Imagine une énigme vieille de près de deux siècles, jugée si complexe qu’elle te rapporterait immédiatement un million de dollars si tu parvenais à la résoudre. C’est exactement le statut des équations de Navier-Stokes, formulées au XIXe siècle pour modéliser le mouvement des fluides, de l’air sous l’aile d’un avion jusqu’à la circulation sanguine dans tes artères.
Or, le 8 septembre 2026, la tech mondiale a tremblé. OpenAI a lâché une bombe sans avertissement préalable : son infrastructure interne aurait trouvé une singularité mathématique où le fluide explose en un temps fini. En clair, le modèle affirme avoir abattu l’un des six problèmes du millénaire encore ouverts de l’institut de mathématiques Clay.
Cependant, le véritable choc ne réside pas uniquement dans le résultat. Il tient surtout à la méthode brutale employée pour y parvenir :
- 10 000 agents autonomes mobilisés en simultané jour et nuit.
- 88 heures de calcul intensif pour forcer le verrou théorique.
- 130 milliards de tokens brûlés et 2,7 millions d’échanges machine.
- Des millions de dollars engloutis en pure puissance computationnelle.
Une usine à calcul plus forte que GPT-6 Astra
Pour réussir ce tour de force, la firme de Sam Altman n’a pas utilisé ChatGPT classique. Elle a mobilisé un modèle interne secret, bien plus véloce que le récent GPT-6 Astra. Les agents ont conçu un vortex théorique ultra-précis qui s’accélère et s’étire jusqu’à l’infini, brisant la régularité du fluide.
De plus, OpenAI a blindé son annonce en publiant une vérification formelle rédigée en Lean, un langage machine qui valide pas à pas la logique de la démonstration sans laisser le moindre trou déductif. Ainsi, sur le papier, la machine certifie que la chaîne d’arguments ne souffre d’aucun bug.
« Nous présentons ici une solution au problème d’existence et de régularité de l’équation de Navier-Stokes, l’un des problèmes du prix du Millénaire. » — Communiqué officiel d’OpenAI
Mais voilà : certifier qu’une équation tient debout ne signifie absolument pas qu’un humain est capable de la comprendre. Avec 160 pages de démonstrations austères et illisibles, les spécialistes doivent désormais concevoir d’autres IA pour décortiquer ce que le premier modèle a pondu en quelques jours.
Soupçons de plagiat et espionnage industriel
Très vite, les coulisses de l’exploit ont viré au thriller technologique. L’annonce d’OpenAI a étrangement débarqué douze heures à peine après les travaux préliminaires de Tristan Buckmaster et Levent Alpöge, chercheur chez Anthropic, le rival direct derrière Claude. Pire encore : ces scientifiques utilisaient justement les outils d’OpenAI pour assister leurs propres recherches.
Dès lors, une question brûlante enflamme les couloirs des universités : OpenAI a-t-elle siphonné les requêtes privées des chercheurs pour orienter ses 10 000 agents au dernier moment ? Si Sébastien Bubeck dément tout usage direct des prompts pour piloter les bots, la direction admet du bout des lèvres que des données anonymisées ont pu nourrir les entraînements.
« Comme piller un site archéologique à la pelleteuse : on en retire l’objet, mais on détruit le contexte qui lui donnait tout son sens. » — Terence Tao, médaille Fields
Pour le mathématicien star Terence Tao, cette méthode court-circuite violemment des siècles de partage académique. En transformant un problème fondamental en campagne publicitaire agressive, la tech risque d’écœurer toute une génération de doctorants avant même qu’ils ne publient leurs hypothèses.
La rupture : quand la science échappe aux humains
L’institut Clay a immédiatement calmé l’euphorie ambiante en rappelant son protocole strict. Aucune récompense ne sera validée avant une publication officielle par les pairs et un examen collégial d’au moins deux ans. Les chercheurs espagnols Luis Martínez-Zoroa et Diego Córdoba avaient déjà balisé le terrain conceptuel en 2021, la machine n’ayant fait qu’exécuter la force brute finale.
Néanmoins, le précédent est historique. La science entre dans une zone grise inédite où la production de vérités certifiées va beaucoup plus vite que notre entendement biologique. Désormais, le chercheur ne montre plus le chemin : il tente désespérément de rattraper des algorithmes lancés à pleine vitesse.
