OpenAI et Navier-Stokes : 10 000 agents, formalisation Lean, résultat non confirmé

Déroulé structuré

Segment 1 — L’affirmation d’OpenAI : 10 000 agents, formalisation Lean, statut de la preuve

Statut : information rapportée (commentaire secondaire sur l’annonce d’OpenAI ; résultat non confirmé)

• OpenAI affirme qu’un modèle interne en cours d’entraînement, décrit comme nettement plus puissant que GPT-6 Astra, a produit une démonstration liée au problème de Navier-Stokes à l’aide d’environ 10 000 agents parallèles en 88 heures (rapporté).
• Le scénario allégué : un fluide au repos, une force externe régulière et bornée engendre un vortex qui se resserre et s’étire jusqu’à une singularité (vitesse théoriquement infinie en temps fini) ; ce type de force est explicitement permis dans certaines formulations officielles du problème par l’Institut Clay.
• Opération en deux phases rapportées : ~100 agents pendant ~50 h sur les équations d’Euler (fluide sans viscosité), puis ~10 000 agents pendant 88 h sur Navier-Stokes ; pour cette phase uniquement, 2,7 millions de messages et ~130 milliards de tokens.
• GPT-6 Astra a mis ~17 h supplémentaires à formaliser la démonstration en Lean, vérificateur formel qui contrôle chaque étape logique et réduit le risque d’erreurs cachées ou d’hallucinations.
• Limite essentielle : Lean ne vérifie que le contenu encodé ; des mathématiciens indépendants doivent encore confirmer que les hypothèses encodées correspondent exactement au problème officiel Clay. À la date de la vidéo, Navier-Stokes reste considéré non résolu et le prix d’un million de dollars n’a pas été attribué.
• La stratégie s’appuie largement sur les travaux récents de Diego Córdoba et Luis Martínez-Soria (cascade de couches de vortex approchant les conditions de singularité), dont la force obtenue ne satisfaisait pas encore toutes les propriétés exigées par le problème du millénaire.
• Analyse de la source : les mathématiques formelles sont particulièrement adaptées aux agents car la preuve est automatiquement vérifiable — le modèle propose une étape, Lean renvoie un signal binaire valide/invalide, ce qui autorise une boucle générer-tester-corriger-recommencer à une vitesse inhumaine, amplifiée par des milliers d’agents explorant des directions différentes en parallèle.
• Le modèle à l’origine de la démonstration n’est pas encore public et serait déjà nettement plus puissant que GPT-6 Astra, lui-même récemment lancé (rapporté).

Segment 2 — Controverse de priorité : prompts Codex, travaux humains antérieurs, enquête interne

Statut : information rapportée (déclarations publiques et enquête interne non indépendante)

• Tristan Buckmaster (professeur à la NYU) et un employé d’Anthropic, agissant à titre personnel, tentaient de combler le dernier écart du problème de singularité Navier-Stokes en utilisant Claude et Codex, avec des résultats importants sur les équations d’Euler et des systèmes étroitement apparentés (rapporté).
• Des rumeurs sur ces avancées auraient atteint OpenAI, qui a lancé sa propre opération à grande échelle le 1er septembre 2026 (rapporté).
• Après l’annonce, Buckmaster a publiquement demandé si ses conversations privées Codex avaient pu influencer le modèle d’OpenAI ; la première réponse d’OpenAI laissait l’incertitude en suspens (rapporté).
• Le 10 septembre 2026, OpenAI a publié un communiqué mis à jour après enquête interne, affirmant que les prompts Codex en cause n’avaient pas pu influencer le système, ni directement ni via les données d’entraînement (rapporté).
• La source qualifie la dette intellectuelle envers Córdoba et Martínez-Soria de « très claire » et non contestée, à l’opposé de la question de l’influence Codex, encore débattue (opinion de l’auteur).

Points notables

• L’étape de formalisation Lean est le pont technique qui distingue ce cas des textes ou images générés : elle convertit une sortie autrement subjective en artefact vérifiable par machine, raison structurelle de la scalabilité de la boucle d’agents.
• Le workflow en deux phases (chauffage Euler avec ~100 agents, puis Navier-Stokes avec ~10 000 agents) suggère un motif d’orchestration potentiellement réutilisable : valider ou « primer » le système sur un problème connexe plus simple avant de viser la cible.
• La controverse pose la question procédurale de la priorité scientifique : comment la protéger quand un acteur peut mobiliser une puissance de calcul massive sur simple rumeur ?
• L’implication d’un employé Anthropic à titre personnel signale un brouillage croissant entre recherche individuelle, outils d’IA d’entreprise et opérations industrielles d’agents — signal faible sur la réorganisation de l’écosystème de recherche autour des infrastructures IA.
• Lu ensemble, les deux épisodes dessinent un déplacement du goulot d’étranglement : moins les heures-mathématicien, plus la capacité à formuler et vérifier les bonnes hypothèses.

Limites & biais factuels

• Source secondaire : chaîne de commentaire francophone, non l’annonce primaire d’OpenAI.
• Le résultat mathématique n’est pas confirmé par des mathématiciens indépendants ; la correspondance avec la formulation officielle Clay reste à vérifier.
• Les détails opérationnels (nombre d’agents, volume de tokens, durée de la formalisation Lean, identité du modèle) sont rapportés d’après OpenAI et non vérifiés dans la source.
• La controverse de priorité repose sur des déclarations publiques et une enquête interne d’OpenAI ; certaines informations ne sont pas entièrement vérifiées, y compris l’identité exacte de l’employé Anthropic.
• La description de la vidéo contient du matériel promotionnel (site, fiches de prompts, réseaux sociaux) ; la source note qu’il n’affecte pas le contenu commenté, sans publicité dans la vidéo elle-même.