Dix mille agents et une singularité : dans la preuve machine de Navier-Stokes

Le matin du 8 septembre 2026, les mathématiciens d'OpenAI ont annoncé qu'environ dix mille agents d'IA autonomes placés sous leur direction avaient trouvé une singularité dans les équations de Navier-Stokes en trois dimensions. L'un des Problèmes du millénaire proclamés par l'Institut Clay en 2000, chacun doté d'un prix d'un million de dollars, venait ainsi d'être résolu par une machine. Des reportages scientifiques indépendants ont confirmé l'annonce le jour même et l'ont décrite comme la preuve mathématique la plus significative produite à ce jour avec l'intelligence artificielle.

La question en jeu est de savoir si les écoulements qui commencent de manière régulière, régis par les équations du mouvement ordinaire des fluides, doivent rester réguliers pour toujours ou peuvent se dégrader en un temps fini, en développant une singularité. Ces équations modélisent tout, des courants océaniques aux flux d'air, et constituent le cœur mathématique de la prévision météorologique. Elles appartiennent à la famille la plus célèbre des équations différentielles : faciles à écrire, brutalement difficiles à résoudre.

Les ingrédients sont le champ de vitesse du fluide, la pression, la viscosité comme coefficient constant, et le terme de forçage, c'est-à-dire la poussée externe agissant sur le fluide en chaque point. Augmenter suffisamment le forçage permet de faire exploser l'écoulement de façon triviale, si bien que le vrai travail consiste à montrer que le forçage lui-même reste bien comporté. Le choix le plus propre est un forçage nul, qui est aussi la voie la plus difficile.

La construction d'OpenAI entre par une autre porte : elle part d'un champ d'écoulement qui contient déjà une explosion, l'insère dans l'équation et déclare que tout ce qui reste constitue le forçage. La charge de la preuve se déplace alors vers la démonstration que ce forçage résiduel reste régulier. La construction pousse le fluide vers une singularité avec des impulsions arrivant à intervalles soigneusement choisis qui s'adaptent à la dynamique de l'écoulement. La singularité simple étudiée est un tourbillon qui s'étire et se concentre sans cesse sur son axe central.

L'essentiel de l'argument consiste en des lemmes auxiliaires suivant la contribution totale des impulsions et estimant les erreurs, de sorte que le poids du travail réside dans la démonstration que le forçage ne pompe aucune énergie non bornée dans le système. L'étude compterait des centaines de pages, et le résultat aurait passé la vérification formelle dans le langage de programmation Lean. Cette vérification contrôlée par machine ressort comme une raison majeure pour laquelle les mathématiciens prennent la revendication au sérieux.

Hossenfelder note qu'elle-même a passé l'année écoulée à travailler sur le même problème avec les modèles d'OpenAI et est certaine que beaucoup d'autres l'ont fait aussi. À ses yeux, l'échec le plus courant des modèles accessibles au public n'est pas une étape directement fausse, mais un raisonnement circulaire qui suppose silencieusement ce qui doit être prouvé. Elle l'illustre par une parabole : si les cochons pouvaient voler, les lois de la gravité seraient brisées, et si ces lois étaient brisées, les cochons pourraient voler. La logique est cohérente en interne, mais ne prouve ni l'une ni l'autre des deux affirmations.

Elle ajoute que même la plus récente génération de modèles peine encore à détecter de telles circularités, et insiste pour que chaque étape soit examinée par des experts humains malgré l'assistance de la machine. Le fait que des milliers d'agents y aient travaillé réduit, selon elle, la probabilité d'une erreur grossière, mais pas le risque de circularité. Elle partage aussi ouvertement son inclination personnelle : comme elle soupçonne que la classe de singularités étudiée explose réellement, elle trouve le résultat plausible.

Les réactions ont éclipsé le résultat lui-même. Selon son observation, la communauté des mathématiques et de la physique a choisi de réprimander OpenAI pour ne pas avoir laissé la solution aux humains au lieu de demander comment l'argument fonctionne et où d'autre la méthode pourrait s'appliquer. Elle trouve incohérent que les mêmes milieux se soient plaints pendant des décennies que l'industrie privée ignorait les mathématiques pures et se plaignent maintenant qu'elle s'y intéresse. Sa prévision à moitié plaisante : la probabilité que l'argument soit correct est élevée, et la probabilité que les mathématiciens continuent de se plaindre l'est encore plus.

Le débat sur l'utilité est un fil séparé. Hossenfelder rappelle une connexion connue entre cette équation et certains problèmes de la relativité générale, en particulier la physique des horizons des trous noirs. À ceux qui qualifient ce travail d'inutile, elle répond par une célèbre contre-question : à quoi sert de frapper un ballon dans un filet ? Si certaines personnes trouvent une chose intéressante, argue-t-elle, c'est déjà une utilité en soi.

Enfin, une nouvelle cible se profile : la direction d'OpenAI serait en train de viser les supraconducteurs à température ambiante. Hossenfelder considère cela comme un jeu bien plus difficile, car le problème n'est même pas proprement défini en termes mathématiques. Elle déclare ne s'intéresser nullement aux allégations selon lesquelles les recherches de quelqu'un d'autre auraient nourri les modèles sans crédit, disant qu'elle ne se soucie que du contenu scientifique. Une question demeure : avons-nous besoin de prix d'un million de dollars pour garder les humains motivés, ou devrions-nous confier le travail aux machines dès le départ ?