reproduits. Le contenu de l’article externe cité par @ArtemR n’est pas reproduit non plus.

À ce stade, l’hypothèse d’un usage indu de sessions Codex est une allégation non confirmée. La question de la provenance des données et des travaux mérite toutefois une réponse factuelle, publique et vérifiable.

Cette question est distincte, bien que liée, de la critique portant sur le caractère fermé du système. Même en l’absence de faute établie sur les données, un laboratoire qui dispose d’un modèle interne plus puissant que les outils publics crée une asymétrie importante dans la recherche.

Ce que cette annonce dit de l’état de l’art

L’élément le plus nouveau de l’annonce OpenAI Navier-Stokes n’est pas uniquement le mot « solution ». C’est le dispositif revendiqué: environ 10 000 agents IA coordonnés, pendant 88 heures, autour d’un modèle interne OpenAI présenté comme plus capable que GPT-6 Astra.

Cette configuration suggère un basculement possible dans l’organisation de la recherche mathématique. Plutôt qu’un assistant conversationnel isolé, OpenAI décrit un système collectif susceptible de répartir les tâches entre sous-problèmes, vérifications, tentatives de preuve, recherche de contre-exemples et synthèses.

Mais l’industrialisation de la découverte soulève une question de gouvernance. @CircumjovialLLC la formule sans détour:

"Not OK to use private models trained on humanity's corpus of mathematics to solve open problems when those models are far more capable than what you released and are not accessible to all researchers. This is tech feudalism, leading to intellectual tyranny." @CircumjovialLLC

Aucune réponse d’OpenAI ne traite pour l’instant de la publication du modèle, de ses poids, de son coût de calcul, de son empreinte énergétique ou d’un éventuel accès académique. @Adamlags demande explicitement le coût de l’expérience, tandis que @alono88 interroge, avec humour, le coût en jetons. Ces questions restent sans réponse.

La critique de l’accès fermé ne prouve donc pas une mauvaise conduite. Elle pose un problème structurel: comment la communauté peut-elle reproduire, auditer ou contester une découverte produite avec un modèle et une infrastructure auxquels elle n’a pas accès?

Ce qu’il faut retenir, et ce qui reste à établir

L’annonce d’OpenAI est potentiellement historique. Le laboratoire revendique une solution au problème de Navier-Stokes obtenue en 88 heures par environ 10 000 agents IA coordonnés, avec un modèle interne présenté comme plus puissant que GPT-6 Astra. C’est une revendication officielle détaillée, là où le fil antérieur de @mark_k ne rapportait qu’une rumeur et une confusion sur les auteurs possibles.

Mais plusieurs questions décisives restent ouvertes:

1. Où se trouve le texte complet de la preuve Navier-Stokes?
2. Quels experts indépendants l’ont examinée?
3. Répond-elle exactement aux critères du problème du prix du Millénaire?
4. Quel rôle précis ont joué les agents: invention, exploration, rédaction, formalisation ou vérification?
5. Comment OpenAI attribuera-t-elle les contributions de Córdoba, Martínez-Zoroa, Buckmaster, Alpöge et d’autres éventuels chercheurs?
6. Quelles données et quels matériaux ont été utilisés pour entraîner ou orienter le modèle interne?
7. Les interrogations sur les sessions Codex recevront-elles une réponse publique, technique et vérifiable?
8. Quel accès la communauté scientifique aura-t-elle aux résultats, aux méthodes et aux conditions de calcul?

La véritable ligne de fracture n’oppose pas simplement les humains aux agents IA. Elle oppose une revendication spectaculaire à l’exigence scientifique de vérification, de reproductibilité et de crédit équitable. OpenAI a fourni des chiffres et décrit une méthode. Le fil rappelle tout ce que ces chiffres ne permettent pas encore de trancher.