- Niveau
- Intermédiaire
OpenAI publie une preuve pour Navier–Stokes
La démonstration est publique. Sa validation commence.
OpenAI publie une preuve de 166 pages qu'elle présente comme une résolution du problème de Navier–Stokes. Son examen commence ; son échelle de calcul est déjà documentée.
Le 8 septembre, OpenAI a publié une démonstration de 166 pages qu'elle présente comme une résolution du problème de Navier–Stokes. Une formalisation en Lean accompagne le texte.
Le document existe donc bien. Il ne constitue pas encore une résolution acceptée par la communauté : des spécialistes doivent maintenant relire l'argument et vérifier ce que couvre exactement sa formalisation. En revanche, OpenAI a déjà publié un autre résultat inhabituel : l'ordre de grandeur des moyens engagés.
Ce que la preuve affirme
Les équations de Navier–Stokes décrivent le mouvement des fluides, de l'air autour d'une aile au sang dans une artère. La question mathématique porte sur leur comportement en trois dimensions : un écoulement initialement régulier peut-il former en temps fini une singularité, avec une vitesse qui devient infinie dans le modèle ?
Le papier d'OpenAI construit un fluide initialement au repos, soumis à une force extérieure lisse et compacte. Sa vitesse devient non bornée en temps fini tandis que son énergie cinétique reste finie. Le texte indique ainsi établir les cas C et D de l'énoncé officiel, respectivement dans l'espace et sur le tore.
Si l'argument tient, il répond au problème tel que Clay l'a formulé. Il ne montre pas qu'un fluide ordinaire, sans force extérieure spécialement construite, produit la même singularité. Cette question plus physique resterait ouverte.
10 000 agents sur un seul problème
Selon le récit publié par OpenAI, l'expérience commence le 1er septembre avec un modèle interne décrit comme sensiblement plus capable que GPT-6 Astra. Plusieurs groupes explorent en parallèle les différentes variantes des problèmes du millénaire, avec accès à une copie du web et à des outils de code.
Le groupe qui aboutit sur Navier–Stokes mobilise de l'ordre de 10 000 agents simultanés. OpenAI situe le résultat 88 heures après le lancement, puis compte 17 heures supplémentaires pour la formalisation et la vérification en Lean avec GPT-6 Astra. Le parcours représente 2,7 millions de messages et environ 130 milliards de tokens de sortie.
Échelle du calcul
Navier–Stokes : l’empreinte publiée de la recherche
Source : OpenAI, 8 septembre 2026. Chiffres déclarés par l’entreprise.
Temps écoulé
105 h jusqu’à la preuve formalisée
88 h
Recherche multi-agent
jusqu’au résultat
+ 17 h
Formalisation Lean
avec GPT-6 Astra
Une économie de la recherche déjà visible
Deux jours avant l'annonce, OpenAI avait publié un aperçu plus général de l'usage de ses agents par ses équipes de recherche. Ils ne servent plus seulement à écrire du code : ils lancent des expériences, surveillent les runs, analysent les résultats et préparent la documentation.
Entre le 20 janvier et le 15 août, leur volume quotidien de tokens de sortie est passé d'environ 11 000 à 723 000 par salarié de la recherche. À la mi-août, OpenAI estime l'inférence à plus de 600 dollars par jour pour le chercheur médian, en équivalent tarif API, et à plus de 7 000 dollars au 90e percentile.
Usages de la recherche
Chez OpenAI, les agents interviennent dans toute la chaîne de recherche
Source : OpenAI, 6 septembre 2026. Tokens de sortie estimés par salarié de la recherche et par jour.
20 janv. → 15 août
Le total estimé passe de 11 000 à 723 000 tokens par salarié de la recherche et par jour, soit environ ×64.
Méthode et limites
OpenAI extrapole un échantillon aléatoire de 2 % des sessions internes, plafonne le total quotidien de chaque personne au 95e percentile, puis applique une moyenne glissante sur 14 jours. GPT-5.6 Sol classe les sessions dans la taxonomie d’Epoch AI. La figure regroupe ici les 18 sous-catégories en six phases et affiche un point sur sept de la série quotidienne. Ces estimations ne couvrent pas tout l’usage et restent sensibles à l’échantillonnage comme à la classification.
Ces données ne permettent pas de calculer le coût de la preuve. Elles montrent plutôt le système dans lequel elle apparaît : une recherche où des milliers de branches peuvent être lancées, abandonnées, rapprochées puis vérifiées avant qu'un résultat exploitable n'émerge.
Le travail concurrent reste important
Levent Alpöge et Tristan Buckmaster venaient de publier, avec Matei Coiculescu pour l'un des textes, trois résultats assistés par Claude et Codex sur Euler, Boussinesq et les milieux poreux incompressibles. Ils ne résolvent pas Navier–Stokes, mais ouvrent une voie proche vers la formation de singularités. Terence Tao les décrit comme une avancée importante.
OpenAI explique avoir commencé cette recherche après avoir entendu une rumeur liée à ces travaux, tout en affirmant ne pas y avoir eu accès avant leur publication. Les désaccords sur la chronologie, les données et l'attribution restent ouverts. Ils doivent être distingués d'une autre question, plus immédiate : la démonstration publiée est-elle correcte ?
Qui peut se permettre de chercher ainsi ?
Les mathématiciens peuvent désormais relire les 166 pages, contrôler leur conformité à l'énoncé de Clay et examiner les certificats Lean. Reproduire la recherche qui a conduit à cette preuve est une autre affaire : le modèle reste interne et peu d'organisations peuvent lancer 10 000 agents pendant plusieurs jours.
Le problème ne tient pas seulement au calcul. Il faut suivre ce que font ces agents, repérer les pistes utiles dans des millions de messages, arrêter les impasses et remettre les bons résultats en circulation. OpenAI décrit d'ailleurs l'usage de Codex pour consolider les découvertes intermédiaires et les redistribuer aux autres groupes.
Une équipe académique peut vérifier la démonstration publiée. Elle ne dispose pas forcément du modèle, du harness ni de l'infrastructure nécessaires pour relancer une recherche comparable. Aujourd'hui, combien d'organisations peuvent réellement dire : « nous pouvons le faire aussi » ?
Sources
- OpenAI — On the Navier–Stokes Millennium Prize Problem, 8 septembre 2026
- OpenAI — Finite Time Blowup for Navier–Stokes, démonstration analytique
- OpenAI — certificats Lean pour Navier–Stokes et Euler
- Clay Mathematics Institute — énoncé officiel et règles du prix
- OpenAI — Research acceleration: The view inside OpenAI, 6 septembre 2026
- Déclaration de Tristan Buckmaster — 8 septembre 2026
- Prépublications Euler, Boussinesq et milieux poreux incompressibles
- Terence Tao — commentaire sur les trois résultats
Le modèle ne travaille jamais seul
Le coût d'une découverte dépend aussi du système qui organise les modèles, leurs outils, leurs reprises et leurs vérifications.