OpenAI face à un différend sur un effort de preuve de Navier–Stokes assisté par IA

Le professeur de mathématiques de NYU, Tristan Buckmaster, affirme qu’OpenAI s’est orienté vers une approche de premier plan du problème d’existence et de régularité de Navier-Stokes après avoir pris connaissance des travaux qu’il achevait avec le mathématicien d’Anthropic Levent Alpöge. Le différend est apparu lorsque Buckmaster et Alpöge ont annoncé des résultats préliminaires et qu’OpenAI a publié ce qu’elle a décrit comme une preuve complète du même problème central.

L’épisode combine une avancée mathématique potentiellement importante avec une question difficile pour la recherche en IA : lorsqu’une équipe assistée par un modèle apprend que des chercheurs externes ont trouvé une voie prometteuse, dans quelle mesure peut-elle utiliser cette direction sans s’approprier indûment le travail des chercheurs ? Les éléments disponibles se composent principalement du récit de Buckmaster et de la propre déclaration d’OpenAI. Le matériel source ne fournit aucune confirmation indépendante que la preuve d’OpenAI soit correcte ou qu’elle ait utilisé des données confidentielles d’utilisateurs.

Une course autour d’un problème de mathématiques à 1 million de dollars

Le problème d’existence et de régularité de Navier-Stokes est l’un des sept problèmes du prix du millénaire établis par le Clay Mathematics Institute. Une solution correcte rapporte 1 million de dollars et permettrait de résoudre une question de longue date sur le comportement mathématique des équations d’écoulement des fluides.

Buckmaster a annoncé trois preuves avec Alpöge, les décrivant comme des résultats préliminaires qui faisaient avancer le problème plus large. Leur travail utilisait plusieurs systèmes d’IA, principalement Codex d’OpenAI et Anthropic Claude, mais Alpöge agissait de manière indépendante et non au nom d’Anthropic.

Selon la déclaration de Buckmaster, les chercheurs ont appris, alors qu’ils finalisaient leurs résultats, que des informations sur leurs progrès étaient parvenues à OpenAI. Il dit qu’OpenAI leur a alors indiqué avoir déjà obtenu une preuve complète. La propre communication d’OpenAI a précisé que son effort le plus récent avait commencé le 1er septembre, après la circulation de rumeurs selon lesquelles deux problèmes du prix du millénaire avaient été résolus.

Ce timing est au cœur du différend. Buckmaster soutient que la voie particulière suivie par son équipe n’était pas une réponse évidente à l’énoncé du problème et n’était explorée que par un nombre relativement limité de chercheurs. Il a donc trouvé suspect qu’après avoir pris connaissance du travail extérieur, l’équipe d’OpenAI ait adopté, selon sa description, la même direction.

Ce qu’allègue Buckmaster et ce qu’affirme OpenAI

Buckmaster dit que les discussions avec OpenAI sont devenues de plus en plus floues lorsqu’il a demandé quand l’entreprise avait commencé son travail et quelle part de guidance humaine avait été impliquée. Il allègue qu’une grande équipe a été affectée au problème et qu’une quantité inhabituelle de puissance de calcul a été utilisée.

Il dit aussi que le chercheur d’OpenAI Sébastien Bubeck lui a demandé de retirer le crédit d’Alpöge dans le cadre d’un possible compromis. Buckmaster allègue en outre que Bubeck l’a averti de ne pas rendre le différend public. Ces déclarations sont des allégations de Buckmaster, et non des faits établis indépendamment dans le reportage disponible.

Le compte rendu publié par OpenAI confirme que son effort a commencé après le 1er septembre et reconnaît des conversations en cours avec Buckmaster et Alpöge. L’entreprise dit que sa preuve diffère considérablement des travaux des chercheurs, notamment par une distinction entre formulations forcées et non forcées dans le résultat lié à Euler.

L’entreprise a également rejeté l’idée que ses chercheurs ou agents d’IA aient directement consulté les travaux non publiés de l’équipe avant leur publication. OpenAI a déclaré qu’aucune donnée utilisateur spécifique n’avait été consultée pour résoudre le problème. Elle a néanmoins reconnu qu’elle ne pouvait pas exclure la possibilité que des données dé-identifiées dérivées de l’utilisation du produit aient aidé à améliorer ses modèles.

Cette précision compte, car Buckmaster a largement utilisé Codex. OpenAI se réserve la possibilité d’entraîner des modèles sur les interactions Codex, bien que les utilisateurs puissent s’y opposer. Le matériel source n’établit ni que les interactions de Buckmaster ont été incluses dans l’entraînement, ni qu’un modèle a reproduit son travail, ni que de telles données ont influencé la preuve d’OpenAI.

Les affirmations de preuve restent non vérifiées dans ce récit

OpenAI affirme qu’un modèle de prochaine génération non publié a découvert la preuve après un effort d’une semaine impliquant 300 milliards de jetons de sortie. TechCrunch a rapporté une estimation de calcul de 22,5 millions de dollars basée sur les prix alors en vigueur d’Astra. Il s’agit de chiffres rapportés et d’affirmations liées à l’entreprise, non de mesures vérifiées de manière indépendante.

De même, l’existence d’une « preuve complète » ne doit pas être considérée comme équivalente à une solution acceptée par la communauté mathématique. Les solutions du prix du millénaire exigent une vérification détaillée, et les éléments sources n’incluent ni évaluation par les pairs, ni décision du Clay Mathematics Institute, ni confirmation de mathématiciens indépendants que l’argument d’OpenAI est solide.

Les résultats de Buckmaster et Alpöge sont eux aussi décrits comme préliminaires. Leur importance dépendra peut-être en fin de compte de la possibilité d’achever les travaux, de les vérifier et de montrer qu’ils résolvent les conditions exactes du problème de Navier-Stokes. En mathématiques avancées, un argument généré par IA peut être précieux sans être correct, complet ou éligible à un prix formel.

L’épisode comporte donc deux affirmations distinctes qu’il ne faut pas confondre. L’une est mathématique : l’une ou l’autre équipe a-t-elle produit une solution valide ? L’autre est procédurale : OpenAI a-t-elle utilisé des informations obtenues lors de conversations avec les chercheurs ou adopté leur approche de manière injuste ? Aucune de ces deux questions n’est tranchée par les seules déclarations disponibles.

Pourquoi le différend compte pour les équipes de recherche en IA

Pour les développeurs d’IA et les organisations de recherche, le conflit met en lumière un problème croissant de gouvernance autour de la découverte assistée par modèle. Un scientifique utilisant un système de codage ou de raisonnement hébergé peut produire un travail inédit au sein d’une plateforme dont le fournisseur conserve une certaine capacité d’utiliser les données d’interaction pour améliorer le modèle. Même si aucun employé ne lit directement le travail privé d’un utilisateur, des questions peuvent surgir concernant l’exposition à l’entraînement, la mémorisation, les contrôles d’accès et la provenance des productions ultérieures.

L’affaire met aussi la pression sur les pratiques de divulgation. Les équipes utilisant des systèmes d’IA pour des recherches originales peuvent avoir besoin d’enregistrements plus clairs des prompts, des versions du modèle, des paramètres de rétention des données, des contributions humaines et du moment où les idées clés sont apparues. Ces enregistrements pourraient devenir importants lorsque plusieurs groupes rapportent des résultats similaires ou lorsqu’un modèle produit une preuve après avoir été exposé à des recherches connexes.

Pour les acheteurs d’entreprise, la question pratique ne se limite pas aux mathématiques. Les mêmes préoccupations s’appliquent lorsque des employés utilisent des outils d’IA pour développer des algorithmes propriétaires, des conceptions de produits, des stratégies juridiques ou des résultats scientifiques. Les organisations voudront une clarté contractuelle sur l’utilisation pour l’entraînement, une isolation plus forte des sessions sensibles et des procédures pour enquêter sur d’éventuels recoupements entre le travail des clients et la recherche du fournisseur.

L’histoire complique aussi la concurrence entre laboratoires d’IA. L’emploi d’Alpöge chez Anthropic, malgré son rôle indépendant dans ce projet, semble avoir ajouté une tension institutionnelle. Si des chercheurs pensent qu’une affiliation avec une entreprise rivale peut affecter le crédit ou l’accès à la collaboration, le travail scientifique interentreprises pourrait devenir plus difficile précisément au moment où la recherche de pointe en IA en dépend.

Ce qu’il faudra surveiller ensuite

Le premier signal sera l’examen mathématique indépendant de la preuve revendiquée par OpenAI et des résultats préliminaires de Buckmaster et Alpöge. Un dépôt formel, des détails techniques publics ou une évaluation liée au Clay Mathematics Institute aideraient à distinguer une véritable solution d’une sortie de modèle impressionnante mais incomplète.

Les chercheurs devraient aussi surveiller la documentation relative à la chronologie des deux efforts : quand OpenAI a reçu pour la première fois les informations pertinentes, ce qui a été montré à ses systèmes, et si des données d’interaction Codex étaient éligibles à l’entraînement. La clarification des paramètres de rétention des données et de désinscription utilisés par Buckmaster serait pertinente, même si elle ne prouverait pas à elle seule une contamination du modèle.

Enfin, le différend pourrait inciter les laboratoires d’IA et les institutions académiques à établir des normes plus claires en matière de crédit, de confidentialité et de priorité lorsque des modèles participent à la recherche. Le résultat pourrait influencer la manière dont les découvertes futures sont consignées et la façon dont les scientifiques choisissent entre des outils d’IA hébergés et des systèmes contrôlés localement.

Point de vue Creati.ai

La tentation immédiate est de présenter cela comme une compétition visant à savoir qui a résolu en premier un problème célèbre. La question plus décisive est de savoir si la recherche assistée par IA dispose de règles de provenance adéquates lorsque le travail d’un scientifique passe par un fournisseur commercial de modèles. Le démenti d’OpenAI concernant un accès direct et son aveu qu’une influence dé-identifiée ne peut être exclue laissent un écart entre possibilité technique et preuve.

Tant que les affirmations mathématiques et le calendrier de recherche n’auront pas été examinés indépendamment, la conclusion responsable est limitée : OpenAI a annoncé un effort majeur de preuve, tandis que Buckmaster a soulevé de sérieuses questions sur la priorité, l’attribution et l’utilisation des données. Pour les développeurs et les entreprises, cette affaire plaide pour des flux de travail IA auditables — et non pour supposer que les modèles hébergés copient les utilisateurs ou que les percées générées par modèle sont déjà validées.