OpenAI a révélé ce qui aurait dû être une bombe triomphale ce matin : un modèle d'IA interne, bien plus puissant que tout ce que le public peut accéder, a produit une preuve que les équations de Navier-Stokes peuvent se décomposer en singularités. Mais avant d'aborder le drame, parlons de pourquoi quiconque n'étant pas mathématicien devrait se soucier des équations fluides du XIXe siècle. Les équations de Navier-Stokes sont les règles mathématiques qui décrivent comment les fluides se déplacent. Pas seulement l'eau dans votre baignoire, mais l'air s'écoulant sur l'aile d'un avion, le sang pompé à travers vos artères, les courants océaniques, la fumée d'un incendie de forêt, le système météorologique qui apporte l'orage de demain. Les ingénieurs utilisent ces équations chaque jour pour concevoir des aéronefs, prédire les trajectoires des ouragans, modéliser la propagation de la pollution, développer des stents cardiaques, optimiser des centrales électriques et simuler à peu près tout ce qui coule. Lorsque Boeing conçoit un nouvel avion, lorsque les météorologues prévoient la météo de la semaine prochaine, lorsque les entreprises pharmaceutiques modélisent comment les médicaments se déplacent dans votre circulation sanguine - elles exécutent toutes des simulations informatiques basées sur les équations de Navier-Stokes. Voici le problème qui a déconcerté les mathématiciens pendant 90 ans : personne n'a pu prouver si ces équations donnent toujours des réponses sensées. Plus précisément, un écoulement de fluide parfaitement lisse et normal peut-il soudainement spiraler vers une singularité mathématique - un point où la vitesse devient infinie - dans un temps fini ? La question est importante car si les équations peuvent produire des vitesses infinies (ce que les fluides réels ne peuvent évidemment pas avoir), alors dans certaines conditions extrêmes, les simulations sur lesquelles les ingénieurs comptent pourraient être fondamentalement peu fiables. La preuve d'OpenAI dit oui, les équations peuvent se décomposer. Le modèle a montré qu'un vortex peut se resserrer et tourner de plus en plus vite tandis que l'énergie du fluide reste bornée, atteignant finalement une vitesse infinie à un seul point - un phénomène appelé explosion en temps fini. Que fait la résolution de cela pour nous ? Cela ne changera pas la façon dont les ingénieurs utilisent Navier-Stokes demain - ils ont contourné les limitations pendant des décennies en utilisant des approximations. Mais cela clarifie exactement où le modèle mathématique se sépare de la réalité physique. Cela compte pour des scénarios extrêmes : vol supersonique, conception de réacteurs à fusion, turbulence dans les moteurs à réaction, compréhension de la formation des tornades. La preuve valide également (ou révèle des défauts dans) les solutions de contournement que les ingénieurs utilisent actuellement. Plus largement, cela démontre que l'IA peut désormais résoudre des problèmes à la frontière absolue des mathématiques, ce qui signifie que les techniques développées par OpenAI - 10 000 agents d'IA échangeant 2,7 millions de messages en 88 heures, brûlant des millions de dollars en calcul - peuvent être dirigées vers d'autres problèmes difficiles. Et c'est là que les choses deviennent vraiment intéressantes. Le problème de Navier-Stokes est l'un des sept problèmes du Millennium Prize établis par le Clay Mathematics Institute en 2000, chacun portant un prix d'un million de dollars. Un seul avait été résolu avant cela (la conjecture de Poincaré, par Grigori Perelman en 2002-2003, qui a célèbrement refusé l'argent). Les cinq autres problèmes non résolus ne sont pas seulement des énigmes mathématiques - ils ont d'énormes implications dans le monde réel. Le problème P contre NP demande si chaque problème dont la solution peut être rapidement vérifiée peut également être rapidement résolu, et il sous-tend toute la sécurité informatique et la cryptographie. L'hypothèse de Riemann concerne la distribution des nombres premiers et se connecte aux algorithmes de cryptage qui protègent votre compte bancaire. La conjecture de Birch et Swinnerton-Dyer est liée aux courbes elliptiques utilisées dans la cryptographie moderne. Le problème de Yang-Mills est lié à la physique des particules et à la théorie des champs quantiques. La conjecture de Hodge implique la géométrie algébrique avec des applications en théorie des cordes. Les laboratoires d'IA tournent déjà autour de ces cibles. En août 2026, le modèle Claude d'Anthropic a amélioré une borne clé liée à l'hypothèse de Riemann de 41,6 % à 67,2 %. Le modèle Astra non publié d'OpenAI a résolu dix autres problèmes mathématiques ouverts en août. Google DeepMind a publié des travaux utilisant des réseaux neuronaux pour trouver de nouvelles singularités dans les équations fluides. Des experts suivant les progrès mathématiques de l'IA ont déclaré à Quanta Magazine en août 2026 que les mathématiciens quittent désormais le milieu académique pour OpenAI, Google et des startups spécialisées en mathématiques-IA parce que "c'est là que se trouve l'action maintenant." Les six problèmes restants du Millennium Prize sont désormais tous plausiblement à portée des systèmes d'IA dans les prochaines années. Au-delà des mathématiques pures, les techniques pour résoudre des équations différentielles complexes ont des applications immédiates. Les systèmes d'IA capables de résoudre des équations différentielles partielles (EDP) sont déjà déployés pour la découverte de médicaments, la conception de batteries, la science des matériaux et le développement de catalyseurs. L'équipe d'ingénierie de Penn a annoncé en mai 2026 qu'elle avait développé des techniques d'IA pour résoudre des EDP inverses - travaillant à rebours à partir de modèles observables pour inférer des causes cachées - ce qui a des applications en génétique, en imagerie médicale, en prévision météorologique et en compréhension de la façon dont l'ADN s'organise à l'intérieur des cellules. Les chercheurs de Texas A&M ont publié une revue de 500 pages en 2025 montrant comment l'IA résolvant des équations comme l'équation de Schrödinger accélère la recherche en chimie quantique, en conception de médicaments et en découverte de matériaux. Mais l'annonce d'OpenAI est tombée au milieu d'une vilaine dispute de crédit. Des heures avant le briefing de presse d'OpenAI, le mathématicien de NYU Tristan Buckmaster a publié une déclaration sur Mastodon alléguant qu'OpenAI l'avait pressé sur la paternité et le crédit. Buckmaster et Levent Alpoge, un mathématicien travaillant pour la société d'IA rivale Anthropic, avaient utilisé les modèles des deux entreprises (Claude, Codex et Astra) pour résoudre trois problèmes liés à la dynamique des fluides. Ils ont montré une explosion en temps fini pour les équations d'Euler (une version plus simple sans viscosité) et deux autres systèmes. Leur travail, vérifié dans Lean et salué par le médaillé Fields Terence Tao, était une étape majeure vers le problème complet de Navier-Stokes. Selon le récit de Buckmaster, des rumeurs sur ses progrès ont atteint OpenAI le 3 septembre. Le 6 septembre, Buckmaster allègue que Sebastian Bubeck (un mathématicien d'OpenAI qui a rejoint l'entreprise en octobre 2024) l'a contacté deux fois et a présenté deux options : soit coordonner une annonce conjointe, soit Buckmaster devait rédiger lui-même le résultat de Navier-Stokes tout en créditant un modèle interne d'OpenAI et en excluant Alpoge de la paternité parce que, selon les mots allégués de Bubeck, cela était ennuyeux qu'Alpoge travaille chez Anthropic. Buckmaster dit qu'il a refusé et a menacé de rendre cela public si OpenAI procédait. Il affirme que Bubeck a répondu par "Pourquoi ruineriez-vous votre carrière ?" et "Si vous ne voulez pas que je sois gentil, alors je n'ai pas à l'être." Bubeck aurait également envoyé un message à Alpoge demandant à parler en tête-à-tête parce qu'il n'était pas sûr que Buckmaster "soit pleinement rationnel en ce moment." Alpoge a refusé. Bubeck a nié les allégations sur X, les qualifiant de "fausses et incendiaires" et affirmant qu'il a suivi les normes académiques. Lors du briefing de presse du 8 septembre, les chercheurs d'OpenAI ont déclaré qu'ils avaient d'abord concentré leurs ressources sur Navier-Stokes le 1er septembre après avoir entendu des rumeurs de progrès sur les problèmes du Millennium Prize. Bubeck a déclaré que le modèle d'OpenAI avait résolu indépendamment le problème d'Euler en utilisant des méthodes totalement différentes de celles de Buckmaster et Alpoge. Pour le problème complet de Navier-Stokes, cependant, il a admis que la preuve suivait une méthode similaire. Elle a été développée pendant le week-end, après le moment où Buckmaster affirme que la nouvelle de son travail a atteint OpenAI. Bubeck a catégoriquement nié que le travail des deux mathématiciens ait influencé les modèles d'OpenAI. "Nous n'avons pas utilisé leurs invites ou leurs preuves pour inciter nos modèles," a-t-il déclaré. La preuve a nécessité 88 heures de temps de calcul et a mobilisé environ 10 000 agents d'IA travaillant en parallèle, échangeant 2,7 millions de messages et brûlant environ 130 milliards de tokens de sortie. Les coûts de calcul auraient atteint des millions de dollars. L'entreprise a publié une preuve de 165 pages et l'a formalisée dans Lean, un langage de programmation qui vérifie la logique mathématique étape par étape. Bubeck a qualifié cela de culmination de 12 mois d'IA résolvant des problèmes de complexité croissante. OpenAI dit qu'elle ne réclamera pas le prix d'un million de dollars. La communauté mathématique au sens large observe de près. Terence Tao, l'un des rares mathématiciens qualifiés pour évaluer ces revendications, a qualifié le travail de Buckmaster et Alpoge de "réalisation remarquable" et a déclaré qu'il ne voyait aucun obstacle évident à ce que les mêmes méthodes finissent par résoudre le problème complet de Navier-Stokes. Il a confirmé que leurs arguments ont été formalisés dans Lean, ce qui garantit que la logique est solide. Mais Tao a également averti publiquement que l'IA résolvant des problèmes majeurs pourrait être un net négatif pour les mathématiques si les solutions arrivent sous forme de boîtes noires scellées avec des entreprises gardant le raisonnement caché. Dans un fil de discussion sur les réseaux sociaux du 3 septembre, il a soutenu qu'une telle solution pourrait "empoisonner le problème comme source de progrès futur" plutôt que de susciter de nouvelles idées. Le même jour que l'annonce d'OpenAI, Anima Anandkumar de l'Institut de technologie de Californie et ses collaborateurs ont également publié une solution pour le problème de viscosité nulle en utilisant un réseau neuronal informé par la physique plutôt qu'un modèle de langage général. Le domaine évolue rapidement, et les frontières entre la contribution humaine et celle de la machine s'estompent de manière que les normes académiques n'étaient pas conçues pour gérer.