OpenAI prétend résoudre Navier-Stokes : prouesse mathématique ou plagiat ?

Un problème à un million de dollars soudainement « résolu »

Depuis mai 2000, le Clay Mathematics Institute propose un million de dollars à qui résoudra l’un des sept Problèmes du Millénaire — les énigmes mathématiques les plus résistantes de notre époque. Le problème de l’existence et de la régularité des équations de Navier-Stokes en fait partie. Ces équations, formulées au XIXe siècle, décrivent le mouvement des fluides : eau, air, sang. Elles servent à concevoir des avions, prévoir la météo, modéliser la circulation sanguine. Pourtant, personne n’a jamais pu prouver mathématiquement que leurs solutions restent toujours « lisses » en trois dimensions, sans développer de turbulences infinies.

Le 8 septembre 2026, OpenAI annonce avoir franchi ce mur. Selon l’entreprise, un modèle d’intelligence artificielle inédit — « significativement plus capable que GPT-6 Astra » et non commercialisé — a produit une preuve en 88 heures. Le système a mobilisé jusqu’à 10 000 agents IA travaillant en parallèle. OpenAI affirme avoir formalisé le résultat dans Lean, un assistant de preuve informatique qui vérifie mécaniquement chaque étape du raisonnement.

Si cette revendication est validée, ce serait la première fois qu’une intelligence artificielle résout un problème mathématique de cette envergure. Un tournant historique — ou une imposture spectaculaire.

« Skulduggery » : l’accusation qui jette le doute

L’euphorie n’a pas duré. Quelques heures après l’annonce, Tristan Buckmaster, professeur de mathématiques à l’université de New York (NYU), publie sur Mastodon une version précipitée de ses propres travaux sur des problèmes connexes. Il accompagne cette publication d’une accusation cinglante : skulduggery, un terme anglais désignant des pratiques malhonnêtes, voire de l’espionnage intellectuel.

Buckmaster collaborait depuis des mois avec Levent Alpöge, mathématicien reconnu qui travaille actuellement pour Anthropic, le principal concurrent d’OpenAI. Selon plusieurs sources, dont Fortune et Nature, le professeur soupçonne OpenAI d’avoir eu accès à leurs échanges ou à leurs résultats préliminaires via Alpöge — volontairement ou non. Aucune preuve formelle n’a été rendue publique à ce stade, mais le timing troublant et le choix d’une publication « défensive » sur une plateforme décentralisée (plutôt que sur arXiv, la norme académique) suggèrent une stratégie de protection d’antériorité.

Anthropic n’a pas commenté publiquement. OpenAI, de son côté, n’a publié aucun auteur individuel sur sa preuve : seul le nom « OPENAI » figure en signature. Aucune mention de remerciements, aucune affiliation académique. Une absence qui alimente les spéculations.

Le triangle des Bermudes éthique : académie, OpenAI, Anthropic

L’affaire expose une configuration inédite. D’un côté, Buckmaster (monde académique) collabore avec Alpöge (employé d’Anthropic). De l’autre, OpenAI (concurrent direct d’Anthropic) annonce une percée sur le même problème, sans divulguer sa méthode. Cette triangulation crée un « vecteur de contamination » potentiel : les mathématiciens de haut niveau, courtisés par les géants de l’IA pour leurs compétences, deviennent malgré eux des passerelles entre recherche fondamentale et guerre commerciale.

Selon Kingy.ai et Routerplex, aucun protocole établi n’existe pour gérer ces situations. Les universités n’interdisent pas (encore) à leurs chercheurs de collaborer avec des employés d’entreprises rivales. Les entreprises d’IA, elles, opèrent sous des règles de confidentialité strictes, incompatibles avec les standards de transparence scientifique.

Le mathématicien Terence Tao, médaille Fields et figure de référence, a qualifié les travaux de Buckmaster et Alpöge de « remarquables » dans un commentaire public. Mais il n’a pas validé la preuve d’OpenAI, et pour cause : elle n’est pas encore accessible dans son intégralité reproductible.

Une IA « boîte noire » peut-elle faire de la science ?

Le cœur du problème dépasse la rivalité entre chercheurs. Il touche à la nature même de la validation scientifique. Depuis Galilée, la science repose sur un principe : la reproductibilité. Une expérience, une preuve, doit pouvoir être refaite par d’autres pour être acceptée. Or, OpenAI refuse de divulguer son modèle, invoquant des raisons de « sécurité » et de propriété intellectuelle.

La formalisation en Lean apporte une garantie partielle : elle certifie que chaque étape logique est correcte. Mais elle ne dit rien sur la méthode qui a permis de trouver ces étapes. Si le modèle reste secret, personne ne peut vérifier qu’il n’a pas, par exemple, été entraîné sur des prépublications non publiques de Buckmaster ou d’autres chercheurs. Personne ne peut s’assurer qu’il n’a pas « mémorisé » une solution existante plutôt que de la découvrir.

Selon Quanta Magazine, plusieurs mathématiciens expriment leur malaise. Une preuve générée par une « boîte noire » propriétaire peut-elle être considérée comme une contribution à la connaissance humaine ? Ou s’agit-il d’un oracle commercial, dont les verdicts doivent être acceptés sur parole ?

Le Clay Mathematics Institute n’a pas encore tranché. Ses règles d’attribution exigent une publication dans une revue à comité de lecture et une période de validation de deux ans minimum. Mais elles ont été rédigées avant l’ère de l’IA générative. L’institut devra-t-il les réviser ?

Guerre des talents et fuite de cerveaux

L’affaire Buckmaster-Alpöge-OpenAI illustre un phénomène plus large : la migration massive de mathématiciens de l’académie vers l’industrie de l’IA. Selon Fortune, les salaires proposés par OpenAI, Anthropic ou Google DeepMind peuvent atteindre dix à vingt fois ceux d’un poste universitaire. Résultat : les meilleurs cerveaux quittent les labos publics pour des entreprises privées, emportant avec eux des années de recherche fondamentale financée par l’argent public.

Levent Alpöge incarne ce parcours. Formé dans les meilleures universités, il a rejoint Anthropic pour appliquer ses compétences à l’IA. Mais sa double casquette — chercheur académique (via sa collaboration avec Buckmaster) et employé d’une entreprise privée — crée un conflit d’intérêts structurel. Peut-on collaborer librement avec quelqu’un qui signe un accord de confidentialité avec un concurrent de l’entreprise qui finance votre recherche ?

Aucune réglementation n’encadre ces situations. Les universités commencent à peine à réfléchir à des protocoles de protection. Certaines envisagent d’interdire les collaborations avec des employés d’entreprises d’IA concurrentes, ou d’exiger des clauses de non-divulgation renforcées.

Le timing suspect : science ou marketing ?

Plusieurs observateurs, dont Tech Insider et Kingy.ai, notent que l’annonce d’OpenAI tombe en septembre 2026, période des grandes conférences de mathématiques (Congrès international des mathématiciens) et juste avant la saison des levées de fonds de fin d’année. Une coïncidence ?

Si OpenAI cherche à valoriser son prochain tour de table — l’entreprise est évaluée à plus de 150 milliards de dollars —, une percée scientifique majeure constitue un argument marketing puissant. Même si la validation prend des années, l’annonce suffit à marquer les esprits et à justifier une valorisation astronomique.

Cette synchronisation entre calendrier scientifique et calendrier financier marque un tournant. La science devient un outil de relations publiques pour les valorisations boursières. Les annonces ne suivent plus la logique de la validation par les pairs, mais celle des cycles d’investissement.

Scénarios pour les mois à venir

Que va-t-il se passer ? Plusieurs trajectoires se dessinent.

Scénario 1 : Validation. OpenAI publie la preuve complète, elle est vérifiée par des mathématiciens indépendants, le Clay Institute l’accepte. OpenAI remporte le prix, mais déclenche un débat sur la réforme des critères : faut-il exiger la reproductibilité des méthodes, pas seulement des résultats ?

Scénario 2 : Invalidation. Des erreurs sont trouvées dans la preuve. OpenAI perd sa crédibilité, le cours de ses actions chute, le scepticisme envers l’IA en science se renforce. Buckmaster et Alpöge publient leur version validée, récupérant la priorité.

Scénario 3 : Litige. Buckmaster porte plainte pour vol intellectuel. Une enquête révèle des pratiques d’espionnage ou de fuite d’informations. Régulation accrue du secteur, précédent juridique majeur sur la propriété des découvertes par IA.

Scénario 4 : Impasse. La communauté mathématique refuse de se prononcer tant que la méthode n’est pas reproductible. Le problème reste officiellement ouvert. OpenAI conserve son résultat en interne, l’utilisant pour des applications commerciales (simulations aéronautiques, météo) sans jamais le partager.

Scénario 5 : Intervention gouvernementale. Les applications militaires potentielles de Navier-Stokes (missiles hypersoniques, sous-marins furtifs) poussent des agences comme la DARPA ou la NSA à classifier la solution. Conflit entre transparence scientifique et sécurité nationale.

Les questions qui restent sans réponse

Au-delà des scénarios immédiats, cette affaire soulève des interrogations fondamentales pour l’avenir de la recherche.

Qui possède une découverte mathématique faite par une IA ? L’entreprise qui a créé le modèle ? Les mathématiciens dont les travaux ont entraîné ce modèle ? L’humanité, puisque les mathématiques sont un bien commun ? Aucun cadre juridique n’existe.

Peut-on faire confiance à une preuve non reproductible ? Si OpenAI refuse de divulguer son modèle, la communauté scientifique doit-elle accepter le résultat sur la seule foi de la certification Lean ? Cela reviendrait à abandonner quatre siècles de méthode scientifique.

Les autres Problèmes du Millénaire sont-ils menacés ? Si l’IA peut résoudre Navier-Stokes, qu’en est-il de P vs NP (complexité algorithmique), de l’hypothèse de Riemann (distribution des nombres premiers) ? Une course similaire pourrait se déclencher, avec les mêmes risques d’appropriation privée.

Comment protéger la recherche fondamentale ? Faut-il interdire aux chercheurs académiques de collaborer avec des employés d’entreprises d’IA ? Créer des protocoles de confidentialité renforcés ? Nationaliser certaines recherches stratégiques ?

Terence Tao, dans une publication récente, a évoqué un futur où les IA exploreraient de manière autonome des pans entiers de mathématiques, générant des preuves que les humains ne comprendraient qu’a posteriori — si tant est qu’ils les comprennent. Ce futur est peut-être déjà là.

Conclusion : science ouverte ou silos propriétaires ?

L’affaire Navier-Stokes marque un point de bascule. Soit la communauté scientifique impose ses règles — transparence, reproductibilité, validation collective — et les entreprises d’IA s’y plient. Soit les entreprises imposent les leurs — secret industriel, « boîtes noires », revendications sans partage — et la science fondamentale se fragmente en silos commerciaux.

Grigori Perelman, qui avait résolu la conjecture de Poincaré en 2003, avait refusé le million de dollars et la médaille Fields, dénonçant la corruption du milieu mathématique. Vingt-trois ans plus tard, le problème n’est plus la corruption individuelle, mais la privatisation du savoir lui-même.

La question n’est plus : « L’IA peut-elle résoudre les grands problèmes mathématiques ? » Elle est : « À qui appartiendront ces solutions, et que restera-t-il de la science comme bien commun de l’humanité ? »

La réponse se joue en ce moment. Entre les lignes de code d’un modèle secret, les accusations d’un professeur sur Mastodon, et le silence d’un institut centenaire face à une révolution qu’il n’avait pas anticipée.