Le 1er septembre, affirme OpenAI, des chercheurs ont entendu des rumeurs selon lesquelles deux problèmes du prix du millénaire avaient été résolus et ont lancé un nouveau modèle interne sur d’importantes questions ouvertes. Son système multi-agents — environ 10 000 agents dotés d’outils de code et d’un internet mis en cache — est parvenu à un résultat sur Navier–Stokes environ 88 heures plus tard, selon l’entreprise.¹

La preuve revendiquée affirme qu’un fluide tridimensionnel lisse peut développer une singularité en temps fini : une rupture dans les équations utilisées pour modéliser des phénomènes allant de la météo à la circulation sanguine. OpenAI a publié une preuve écrite et une formalisation Lean, qualifiant cela de résolution du problème de l’existence et de la régularité, l’un des sept problèmes du prix du millénaire de mathématiques dotés d’un prix de 1 million de dollars.¹ Sam Altman l’a célébré comme « l’un des moments les plus incroyables pour moi dans l’histoire d’OpenAI ».Sam Altman (sama)²

Mais la chronologie est rapidement devenue la controverse. La veille, le mathématicien de NYU Tristan Buckmaster et le chercheur d’Anthropic Levent Alpöge ont publié des travaux sur un problème d’Euler forcé connexe, après près d’un an de collaboration assistée par l’IA. Buckmaster a déclaré que leur démarche ressemblait à celle d’OpenAI d’une manière qui n’était « pas la direction à laquelle on parvient en quelques jours en donnant à un modèle l’énoncé du problème ».³ Il a demandé si le modèle de l’entreprise avait été entraîné sur leurs sessions Codex contenant des brouillons du projet, ou y avait accédé — tout en soulignant qu’il n’avait pas vu la preuve d’OpenAI et ne savait pas si leurs données avaient été utilisées.³

OpenAI nie que des chercheurs ou des agents aient vu les travaux du duo avant leur publication, et affirme que les résultats sur Euler diffèrent : ses agents ont résolu une version non forcée, tandis que Buckmaster et Alpöge travaillaient sur une version forcée. Pourtant, sa déclaration laisse une réserve étroite mais lourde de conséquences : l’entreprise « ne peut exclure » que des données d’utilisation désidentifiées aient contribué à améliorer ses modèles.¹

Cette réserve a amplifié les appels à l’examen. Yann LeCun a relayé une demande visant à entendre « d’autres points de vue sur la manière dont cela s’est produit ».Yann LeCun (ylecun)⁴ Les enjeux vont au-delà de la priorité : les critiques redoutent un avenir dans lequel les chercheurs utilisant des outils d’IA commerciaux pourraient être dépassés — et potentiellement concurrencés — par les entreprises qui les exploitent, armées de modèles privés et de millions de dollars de puissance de calcul.⁵