Pendant près d'un siècle, les meilleurs mathématiciens du monde se sont cassé les dents sur une question qui semble simple : « les équations qui décrivent les fluides peuvent‑elles exploser ? ». En septembre 2026, une équipe d'OpenAI annonce avoir trouvé une réponse en seulement 88 heures, en déployant une armée de 10 000 agents IA autonomes.
Cette annonce marque un tournant dans la manière dont les mathématiques se font aujourd'hui, et en dit long sur la puissance des nouveaux modèles d'IA.
Le problème du millénaire Navier–Stokes, en termes simples
Les équations de Navier–Stokes, formulées au XIXᵉ siècle par Claude‑Louis Navier et George Gabriel Stokes, décrivent le mouvement des fluides (air, eau, sang, etc.) en appliquant la loi de Newton « F = ma » à un milieu continu.
On les retrouve partout : conception d'avions, prévisions météo, écoulements sanguins, simulations industrielles.
La question centrale, posée comme l'un des sept « problèmes du millénaire » par le Clay Mathematics Institute en 2000, est la suivante :
"Est‑ce que, partant d'un état parfaitement lisse, un fluide 3D décrit par Navier–Stokes peut développer une « singularité » en temps fini ?" Autrement dit, certaines vitesses peuvent‑elles devenir infinies en un temps fini, même si l'énergie reste finie et que la force appliquée est « lisse » ?
Si la réponse est oui, cela signifie que le modèle continu « casse » : les équations ne suffisent plus à décrire la réalité à ce stade, et il faudrait revenir à une description particulaire.
Plus simplement, quand on modélise un fluide (comme l'eau ou l'air) avec les équations de Navier–Stokes, on le traite comme quelque chose de continu : on ne s'intéresse pas aux molécules individuelles, mais à des grandeurs moyennes comme la vitesse, la pression, la densité en chaque point.
Si une singularité apparaît (une vitesse qui devient infinie en un temps fini), ça veut dire que ce modèle « explose » mathématiquement : les équations donnent des valeurs impossibles (infinies), donc elles ne peuvent plus servir à prédire ce qui se passe.
Ce qu'OpenAI affirme avoir démontré
Dans un billet publié le 8 septembre 2026, OpenAI annonce qu'un système interne, basé sur un modèle « nettement plus capable que GPT‑6 Astra », a produit une preuve analytique montrant qu'un fluide initialement lisse et au repos peut développer une singularité en temps fini, sous l'effet d'une force externe lisse et avec une énergie restant finie.
Concrètement, la solution mise en avant est un vortex : une sorte de tourbillon qui s'enroule, s'allonge (comme des spaghettis), se concentre dans une région de plus en plus petite, et accélère jusqu'à une vitesse qui diverge, tout en respectant les contraintes d'énergie du problème.
OpenAI précise que cette démonstration établit les énoncés « C » et « D » de la formulation officielle du problème du millénaire, c'est‑à‑dire qu'elle montre l'existence de solutions qui « explosent » (blow‑up) dans certains cas, plutôt que de prouver que toutes les solutions restent lisses pour toujours.
La preuve a ensuite été formalisée et vérifiée dans le langage Lean, un assistant de preuve formelle, en environ 17 heures supplémentaires via un autre modèle (GPT‑6 Astra), ce qui renforce la confiance des mathématiciens dans la solidité du résultat.
Comment 10 000 agents IA ont « attaqué » le problème
Le récit côté ingénierie est presque aussi fascinant que le résultat mathématique :
- À partir du 1ᵉʳ septembre 2026, OpenAI lance une évaluation massive de son nouveau modèle interne sur plusieurs problèmes ouverts, dont les problèmes du millénaire.
- Le système utilise des agents autonomes capables de lire une version cachée d'Internet, d'exécuter du code, et de communiquer entre eux au sein de groupes.
- Pour Navier–Stokes, jusqu'à 10 000 agents concurrents travaillent en parallèle, répartis en groupes qui explorent différentes variantes du problème (A, B, C, D).
- Les agents échangent des millions de messages : environ 2,7 millions de messages et 130 milliards de tokens de sortie rien que pour Navier–Stokes.
- La résolution est annoncée le 5 septembre, soit environ 88 heures après le lancement des premiers agents ; la formalisation Lean prend 17 heures de plus.
OpenAI estime que l'effort a coûté plusieurs millions de dollars en calcul, et décrit cela comme un « instantané » des capacités de ses modèles, pas comme un aboutissement final.
Charlotte Ryssen (Coumont)
Pourquoi ce résultat fait tant de bruit (et de controverse)
Un tournant pour les mathématiques assistées par IA
Pour beaucoup, c'est la première fois qu'un problème aussi central et ancien est résolu principalement par un système d'IA, avec une preuve formelle en Lean.
Charles Fefferman, auteur de la description officielle du problème pour le Clay Institute, s'est dit « ravi » que le problème soit résolu, tout en rappelant que les vrais héros conceptuels sont Diego Córdoba et Luis Martínez‑Zoroa, dont les idées ont ouvert la voie.
Leur approche : construire une « cascade infinie » de couches de solutions non singulières pour créer une solution globale qui explose, a inspiré les deux équipes (OpenAI d'un côté, Tristan Buckmaster et Levent Alpöge de l'autre) qui ont utilisé l'IA pour franchir les dernières étapes.
Une course effrénée et des tensions sur la paternité
L'annonce d'OpenAI intervient dans un contexte très tendu :
- Quelques heures avant, le mathématicien Tristan Buckmaster (NYU) et Levent Alpöge (Anthropic) ont publié leurs propres résultats, également assistés par IA, sur des problèmes très proches (Euler forcé, et des variantes de Navier–Stokes).
- Buckmaster a publiquement critiqué la manière dont OpenAI a « joué sale », estimant que l'entreprise a profité de rumeurs et peut‑être de travaux en cours pour accélérer sa propre démonstration.
- OpenAI affirme n'avoir jamais vu directement les preuves de Buckmaster et Alpöge avant leur publication, mais admet ne pas pouvoir exclure que des données d'usage anonymisées aient indirectement amélioré ses modèles.
Résultat : une bataille de narration sur qui a vraiment « résolu » quoi, et à quel prix éthique.
Est‑ce que le problème du millénaire est officiellement « résolu » ?
Pas encore, au sens strict :
- Le Clay Mathematics Institute n'a pas encore reconnu officiellement la solution ni attribué le prix d'un million de dollars.
- La communauté mathématique doit encore examiner la preuve en détail, vérifier que l'énoncé prouvé correspond exactement à celui du problème du millénaire, et s'assurer qu'il n'y a pas de faille subtile.
- OpenAI elle‑même précise qu'elle ne revendique pas le prix et présente ce résultat comme une démonstration de progrès en IA, plus qu'une quête de reconnaissance mathématique.
Pour l'instant, le problème reste donc officiellement ouvert, même si beaucoup de spécialistes considèrent déjà cette percée comme historique.
Ce que cela dit de l'IA de demain (et de nos métiers)
Au‑delà des équations, ce qui frappe, c'est le changement de paradigme :
- Des systèmes d'IA capables de coordonner des milliers d'agents, d'explorer des espaces de preuves gigantesques, et de produire des résultats de niveau « prix du millénaire » en quelques jours.
- Une frontière floue entre « outil » et « co‑chercheur » : l'IA ne se contente pas d'aider à calculer, elle propose des stratégies, teste des conjectures, et génère des preuves formelles.
- Un signal fort pour les métiers à l'intersection tech / maths / produit : la valeur ne sera plus seulement de « savoir coder » ou « savoir faire des maths », mais de poser les bonnes questions, structurer les problèmes, et orchestrer des systèmes d'IA complexes.
En résumé : 5 points clés à retenir
- OpenAI affirme avoir résolu une partie majeure du problème du millénaire Navier–Stokes en 88 heures avec ~10 000 agents IA.
- La preuve montre qu'un fluide 3D lisse peut développer une singularité en temps fini (énoncés C et D du problème).
- Le résultat a été formalisé en Lean, mais n'est pas encore officiellement reconnu par le Clay Institute.
- La percée s'appuie sur des idées de mathématiciens humains (Córdoba, Martínez‑Zoroa) et s'inscrit dans une course tendue avec d'autres équipes utilisant l'IA.
- C'est un signal fort sur l'avenir des mathématiques assistées par IA et sur l'évolution des métiers tech / produit / recherche.
