En 88 heures, 10 000 agents IA auraient résolu un exemple de singularité des équations de Navier-Stokes 3D, un problème du millénaire. Pourtant, les mathématiciens de premier plan dénoncent une validation bâclée et un emballement médiatique dangereux.
L’exploit technique : 88 heures, 10 000 agents, et une preuve formelle
Le 8 septembre, OpenAI a annoncé qu’une armée de 10 000 agents IA autonomes, travaillant sur un modèle avancé non public, avait trouvé une singularité dans les équations de Navier-Stokes en trois dimensions. Ces équations décrivent le mouvement des fluides, de la météo à l’aérodynamique, et leur résolution complète en 3D est l’un des six problèmes du millénaire encore ouverts du Clay Mathematics Institute, avec une récompense d’un million de dollars à la clé.
L’annonce précise que le résultat a été vérifié formellement en Lean, un langage de preuve assistée par ordinateur. Le calcul a duré 88 heures, pour un coût de plusieurs millions de dollars. OpenAI n’a pas révélé le modèle exact ni les détails complets de l’approche. Quelques heures plus tôt, des mathématiciens liés à Anthropic et à l’université de New York avaient publié des travaux voisins mais pas le même théorème assistés par plusieurs modèles d’IA. L’événement a immédiatement enflammé les réseaux et la presse scientifique.
Mais ce n’est pas un cas isolé. Ces dernières semaines, des progrès assistés par IA ont été annoncés en théorie des nombres, géométrie, théorie des codes, théorie des groupes, complexité quantique, cryptographie sur réseaux et combinatoire. La vitesse est inédite. Des problèmes ouverts depuis des décennies tomberaient en quelques jours de calcul distribué.
Une communauté mathématique en état d’alerte
La fête a tourné court. Terence Tao, médaillé Fields 2006, a publié un avertissement sur Mathstodon le 8 septembre. Le 11 septembre, un groupe de mathématiciens de premier plan a cosigné un texte intitulé « A Severe Misalignment of AI in Mathematics » sur le blog de Tao et mathandai.org. Leur critique est cinglante. les annonces spectaculaires se multiplient sans rédaction complète, sans citations rigoureuses, sans isolation claire des idées. On ne sait pas quelle partie de la preuve est due à l’IA, quelle partie aux humains, ni si la démonstration est réellement complète. La vérification en Lean est un point positif, mais elle ne remplace pas la relecture par les pairs. Le modèle non public et l’absence de prépublication détaillée empêchent toute reproduction.
Le résultat demeure une course à la publicité qui, selon Tao et ses collègues, érode les standards de la discipline. Les annonces « rushed » sautent les étapes de rédaction, de citation et d’isolation des idées, traitant les mathématiques comme un simple benchmark.
L’IA accélère la découverte, mais elle bouscule par la même occasion des normes académiques bâties sur des siècles de rigueur. Dépenser des millions pour gagner un prix d’un million montre un enjeu de prestige plus que financier. La communauté ne rejette pas l’IA, elle exige la même rigueur que pour toute démonstration humaine.
Pendant que les entreprises tech multiplient les communiqués, les mathématiciens demandent de réaligner les pratiques (rédaction, citation, transmission, compréhension), faute de quoi, la confiance dans les résultats s’effondrera.
