Navier-Stokes : ce que l'IA d'OpenAI a vraiment prouvé

Le 8 septembre 2026, OpenAI publie une page intitulée « On the Navier–Stokes Millennium Prize Problem ». Dans les vingt-quatre heures, la presse généraliste titre que l'IA a résolu une énigme mathématique vieille de deux siècles.

Franceinfo parle d'un « défi vieux de deux siècles », CNBC d'un « problème de 90 ans ». Le chiffre change d'un article à l'autre, ce qui devrait déjà nous alerter.

Voici la version exacte, et elle est plus intéressante que le titre : OpenAI a produit une preuve d'un énoncé précis, réel, difficile — qui n'est pas celui que le grand public croit avoir été résolu. Le Clay Mathematics Institute continue de lister Navier-Stokes parmi ses problèmes non résolus. OpenAI, de son côté, annonce qu'il ne réclamera pas le million de dollars.

Deux choses valent donc le détour. La première : apprendre à lire une annonce de ce calibre sans se faire embarquer, parce que nous allons en recevoir beaucoup d'autres. La seconde, plus concrète pour un dirigeant : dix mille agents lancés en parallèle pendant 88 heures, c'est une méthode de travail, pas seulement un exploit. Une partie de cette méthode descend jusqu'à une TPE. L'autre partie, non — et savoir où passe la frontière vaut mieux qu'un abonnement de plus.

Ce qui a été annoncé, sans emballage

Le document publié par OpenAI s'intitule « Finite time blowup for Navier–Stokes » : explosion en temps fini. Il fait 166 pages, trois annexes comprises, et il est signé d'un seul nom — « OpenAI ». Pas d'auteur humain, pas de laboratoire, pas de première signature. Nous y reviendrons.

Son résumé tient en une phrase : « Pour toute viscosité positive, nous construisons une solution des équations de Navier-Stokes incompressibles en dimension trois qui part du repos et développe une vitesse non bornée en temps fini, tout en conservant une énergie cinétique uniformément bornée. » Le théorème 1.1 précise les conditions : la force appliquée est lisse et à support compact en espace et en temps — elle agit dans une région finie, pendant une durée finie, puis s'éteint. La vitesse initiale est nulle. Et le texte énonce sa propre portée sans détour : « Cela établit l'alternative (C) de l'énoncé du problème du millénaire pour Navier-Stokes tel que formulé par Fefferman », le support compact donnant en prime l'alternative (D) sur le tore.

Concrètement, le cœur du tourbillon s'enroule vers l'intérieur, se contracte plus vite en rayon qu'en hauteur et devient, dans les termes du document, « une colonne de plus en plus élancée concentrée à l'origine », qui accélère jusqu'à ce que les équations cessent d'avoir un sens. Ce n'est pas une simulation numérique : c'est une démonstration analytique, doublée d'une formalisation en Lean, un langage dans lequel un ordinateur vérifie chaque pas du raisonnement.

Les moyens engagés sont l'autre moitié de l'annonce — et il faut noter tout de suite qu'ils n'apparaissent nulle part dans le document mathématique. Celui-ci ne mentionne ni agent, ni token, ni modèle : c'est un article de mécanique des fluides, avec ses lemmes et sa bibliographie. Les chiffres qui suivent viennent du billet d'annonce et de la presse, pas de la preuve. Un modèle interne, non public, décrit par OpenAI comme « significativement plus capable que GPT-6 Astra ». Environ dix mille agents travaillant en parallèle. Quatre-vingt-huit heures pour la preuve, dix-sept de plus pour la formalisation. De l'ordre de 130 milliards de tokens produits, et plusieurs millions de messages échangés entre agents — les comptes rendus publiés donnent 2,7 millions chez les uns, près de 5 millions chez Quanta Magazine, ce qui suffit à rappeler que ces chiffres sont communiqués, pas audités. Mark Chen, responsable de la recherche d'OpenAI, évoque un coût en « millions de dollars ». Une estimation indépendante avance plus de 40 millions ; OpenAI ne l'a pas confirmée, et nous la donnons pour ce qu'elle est.

Le mot qui change tout : « forçage »

L'énoncé officiel du problème du millénaire n'est pas une question, c'est un menu. Charles Fefferman, à Princeton, l'a rédigé pour le Clay Institute en 2000, et il propose quatre énoncés au choix, étiquetés (A), (B), (C) et (D). Le prix récompense la preuve — ou la réfutation — de n'importe lequel des quatre.

Les énoncés (A) et (B) posent la question sans force extérieure : un fluide livré à lui-même, dans l'espace ordinaire ou dans un domaine périodique, reste-t-il lisse pour toujours ? Les énoncés (C) et (D) autorisent l'expérimentateur à appliquer une force lisse de son choix, et demandent s'il existe alors une configuration qui explose.

OpenAI revendique (C) et (D). Il ne revendique ni (A) ni (B), et le dit.

La nuance n'est pas cosmétique, et le document d'OpenAI l'expose lui-même avec une franchise qu'aucun titre de presse n'a reprise. Dès sa deuxième section, il écrit : « Pour tout écoulement incompressible u et toute pression p, nous pouvons toujours définir la force extérieure f comme le résidu de l'équation. Les équations de Navier-Stokes sont alors vérifiées par construction. La difficulté est de choisir un écoulement qui explose tout en gardant ce résidu lisse. »

Relisez cette phrase, c'est la clé de l'affaire. La méthode ne consiste pas à observer un fluide qui casse : elle consiste à dessiner d'abord l'explosion voulue, puis à appeler « force » tout ce qui manque à l'équation pour que le dessin soit une solution. Le tour de force — réel, et personne ne l'avait accompli en vingt-cinq ans — est que ce reliquat reste une fonction lisse, bornée, qui s'éteint. Mais la force n'est pas subie par le fluide : elle est déduite de la panne qu'on a décidé de provoquer.

Fefferman, lui, ne hiérarchise pas ses quatre énoncés. Il écrit au contraire que ce menu a été conçu « pour laisser une marge raisonnable à ceux qui cherchent, tout en conservant le cœur du problème ». Reste une différence de nature, que le document d'OpenAI expose lui-même : dans le cas non forcé, la question posée aux équations est de savoir si elles peuvent se casser toutes seules ; dans le cas forcé, il est permis de pousser.

Un peu d'histoire aide à situer. Navier écrit les équations en 1822, Stokes les reprend et leur donne leur forme en 1845. En 1934, Jean Leray démontre qu'il existe toujours des solutions dites « faibles », valables pour toujours — mais il laisse ouverte la question de leur régularité, c'est-à-dire de savoir si elles restent lisses. C'est ce trou-là, et lui seul, que le Clay Institute a doté d'un million de dollars en 2000. Il n'est pas comblé.

Pourquoi OpenAI ne réclame pas le million

OpenAI affirme que sa preuve satisfait les énoncés (C) et (D), et annonce dans le même souffle qu'il n'a pas l'intention de réclamer le prix. La posture est élégante ; elle est aussi la seule tenable.

Les règles du Clay Institute ne fonctionnent pas au communiqué de presse. Une solution doit être publiée dans une revue à comité de lecture de réputation internationale, puis passer une période de plusieurs années pendant laquelle la communauté mathématique l'examine et l'accepte. Martin Bridson, président du Clay Mathematics Institute, a indiqué que l'évaluation serait « délibérément sans hâte » et « absolument rigoureuse ». La page du problème sur le site de l'institut porte toujours la mention « non résolu ».

Un rappel utile : en vingt-six ans, aucun prix du millénaire n'a jamais été effectivement remis. La conjecture de Poincaré a bien été démontrée par Grigori Perelman ; le prix lui a été officiellement offert en 2010, et il l'a refusé. Le tableau de chasse du Clay Institute est donc, littéralement, vide.

La bagarre de paternité, et ce qu'elle révèle

Douze heures avant l'annonce d'OpenAI, dans la nuit du 7 septembre, Tristan Buckmaster, mathématicien à New York University, et Levent Alpöge, chez Anthropic, publient trois résultats : des explosions en temps fini, avec forçage lisse, pour trois modèles simplifiés — l'équation des milieux poreux incompressibles, l'équation de Boussinesq en dimension deux, et les équations d'Euler incompressibles en dimension trois. Terence Tao, à UCLA, médaillé Fields, y consacre le jour même un billet où il qualifie le travail de « remarquable réussite » et estime que la méthode a « une forte probabilité de s'étendre également à Navier-Stokes », voire de se passer du terme de forçage.

Le document d'OpenAI ne sort d'ailleurs pas de nulle part, et il ne le prétend pas. Sa bibliographie cite les travaux de Diego Córdoba et Luis Martínez-Zoroa sur la formation de singularités par amplification d'échelles, dont il écrit qu'ils « ont établi une stratégie » pour ce type de construction ; elle cite aussi Terence Tao pour son explosion sur une équation de Navier-Stokes moyennée (2016), et Tristan Buckmaster lui-même, pour ses résultats de non-unicité obtenus avec Vlad Vicol (2019). La preuve s'inscrit dans une lignée humaine qu'elle nomme.

Reste la signature. Les 166 pages sont attribuées à « OpenAI », sans un seul nom de personne. Buckmaster soupçonne que des éléments de leur travail ont circulé jusqu'à OpenAI. Il reste prudent dans ses termes : « Je n'ai pas vu la preuve d'OpenAI. Je ne sais pas non plus si nos données ont été utilisées. » OpenAI concède ne pas pouvoir écarter que des données anonymisées aient nourri ses modèles, tout en soutenant que sa démonstration diffère sensiblement. Quanta Magazine attribue par ailleurs une part de la stratégie analytique sous-jacente à des travaux antérieurs de Diego Córdoba et Luis Martínez-Zoroa. Le démêlage prendra du temps, et ce n'est pas à nous de le trancher.

Ce qui nous concerne, en revanche, c'est un aveu glissé dans le billet de Tao. Les arguments de Buckmaster et Alpöge sont, écrit-il, « largement assistés par l'IA », et les auteurs ont passé des semaines à réécrire ce qu'ils appellent eux-mêmes « la pire rédaction que nous ayons jamais vue dans l'histoire des mathématiques ». Tao formule ailleurs la conséquence : « Il y a eu, cette année seulement, un découplage très étrange et sans précédent entre obtenir des réponses et obtenir de la compréhension. »

Retenez cette phrase. C'est la plus opérationnelle de tout le dossier.

Dix mille agents, 88 heures : la vraie information

Mettons de côté les mathématiques. Ce qu'OpenAI a démontré au passage, et qui ne fait pas les titres, c'est qu'il devient possible d'industrialiser une recherche intellectuelle non balisée. Pas une tâche répétitive : un problème dont personne ne connaissait le chemin.

La méthode tient en trois ingrédients. Un, du parallélisme massif et non structuré : dix mille agents explorent, la plupart pour rien, quelques-uns trouvent. Deux, des outils réels — exécution de code, accès à une copie de documentation — plutôt qu'un modèle qui raisonne dans le vide. Trois, et c'est le point décisif, un vérificateur qui ne se laisse pas raconter d'histoires : la formalisation Lean transforme « la preuve a l'air correcte » en « la preuve compile ou ne compile pas ».

Sans ce troisième ingrédient, l'exercice n'aurait aucune valeur. Dix mille agents produisent aussi dix mille arguments plausibles et faux. Ce qui sépare le résultat du bruit, ce n'est pas la puissance de calcul, c'est l'existence d'un juge automatique et impitoyable.

Ce qui descend jusqu'à une TPE — et ce qui n'en descend pas

Soyons directs : personne dans une PME de Montpellier ne va lancer dix mille agents à quarante millions de dollars. Ce niveau-là n'est pas transposable, et les prestataires qui vous vendront « le multi-agent comme OpenAI » vous vendront un habillage.

Ce qui se transpose, c'est le critère de sélection. La leçon n'est pas « lancez plus d'agents », elle est : automatisez d'abord ce dont vous pouvez vérifier le résultat mécaniquement.

Faites l'exercice sur vos propres process. Rapprocher des réservations avec des virements bancaires : vérifiable, les deux totaux collent ou ne collent pas. Extraire les mentions obligatoires d'une facture fournisseur : vérifiable, le champ est présent ou absent. Trier des demandes entrantes selon des règles écrites : vérifiable par échantillonnage. Sur ces sujets, un agent bien câblé vous fait gagner des heures chaque semaine, et l'erreur se voit.

À l'inverse : rédiger une proposition commerciale, arbitrer un litige client, décider d'un prix. Aucun compilateur ne vous dira si la sortie est bonne. Vous pouvez tout à fait vous faire assister — mais la vérification reste humaine, elle prend du temps, et elle doit être budgétée comme telle. Une automatisation dont personne ne contrôle la sortie n'est pas une économie, c'est une dette qui court.

Le découplage dont parle Tao se joue exactement là, à votre échelle. Une IA peut vous donner une réponse juste sans vous donner la compréhension qui va avec. Sur un devis, c'est confortable. Sur la marge de votre activité, c'est une perte de contrôle qui ne se voit qu'au moment où elle coûte cher.

Cinq questions devant la prochaine annonce

Il y en aura une la semaine prochaine, et une autre le mois suivant. Voici la grille qui nous sert ici.

Quel est l'énoncé exact ? Pas le titre : l'énoncé. Ici, la différence entre « Navier-Stokes résolu » et « explosion en temps fini avec forçage lisse » est la différence entre une révolution et un résultat solide.

Qui a vérifié, et avec quoi ? Une formalisation Lean vaut mieux qu'une relecture, une relecture vaut mieux qu'un communiqué. Notez le cas présent : le dépôt est en auto-évaluation, aucune équipe extérieure n'a encore publié de reproduction indépendante.

Que dit l'institution compétente ? Le Clay Institute maintient « non résolu ». C'est une information, pas une formalité.

Que reconnaît l'auteur lui-même ? OpenAI dit ne pas revendiquer (A) et (B), et ne pas réclamer le prix. Les limites énoncées par l'auteur sont toujours les plus fiables du dossier.

Combien ça a coûté ? Un résultat obtenu avec dix mille agents et des millions de dollars ne dit rien de ce que vous obtiendrez avec l'abonnement à 20 € par mois.

Ce que nous en gardons

Il s'est passé quelque chose de réel le 8 septembre : une machine a produit, en quatre jours, une démonstration mathématique qu'aucun humain n'avait écrite en vingt-cinq ans, et un ordinateur l'a vérifiée ligne à ligne. Ce fait ne dépend pas du titre qu'on lui colle, et il ne s'annulera pas si le Clay Institute met trois ans à statuer.

Il s'est aussi passé autre chose : l'écart s'est creusé entre ce que nous savons faire produire et ce que nous savons comprendre. Les mathématiciens en discutent ouvertement, avec des mots durs sur la qualité des textes générés. Ils ont raison de le faire, et nous ferions bien d'importer cette rigueur-là dans nos entreprises, où elle est nettement plus rare.

La bonne nouvelle est que la règle est simple. Automatisez ce qui se vérifie. Gardez la main sur le reste. Et devant la prochaine annonce spectaculaire, cherchez le mot qui manque au titre.

Sources : le document d'OpenAI, « On the Navier–Stokes Millennium Prize Problem » (8 septembre 2026) ; l'énoncé officiel du problème par Charles Fefferman pour le Clay Mathematics Institute ; le billet de Terence Tao du 7 septembre 2026 ; les comptes rendus de Quanta Magazine et de franceinfo.

Questions fréquentes