Actualité · Recherche IA
OpenAI a résolu un problème du millénaire avec 10 000 agents IA
9 septembre 2026 · 7 min de lecture
OpenAI a résolu le problème de Navier-Stokes. C'est l'un des 7 problèmes du millénaire de l'Institut Clay de mathématiques, doté d'un million de dollars, ouvert depuis environ 90 ans. La preuve a été produite par un système multi-agents interne, plus capable que GPT-6 Astra, en 88 heures. Elle est formalisée en Lean, le standard de vérification le plus exigeant en mathématiques. OpenAI dit qu'elle ne réclame pas le prix.
L'annonce a été publiée le 9 septembre 2026 sur le site d'OpenAI. Le problème : les équations de Navier-Stokes décrivent comment les fluides bougent (eau, air, sang). Elles datent du XIXe siècle. La question ouverte était de savoir si ces équations peuvent développer une "singularité" en temps fini, un point où la vitesse du fluide devient infinie, même quand le mouvement de départ est lisse. La réponse d'OpenAI : oui.
Ce que la preuve dit
Le système d'OpenAI a prouvé qu'un fluide initialement au repos, avec une force lisse appliquée et une énergie qui reste finie, peut développer une singularité en temps fini. La solution est un vortex : un tourbillon qui spirale vers l'intérieur et s'étire, "comme des spaghettis". La zone centrale rétrécit tout en accélérant, de sorte que son énergie reste finie, conformément aux lois de la physique.
Le défi technique est que la rupture doit venir du mouvement du fluide lui-même, pas d'une force infinie qu'on introduirait artificiellement. Les termes des équations (accélération, gradients de pression, transfert de quantité de mouvement, viscosité) doivent devenir grands tout en s'annulant de façon précise. Une force externe lisse reste lisse pendant que la vitesse du fluide croît sans borne.
La preuve résout les énoncés C et D de la formulation officielle du prix. La formalisation en Lean a été complétée et vérifiée.
Comment la preuve a été trouvée
L'effort a commencé le 1er septembre 2026. OpenAI avait entendu des rumeurs selon lesquelles deux problèmes du millénaire avaient été résolus. En parallèle, un nouveau modèle interne entraîné depuis le 28 août montrait des performances "sans précédent" sur les benchmarks de mathématiques. OpenAI a lancé une évaluation sur tous les problèmes du millénaire ouverts et quelques autres problèmes de haut impact.
Le système : des groupes d'agents coordonnés, propulsés par le modèle interne. Les agents avaient accès à une version cachée d'internet et pouvaient exécuter du code. Les groupes variaient en taille. Celui qui a trouvé la solution de Navier-Stokes impliquait environ 10 000 agents concurrents.
OpenAI a d'abord demandé aux agents de travailler sur un problème "plus facile" : la régularité des équations d'Euler (Navier-Stokes sans viscosité). Près de 100 agents ont travaillé pendant 50 heures et ont résolu la version sans force externe. Ce résultat a guidé l'effort sur Navier-Stokes.
Les agents ont été répartis en groupes avec des approches différentes. OpenAI a utilisé Codex pour consolider les idées les plus utiles de chaque groupe et les injecter dans les autres. Quand une version plus récente du modèle est devenue disponible pendant l'effort, les agents ont été mis à jour.
La solution est arrivée le 5 septembre, 88 heures après le lancement. La formalisation en Lean a pris 17 heures de plus via GPT-6 Astra.
L'effort total sur tous les problèmes : 4,9 millions de messages entre agents et environ 300 milliards de tokens en sortie. Rien que pour Navier-Stokes : 2,7 millions de messages et 130 milliards de tokens.
Le contexte : un travail concurrent
Pendant qu'OpenAI travaillait, Levent Alpöge (employé d'Anthropic) et Tristan Buckmaster (professeur de mathématiques à NYU) travaillaient sur le problème de régularité d'Euler avec force externe. OpenAI dit avoir découvert leur travail par des rumeurs, pas par accès à leurs données.
Après avoir terminé sa preuve et sa vérification le 6 septembre, OpenAI a contacté Alpöge et Buckmaster pour proposer une annonce conjointe. À ce moment, OpenAI a appris qu'ils avaient résolu le problème d'Euler forcé, pas Navier-Stokes. Les résultats prouvés sont différents (Euler forcé vs Euler non forcé pour OpenAI, Euler forcé pour eux), et les preuves diffèrent significativement.
OpenAI précise qu'aucune donnée utilisateur spécifique n'a été accédée pour résoudre le problème, tout en reconnaissant qu'on ne peut pas exclure que des données désidentifiées issues de l'usage de leurs produits aient aidé à améliorer les modèles.
Pourquoi OpenAI ne réclame pas le prix
OpenAI écrit : "Notre but en publiant ce résultat est de rendre compte des progrès substantiels de nos modèles d'IA. Nous n'avons pas l'intention de réclamer le prix du millénaire pour ce résultat."
C'est inhabituel. Un prix d'un million de dollars et une reconnaissance mathématique historique, refusés d'emblée. La raison est dans la phrase suivante : "Ce n'est pas une culmination, mais un instantané dans le temps des progrès du développement de l'IA." OpenAI utilise cette preuve comme un signal de capacité. Le message n'est pas "regardez cette démonstration", c'est "regardez ce que nos modèles peuvent faire, et imaginez la suite".
OpenAI dit être "dans la prochaine période de progrès de l'IA" et vouloir "guider et rythmer" les avancées. L'entreprise rappelle son objectif de construire des systèmes "dirigeables, responsables et connectés aux gens", ce qui peut nécessiter des choix délibérés sur le rythme.
Un exemple chez Maisons&Mobilia
Pierre, ingénieur R&D chez Maisons&Mobilia (M&M, enseigne de meubles fictive), travaille sur la simulation d'écoulement d'air dans les cuisines équipées que M&M vend. Il utilise les équations de Navier-Stokes dans son logiciel de simulation pour prédire comment l'air circule autour d'un îlot central avec une hotte.
La preuve d'OpenAI dit que les équations peuvent développer une singularité en temps fini, même avec une force lisse et une énergie finie. En pratique, ça ne veut pas dire que la hotte de Pierre va exploser. Les singularités mathématiques sont des limites du modèle continu, pas des événements physiques. Quand une singularité apparaît dans les équations, le modèle ne décrit plus le fluide correctement : il faut passer à une description qui suit les particules individuellement.
Pour Pierre, la conséquence est : ses logiciels de simulation utilisent déjà des approximations numériques (méthodes des éléments finis, volumes finis) qui gèrent ces situations en pratique. La preuve d'OpenAI ne change pas son travail quotidien. Mais elle confirme que les ingénieurs en mécanique des fluides ne peuvent pas supposer que les équations restent toujours lisses. C'est un résultat de recherche fondamentale, pas un bug dans la hotte.
Ce que ça change si tu apprends l'IA
-
L'IA fait des mathématiques, pas du texte. Les modèles d'IA ne se contentent plus de générer des réponses en langage naturel. Ils produisent des preuves formelles, vérifiées par des outils comme Lean. Comprendre cette différence, c'est savoir pourquoi on parle d'agents de recherche et plus de chatbots. Un agent qui formalise une preuve en Lean exécute une tâche que peu de mathématiciens peuvent faire.
-
10 000 agents, pas un modèle. La preuve n'a pas été trouvée par une conversation avec un LLM. Elle a été trouvée par 10 000 agents qui travaillaient en parallèle, échangeaient des idées via Codex, et étaient répartis sur des variantes du problème. L'architecture multi-agents est le pattern qui rend ce type de résultat possible. Un seul modèle, aussi bon soit-il, n'aurait pas suffi.
-
Le coût est massif. 130 milliards de tokens pour un problème. À titre de comparaison, une conversation typique avec ChatGPT consomme quelques milliers de tokens. La preuve de Navier-Stokes a nécessité l'équivalent de millions de conversations. Si tu construis des systèmes multi-agents, la facture d'inférence est la variable qui détermine ce qui est faisable.
La compétence pratique : comprendre la différence entre un LLM qui génère du texte et un système multi-agents qui résout un problème. Les agents ont des outils, un environnement, et une coordination. Le modèle est le moteur, pas la voiture.
Aller plus loin
Pour comprendre comment un agent IA utilise des outils et enchaîne des étapes, notre article sur comment fonctionne un agent IA pose les bases du tool use et de l'orchestration. Pour voir les garde-fous à mettre en place quand un système multi-agents accède à des ressources, le guide sur les garde-fous des agents IA détaille le moindre privilège et le human in the loop. Pour comprendre le contexte de la bataille des frontier, notre article sur GPT-6 Astra et l'ère AGI couvre le modèle qui a précédé ces résultats. Et pour t'entraîner à ces notions en 5 minutes par jour, l'app saisir.ai propose des modules interactifs sur les agents, les outils et la recherche, en français, sans coder.
Sources
Questions fréquentes
- C'est quoi le problème de Navier-Stokes ?
- Le problème de Navier-Stokes est l'un des 7 problèmes du millénaire de l'Institut Clay de mathématiques, doté d'un million de dollars. Il demande si les équations qui décrivent le mouvement des fluides (eau, air, sang) peuvent toujours rester lisses, ou si elles développent une singularité en temps fini : un point où la vitesse du fluide devient infinie. La question est ouverte depuis environ 90 ans.
- Quelle est la solution trouvée par OpenAI ?
- Le système d'OpenAI a produit une preuve analytique et une formalisation en Lean qui montrent qu'un fluide initialement au repos, avec une force lisse appliquée et une énergie finie, peut développer une singularité en temps fini. La solution est un vortex qui spirale vers l'intérieur et s'étire, comme des spaghettis, en accélérant tout en gardant une énergie finie. Cela résout l'énoncé C (et D) de la formulation officielle du prix.
- Comment OpenAI a-t-il trouvé cette preuve ?
- OpenAI a utilisé un système de 10 000 agents IA coordonnés, propulsés par un modèle interne plus capable que GPT-6 Astra. Les agents avaient accès à une version cachée d'internet et pouvaient exécuter du code. Ils ont travaillé pendant 88 heures, envoyé 2,7 millions de messages et utilisé environ 130 milliards de tokens. La formalisation en Lean a pris 17 heures supplémentaires via GPT-6 Astra.
- OpenAI va-t-il recevoir le prix du millénaire ?
- Non. OpenAI dit explicitement qu'elle ne veut pas réclamer le prix du millénaire pour ce résultat. Le but de la publication est de signaler la rapidité des progrès des modèles IA. L'Institut Clay n'a pas encore commenté la validité de la preuve.
- Qu'est-ce que la formalisation en Lean ?
- Lean est un assistant de preuve formelle : un logiciel qui vérifie qu'une démonstration est correcte, étape par étape, sans aucun doute possible. Si la formalisation en Lean passe, la preuve est considérée comme vérifiée mécaniquement. C'est le standard le plus élevé de vérification en mathématiques. OpenAI dit que la formalisation de sa preuve a été complétée et vérifiée.