La faille de singularité Navier-Stokes : la revendication d'OpenAI en 88 heures et la riposte de deux mathématiciens

Pendant quatre-vingt-dix ans, personne n'a pleinement dompté Navier-Stokes. L'épisode de vingt minutes de Silicon Carne utilise les équations fluides du XIXe siècle pour expliquer pourquoi une question à un million de dollars de la fondation Clay a soudain fait la une le 8 septembre avec l'annonce d'OpenAI ; même l'ahurissement de l'animateur au tempérament littéraire montre pourquoi la dispute a ébranlé autant les mathématiciens que les profanes.

Pourquoi l'eau et l'air défient encore les mathématiciens

Ces équations sont le F égale ma de Newton adapté aux fluides. Navier et Stokes traitent l'eau ou l'air non comme des molécules individuelles mais comme un continuum, en décrivant comment la pression, la densité et la vitesse évoluent. L'air au-dessus d'une aile, le sang dans un vaisseau ou l'eau autour d'une coque partagent le même noyau. En 1934, Jean Leray a montré que des solutions généralisées existent, mais la question de leur régularité est restée ouverte ; en 2000, l'institut Clay l'a inscrite parmi les sept problèmes du millénaire dotés d'un prix d'un million de dollars, et seule l'hypothèse de Poincaré, résolue par Perelman qui a refusé le prix, a été close à ce jour.

La question de Clay est conceptuellement nette : un fluide parfaitement lisse au repos, même quand la viscosité s'efforce de tout lisser, peut-il développer une singularité où la vitesse croît sans borne en temps fini ? Aucun fluide réel ne peut se déplacer à une vitesse infinie, donc une telle explosion signifierait que le modèle lui-même s'effondre et qu'il faudrait suivre chaque particule individuellement. Voilà pourquoi le débat ne porte pas seulement sur une preuve abstraite, mais aussi sur la fiabilité du modèle de base de l'ingénierie.

Les mathématiciens ont donc tenté une échelle plus simple. Les équations d'Euler qui négligent la viscosité, l'approximation de Boussinesq et l'équation des milieux poreux étaient considérées comme des marches vers Navier-Stokes. Diego Cordoba et Luis Martinez-Zoroa avaient mené un programme construisant d'abord des explosions avec un forçage rugueux ; l'idée ne venait pas d'un modèle de langage. Buckmaster et Alpoge ont repris cette piste et tenté de la faire passer du forçage rugueux au forçage lisse.

Une année tranquille, puis un mois d'accélération

Tristan Buckmaster est professeur au Courant de NYU, Levent Alpoge travaille comme mathématicien chez Anthropic ; le duo a collaboré pendant environ un an sans accord institutionnel, comme projet personnel. Ils affirment avoir utilisé Claude, Codex et surtout GPT-5.6 Sol tout du long, puis Astra ensuite pour la rédaction et l'audit. De leur propre aveu, la première preuve générée par modèle qu'ils ont échangée était la pire qu'ils aient jamais lue. Après des mois à mûrir une explosion à forçage lisse pour les milieux poreux, le 15 août ils ont obtenu des explosions en temps fini à forçage lisse pour Boussinesq et pour Euler incompressible en dimension trois, avec une vérification Lean achevée le 22 août ; ils décrivent eux-mêmes la rédaction sur Euler comme une sortie brute guidée par la machine et présentent leurs excuses à la communauté.

Alors qu'ils s'attachaient à transformer le matériau en articles lisibles, une rumeur a tout accéléré. Comme ils avaient chargé leurs brouillons directement dans Codex, la possibilité est apparue que des progrès aient fuité vers l'extérieur. Vers le 1er septembre, OpenAI a entendu les rumeurs sur cette avancée et a pointé son modèle interne vers tous les problèmes de Clay. Elle a d'abord sondé Euler, puis est passée à l'échelle et, selon son récit, a fait tourner dix mille agents en parallèle pour aboutir à un résultat après 88 heures au total.

Le récit d'OpenAI se déroule ainsi : un modèle entraîné fin août et réputé nettement plus puissant que GPT-6 Astra a d'abord trouvé une explosion d'Euler en environ 50 heures avec mille agents, puis a étendu à Navier-Stokes en 11 heures avec dix mille agents, bouclant la course de quatre jours en 88 heures. Lors d'un point presse, l'entreprise a estimé qu'une réexécution par un client coûterait environ 15 millions de dollars ; le résultat revendiqué est une force lisse appliquée à un fluide au repos, d'énergie finie tout du long, qui provoque une singularité en temps fini, appuyée par une formalisation Lean, et présentée comme tranchant les alternatives C et D de l'énoncé de Clay — et non comme une explosion pour l'équation visqueuse sans forçage.

Le calendrier qui s'entremêle a enflammé les esprits. Buckmaster dit avoir appris le 3 septembre que des informations sur leurs progrès étaient parvenues à OpenAI, et quelques heures avant l'annonce d'OpenAI le 8 septembre, il a publié une déclaration détaillée avec des extraits d'e-mails, évitant une accusation directe mais soulignant qu'il ne voulait pas qu'un faux récit s'installe. OpenAI a répondu le jour même qu'elle n'avait vu aucun travail avant sa publication, qu'aucune donnée utilisateur n'avait été consultée, que des données d'usage anonymisées avaient pu contribuer à améliorer les modèles sans que cela puisse être exclu, et que les deux preuves diffèrent sensiblement par la méthode et le résultat précis, tout en qualifiant de remarquable le travail concurrent de Buckmaster et Alpoge.

Pas encore de vérification officielle, mais Lean aide

L'institut Clay n'a validé aucune des deux preuves et l'évaluation par les pairs n'a pas commencé. Reste qu'une formalisation Lean transforme les mathématiques en code qu'une machine vérifie pas à pas, réduisant fortement le risque d'erreur cachée. Des experts extérieurs comme Dallas Albritton, du Wisconsin, ont parlé de seuil immense que de connaître la réponse à un problème directeur, tandis que la BBC, New Scientist et Science News ont souligné en parallèle tant la substance que le calendrier controversé.

Cette explosion n'est pas arrivée seule. Au cours des douze derniers mois, un modèle d'OpenAI a résolu une conjecture d'Erdos de longue date en mai, Claude Fable 5 a produit un contre-exemple à la conjecture de Jacobian vieille de près d'un siècle, et le dernier théorème de Fermat a été formalisé en onze jours à peine. Sébastien Bubeck et Venkat Chandrasekaran, chez OpenAI, ont décrit cette série comme une combinaison spectaculaire de la trajectoire de l'année écoulée, notant que les calculs au papier et crayon exigés par de tels problèmes sont devenus d'une complexité vertigineuse pour les humains.

Ce qui alimente la controverse, c'est moins la correction que la paternité et la gouvernance des données. Conserver ses brouillons dans Codex était pratique, mais laissait aussi des traces sur l'infrastructure du fournisseur du modèle ; la prudence d'OpenAI, qui admet que des données d'usage anonymisées ont pu aider à améliorer les modèles, pointe exactement cette zone grise. Comme l'a relevé la discussion de Silicon Carne, quand des rédactions expédiées à toute vitesse dans un tempo de vibe-coding côtoient une méga-exécution à dix mille agents, la question de la protection du travail scientifique devient aussi importante que le détail technique.

La couche économique et géopolitique a progressé au même rythme. Chiffrer une seule exécution à environ 15 millions de dollars suggère qu'un pari de carrière autrefois étalé sur une décennie peut désormais se réduire à un pari de calcul de quatre semaines ; un laboratoire qui ne peut pas payer la facture craint d'être laissé pour compte, ce qui rappelle l'époque où les chercheurs migraient vers les universités possédant des supercalculateurs. Voilà pourquoi des voix dans la discussion ont insisté : l'Europe doit posséder des modèles propriétaires, et non se contenter de distribuer ceux des autres ; comme l'ont dit les animateurs, le pays capable d'allouer des agents d'IA aux chercheurs attirera la prochaine génération de talents.

Le ton de Silicon Carne ajoute un cadre humain. L'animateur qui se dit littéraire, les rires qui percent le récit posé d'une question à un million de dollars, l'analogie avec un Netflix de Sun Valley et les plaisanteries sur des petites querelles devenues de grosses sommes d'argent nous rappellent qu'il s'agit d'une histoire de communauté au-delà d'une équation. L'équipe revient dans les dernières minutes à la même ligne : l'IA a clairement accéléré les mathématiques ; le fait que la propriété et l'économie de la réputation restent humaines sera testé à la prochaine preuve.