En coordonnant 10 000 agents IA pendant 88 heures, OpenAI dit avoir percé l’un des sept problèmes du millénaire, celui de Navier-Stokes. L’opération, dont la facture grimpe à plusieurs millions de dollars, est aussitôt contestée par deux chercheurs qui soupçonnent l’entreprise d’avoir puisé dans leurs travaux.
Fini le modèle unique auquel on soumet une requête soigneusement calibrée : OpenAI vient d’illustrer une autre voie, celle d’un essaim d’intelligences artificielles travaillant de concert. C’est par ce biais que l’entreprise affirme avoir résolu l’équation de Navier-Stokes, qui décrit le comportement des fluides depuis 1822 et compte parmi les sept problèmes mathématiques du millénaire.
Le dispositif a mobilisé simultanément 10 000 agents, répartis en groupes chargés chacun d’explorer une hypothèse différente, sur une durée totale de 88 heures. Durant cette fenêtre, le trafic généré en interne a atteint 2,7 millions d’échanges, pour une consommation de 130 milliards de tokens. La dernière étape — la traduction de la démonstration dans Lean, le langage utilisé pour la formalisation mathématique — a été confiée au modèle GPT-6 Astra, qui a bouclé cette tâche en 17 heures.
Des soupçons de récupération d’informations propriétaires
Cette annonce s’accompagne toutefois d’une controverse qui touche directement à la confiance que les entreprises peuvent accorder aux fournisseurs de services d’IA. Tristan Buckmaster, de NYU, et Levent Alpöge, qui travaille chez Anthropic, planchaient de leur côté sur une démonstration similaire en s’appuyant sur Codex, l’outil d’OpenAI. Or le chemin de résolution emprunté par le système d’OpenAI présentait, selon ces deux universitaires, une proximité frappante avec leurs propres pistes de travail, jusqu’alors non publiées — au point de les amener à se demander si leurs éléments de recherche n’avaient pas été exploités à leur insu.
OpenAI a répondu directement à cette accusation par la voix de Sébastien Bubeck, l’un de ses chercheurs : « Pour être clair, nous n’avons pas utilisé leurs prompts ou leurs résultats pour diriger nos modèles ou nos agents ». L’entreprise affirme n’avoir eu accès à aucun contenu utilisateur nominatif, sans pouvoir néanmoins garantir qu’aucun élément anonymisé, issu de l’usage courant de ses produits, n’ait indirectement nourri l’entraînement global de ses modèles. Pour les responsables sécurité, cet épisode rappelle l’enjeu des clauses de non-réutilisation dans les contrats d’entreprise, à l’heure où des équipes de R&D partagent quotidiennement du code et des données sensibles avec ces outils.
Une opération hors de prix pour la plupart des entreprises
Reste la question du coût. Mark Chen, responsable de la recherche chez OpenAI, a qualifié l’exercice de jalon important auprès de l’AFP : « C’est une étape significative de la recherche IA. C’est la promesse qu’il va devenir possible de répondre à d’autres questions parmi les plus complexes ». Il chiffre néanmoins la dépense totale à plusieurs millions de dollars — un montant qui, à lui seul, borne pour l’instant les usages envisageables de ce type d’architecture. Pharmacie, science des matériaux, logistique à grande échelle : les directions informatiques devront évaluer secteur par secteur si la puissance de calcul mobilisée trouve une contrepartie suffisante.