OPENAI : 10 000 agents IA proposent une solution à Navier-Stokes, l’un des problèmes du Millénaire

L’annonce est datée du 8 septembre 2026.

OpenAI publie un article de recherche intitulé On the Navier-Stokes Millennium Prize Problem, accompagné d’un manuscrit mathématique de 166 pages et d’un dépôt Lean destiné à permettre une vérification formelle par ordinateur.

L’entreprise ne présente pas son résultat comme une simple piste.

Elle affirme que son système a établi une singularité en temps fini pour les équations tridimensionnelles incompressibles de Navier-Stokes, ce qui correspond selon elle aux variantes C et D de l’énoncé officiel du Clay Mathematics Institute.

Si cette démonstration résiste à l’examen indépendant, il ne s’agirait pas seulement d’une victoire symbolique pour l’IA.

Ce serait la résolution du deuxième des sept problèmes du Millénaire après la conjecture de Poincaré.

Les équations de Navier-Stokes décrivent comment un fluide se déplace.

Un fluide peut être de l’eau, de l’air, du sang ou presque tout milieu continu capable de s’écouler.

Ces équations sont utilisées en aéronautique, en météorologie, dans l’étude des océans, en ingénierie et en biomécanique.

Le problème n’est pas que les équations soient inutilisables.

Nous savons les utiliser depuis longtemps.

La question profonde est différente : lorsqu’on part d’un mouvement parfaitement régulier en trois dimensions, les équations garantissent-elles que ce mouvement restera toujours mathématiquement bien comporté ?

Ou peuvent-elles produire, en un temps fini, une singularité, c’est-à-dire un point où la vitesse devient sans limite dans le modèle ?

Dans un fluide réel, une vitesse infinie n’existe évidemment pas.

Une telle singularité montrerait plutôt que la description continue du fluide atteint une limite mathématique fondamentale.

La construction proposée par OpenAI part d’un fluide initialement au repos.

Une force externe lisse lui est appliquée.

Le système construit alors un vortex qui spirale vers son axe, s’étire verticalement et se concentre de plus en plus dans une région minuscule.

À mesure que cette zone centrale se contracte, certaines vitesses augmentent sans borne tandis que l’énergie cinétique totale reste finie.

C’est un point essentiel.

Le résultat ne consiste pas à injecter artificiellement une force infinie pour faire exploser l’équation.

Au contraire, la difficulté mathématique est de faire en sorte que les termes devenant très grands dans l’équation se compensent assez précisément pour que la force extérieure, elle, demeure parfaitement lisse.

Le manuscrit affirme ainsi établir l’alternative C de l’énoncé officiel sur l’espace tridimensionnel, ainsi que l’alternative D dans le cas périodique.

C’est probablement le point qui va provoquer le plus de confusion dans les prochains jours.

La preuve d’OpenAI utilise une force externe lisse.

Certains résumés rapides pourraient donc donner l’impression que l’entreprise n’a pas réellement traité le problème classique.

Mais l’énoncé officiel rédigé par Charles Fefferman pour le Clay Mathematics Institute autorise explicitement quatre voies de résolution.

Les options A et B demandent de prouver que les solutions restent lisses sans force externe.

Les options C et D demandent au contraire de construire un contre-exemple avec une force lisse respectant des conditions très précises.

OpenAI dit avoir établi C et D.

Autrement dit, si la preuve est correcte, l’usage d’une force lisse n’est pas une échappatoire inventée après coup : cette possibilité fait partie de l’énoncé officiel du problème du Millénaire.

C’est peut-être l’aspect le plus vertigineux de l’annonce.

OpenAI explique entraîner depuis le 28 août un nouveau modèle interne dont les performances en mathématiques auraient franchi un palier inédit.

Ce modèle est encore en entraînement et n’est pas disponible publiquement.

OpenAI le décrit comme « significativement plus capable que GPT-6 Astra ».

Le 1er septembre, après avoir entendu des rumeurs selon lesquelles deux problèmes du Millénaire auraient pu être résolus, l’entreprise lance plusieurs groupes d’agents sur l’ensemble des problèmes encore ouverts.

Pour Navier-Stokes, le groupe final mobilise de l’ordre de 10 000 agents simultanés.

Les agents peuvent lire une copie mise en cache d’Internet, exécuter du code et communiquer par groupes.

OpenAI affirme qu’ils atteignent la construction décisive le 5 septembre, environ 88 heures après le lancement.

La formalisation et la vérification Lean prennent ensuite 17 heures supplémentaires avec GPT-6 Astra.

Pour le seul problème de Navier-Stokes, OpenAI comptabilise 2,7 millions de messages entre agents et environ 130 milliards de tokens de sortie.

Une preuve mathématique traditionnelle est lue et vérifiée par des humains.

Une formalisation Lean ajoute un second niveau.

Lean est un assistant de preuve dans lequel chaque définition, chaque hypothèse et chaque transition logique doit être exprimée sous une forme que le système peut contrôler.

Cela ne signifie pas que toute discussion est terminée.

Une formalisation peut être techniquement correcte tout en posant des questions sur la manière dont le théorème formalisé correspond exactement au problème que la communauté souhaite résoudre.

Mais cela réduit considérablement une catégorie de risque : l’erreur logique cachée au milieu de centaines de pages de calcul.

Dans ce dossier, OpenAI publie à la fois le texte mathématique et les certificats Lean sur GitHub.

C’est une différence majeure avec une simple annonce spectaculaire impossible à auditer.

Le contexte est beaucoup moins propre que l’image d’une IA découvrant seule un théorème dans le silence d’un laboratoire.

OpenAI reconnaît que son effort a démarré le 1er septembre après une rumeur qu’elle a ensuite reliée aux travaux de Tristan Buckmaster, professeur à NYU, et de Levent Alpöge, chercheur chez Anthropic.

Les deux mathématiciens travaillaient sur des problèmes proches concernant la formation de singularités dans les équations de fluides.

Buckmaster a publiquement contesté le calendrier et s’est interrogé sur la possibilité que leur utilisation de Codex ait pu contribuer indirectement à orienter OpenAI.

OpenAI répond qu’aucune donnée utilisateur spécifique n’a été consultée pour résoudre le problème et affirme que ses chercheurs et ses agents n’ont vu le travail de Buckmaster et Alpöge qu’après sa publication publique.

Mais l’entreprise ajoute une phrase inhabituelle : elle ne peut pas exclure totalement que des données désidentifiées issues de l’usage de ses produits aient contribué à améliorer ses modèles.

Cette polémique ne tranche pas la validité mathématique de la preuve.

Elle ouvre cependant un autre dossier : à qui revient le crédit scientifique quand une idée humaine, des outils commerciaux et des milliers d’agents IA se croisent dans une course de quelques jours ?

Au matin du 9 septembre 2026, le site du Clay Mathematics Institute place encore Navier-Stokes dans la liste des problèmes non résolus.

Ce n’est pas contradictoire avec l’existence d’une preuve publiée la veille.

Les règles du prix imposent un processus très long.

Le Clay n’accepte pas directement les solutions envoyées par leurs auteurs.

Pour qu’une proposition soit prise en considération, elle doit notamment être publiée dans un support qualifiant, avoir circulé pendant au moins deux ans et avoir reçu une acceptation générale de la communauté mathématique internationale.

OpenAI précise de son côté qu’elle n’a pas l’intention de réclamer le prix d’un million de dollars.

La bonne formulation, aujourd’hui, n’est donc pas encore : « Navier-Stokes est officiellement résolu ».

La formulation rigoureuse est : OpenAI a publié une solution revendiquée, accompagnée d’une formalisation Lean, à une variante explicitement reconnue par l’énoncé officiel du problème.

Même si la preuve devait être corrigée, affinée ou finalement rejetée, l’épisode marque déjà un changement d’échelle.

Nous ne parlons plus seulement d’une IA capable d’aider un mathématicien sur une étape difficile.

Nous parlons d’un système lançant des milliers d’agents, explorant des branches différentes, échangeant des résultats intermédiaires, consolidant des idées et produisant en quelques jours un manuscrit de niveau recherche sur l’un des problèmes les plus célèbres des mathématiques modernes.

Si la démonstration est validée, la question suivante deviendra presque inévitable : combien d’autres problèmes considérés comme hors de portée deviennent soudain attaquables par ce type de dispositif ?

Et avec elle apparaît une seconde question, plus dérangeante encore.

Que se passe-t-il lorsqu’un modèle interne déjà très supérieur au meilleur modèle public progresse plus vite que notre capacité collective à examiner les découvertes qu’il produit ?