«C’est une étape significative de la recherche IA», a lancé Mark Chen, responsable de la recherche chez OpenAI, devant la presse ce mardi 8 septembre. «C’est la promesse qu’il va devenir possible de répondre à d’autres questions parmi les plus complexes», a-t-il ajouté.

Depuis l’an dernier, plusieurs grands acteurs de l’IA ont fait état de percées dans le monde des mathématiques, mais celle-ci est, de loin, la plus notable. L’équation dite de Navier-Stokes porte sur le mouvement des fluides (gaz et liquides) et sur la capacité à l’anticiper dans la durée. Elle sert à de nombreuses applications concrètes comme les modèles météorologiques ou encore la conception des ailes d’avion.

La célèbre équation a été posée par les travaux du mathématicien et ingénieur français Henri Navier en 1822, puis complétée par ceux du physicien et mathématicien George Gabriel Stokes, qui lui a donné sa forme définitive en 1845. Son importance est telle qu’en 2000, elle a été sélectionnée par l’organisation pour la recherche Clay Mathematics Institute parmi sept problèmes dits «du millénaire» et dont la résolution vaudrait à son auteur un prix d’un million de dollars.

Une puissance de calcul gigantesque

OpenAI dit avoir résolu l’équation en 88 heures seulement via un modèle «aux capacités significativement plus élevées que GPT-6 Astra», son dernier né – pourtant lancé il y a moins d’une semaine.

Pour ce faire, le modèle a utilisé plus de 10 000 agents IA travaillant de concert et produit plus de 130 milliards de «tokens», unité de base qui permet de mesurer le volume de contenu généré. Quant au coût de la puissance de calcul utilisée pour atteindre l’objectif, il se monte à «des millions de dollars», a expliqué Mark Chen.

Forte concurrence et soupçons de plagiat

Sam Altman a révélé qu’OpenAI s’était lancé dans cette mission après avoir eu vent de rumeurs selon lesquelles «des modèles d’Anthropic avaient résolu un des problèmes du millénaire». «Nous voulions savoir si l’un des nôtres pouvait le faire aussi.»

Mais quelques heures avant l’annonce d’OpenAI, le mathématicien australien Tristan Buckmaster a publié un message s’interrogeant sur le projet d’OpenAI, dont il avait eu vent, et y voyant des similarités avec ses propres travaux. Avec un autre mathématicien, Levent Alpöge, employé d’Anthropic, il avait ainsi retenu des hypothèses différentes de celles choisies actuellement par tous les autres chercheurs pour résoudre le problème de Navier-Stokes. Or, selon Buckmaster, le modèle d’OpenAI a repris cette même piste pour parvenir à sa solution.

Ayant utilisé Codex (l’IA d’OpenAI dédiée à la programmation) pour son projet, Tristan Buckmaster a demandé à l’entreprise si ses données avaient été utilisées en interne pour entraîner son modèle.

Lors du point de presse, un chercheur d’OpenAI, Sébastien Bubeck, s’est voulu catégorique: «pour être clair, nous n’avons pas utilisé leurs prompts ou leurs résultats pour diriger nos modèles ou nos agents». L’entreprise a pourtant nuancé ce propos peu après, reconnaissant qu’elle ne pouvait pas «écarter» l’hypothèse que des données anonymisées du duo de chercheurs «aient pu aider à améliorer [ses] modèles». Elle a toutefois souligné que la démonstration mathématique de son IA différait «sensiblement» de la leur.

Des enjeux de vérification

Sollicité par l’AFP, le président de la Clay Mathematics Institute a salué «une journée enthousiasmante», en rappelant néanmoins que le processus d’évaluation d’une solution se faisait «volontairement sans hâte», notamment pour «assurer qu’il est tout à fait rigoureux».

L’examen d’une méthode ne peut se faire que deux ans après publication dans une revue scientifique qualifiée et une fois qu’elle a été acceptée «par la communauté des mathématiques».

Le mathématicien américano-australien Terence Tao, médaille Fields en 2006 (souvent appelé Nobel des mathématiques), a regretté que la recherche de solutions mathématiques soit confiée intégralement à des modèles d’IA plutôt que de privilégier une collaboration entre mathématiciens et intelligence artificielle.

Au sein du milieu mathématique, certains s’inquiètent, entre autres, de voir des résultats produits par l’IA devenir invérifiables, ce qui empêcherait la recherche de progresser.