Le trombone ou la fourmi
Deux preuves du même problème, à treize heures d'écart. Entre les deux, l'humain n'est plus au même endroit de la chaîne.
Le 8 septembre 2026, deux preuves de la même famille ont été rendues publiques à treize heures d'intervalle. La première, celle de Tristan Buckmaster (NYU) et Levent Alpöge, montre qu'un fluide sans viscosité peut développer une singularité en temps fini sous une force lisse. La seconde, signée « OpenAI » sans aucun nom humain, montre la même chose pour le fluide visqueux, ce qui répond à la lettre d'un des problèmes du millénaire. Les deux sont vérifiées par ordinateur.
J'ai suivi ça toute la journée sur un téléphone, en lisant les deux communiqués côte à côte. Je ne comprends rien aux preuves ; c'est Fable, le modèle avec lequel je travaillais, qui m'a expliqué ce qu'il y avait dedans. Ce n'est pas grave, et ce n'est pas le sujet : comme presque tout le monde, je ne pourrai jamais lire ces textes. On a beaucoup parlé du coup de fil entre les deux camps, et de la question de savoir si des données avaient circulé. Ce n'est pas le sujet non plus. Le sujet est ce que ces deux preuves disent quand on les pose l'une à côté de l'autre.
Un an d'un côté, quatre jours de l'autre
Buckmaster et Alpöge travaillent depuis un an. Le programme qu'ils suivent n'est pas le leur : il vient de Diego Córdoba et Luis Martínez-Zoroa, deux mathématiciens qui construisent depuis plusieurs années des explosions de fluides sous une force extérieure. Buckmaster et Alpöge ont pris ce programme et l'ont poussé, avec des modèles de langage, jusqu'au cas que personne n'avait atteint. Ils disent précisément qui a fait quoi : les idées, le choix de la piste, les redirections viennent d'eux ; les estimations, les corrections, les vérifications viennent des modèles. Le 15 août la preuve sort de la machine. Le 22 août elle est certifiée. Buckmaster écrit que la première version générée était la preuve la plus illisible qu'il ait vue de sa vie, et il décide d'attendre pour la réécrire. J'y vois une exigence envers lui-même : avant de publier, s'assurer qu'il comprend ce que la machine a démontré.
Le 1er septembre, OpenAI entend une rumeur : un problème du millénaire serait en train de tomber, on ne sait pas lequel. Le jour même, un modèle interne non publié est lancé sur les sept problèmes à la fois. Pour Navier-Stokes, environ dix mille agents, 2,7 millions de messages échangés entre eux, 130 milliards de tokens produits, 88 heures. Une centaine d'agents règlent d'abord le cas sans viscosité ; on donne leur solution aux autres groupes et tout est réorienté vers Navier-Stokes. Le résultat tombe le samedi 5 septembre. La méthode ne suit pas le programme de Córdoba : c'est un tourbillon qui s'effondre sur son axe, corrigé par des ondes dont la moyenne annule ce qui déborde. Personne dans l'équipe qui a piloté l'opération n'est spécialiste des fluides. Les humains ont dirigé l'opération ; les modèles en ont trouvé la voie mathématique.
« Très peu d'input humain »
Le lendemain, sur l'appel avec Buckmaster, OpenAI dit que le modèle a reçu « très peu d'input humain ». Buckmaster découvre au fil de la conversation qu'une équipe entière a piloté, que plusieurs variantes ont été tentées, que les prompts ont été écrits par un autre modèle, et qu'une quantité de calcul énorme a été dépensée. Il en conclut qu'on lui a menti. Les deux avaient raison, parce qu'ils ne parlaient pas de la même chose.
Il y a deux sortes d'input humain. Il y a celui du mathématicien : une idée, un programme, l'intuition de la bonne porte. Buckmaster en a fourni. Bubeck dit explicitement que son équipe n'avait pas l'expertise de recherche nécessaire en dynamique des fluides et ne pouvait donc pas contribuer substantiellement au contenu mathématique. Et il y a celui de l'opérateur : choisir sur quoi on tire, répartir le calcul, faire circuler l'information entre les groupes, décider quand on change de cible. OpenAI en a fourni beaucoup. Bubeck explique justement que les personnes mobilisées servaient à tenter plusieurs problèmes avec différentes techniques multiagents. La distinction est dans son propre récit. « Très peu d'input humain » était vrai au premier sens et faux au second. OpenAI a tiré sur les sept problèmes parce qu'elle ne savait pas lequel visait la rumeur ; elle a compensé l'information manquante par l'échelle du calcul.
Ce que la rumeur a transmis
Car c'est cela que la rumeur a transmis : le fait qu'une chose était possible. À ce niveau de capacité, cette information peut suffire à relancer la recherche et à atteindre un résultat en quelques jours par une autre route. Un an de travail et une rumeur de quatre jours pèsent désormais le même poids dans la course à la publication.
En janvier 2025, un dirigeant d'OpenAI félicitait DeepSeek d'avoir « trouvé indépendamment » des idées qu'OpenAI utilisait déjà, en laissant entendre que DeepSeek s'était servi de ses modèles. En septembre 2026, OpenAI félicite Buckmaster et Alpöge, et écrit qu'elle ne peut exclure que leurs données aient contribué à améliorer son modèle. Les deux phrases se répondent sans qu'on ait besoin d'ajouter quoi que ce soit. La première ne décrivait pas DeepSeek ; elle décrivait ce que le monde allait devenir, y compris pour celui qui la prononçait.
La fourmi a changé de côté
Dans les deux preuves, il y a un travail de fourmi : des milliers d'estimations et de corrections que personne ne peut faire à la main dans le temps imparti. Ce qui a changé, c'est qui est la fourmi. Chez Buckmaster et Alpöge, la fourmi est la machine ; elle porte le matériau vers un programme humain. Chez OpenAI, la fourmi est l'humain : il lance, répartit, consolide, change de modèle, et porte le matériau vers une machine dont vient l'initiative mathématique.
L'un d'eux, Mo Bavarian, l'a écrit le soir même : son équipe a travaillé très dur sur la préparation, l'infrastructure et les exécutions, avec beaucoup de nuits blanches. Il revendique aussi un travail de simplification, de vérification et d'exposition du papier. Les humains reprenaient la preuve ; l'initiative venait des modèles. Pour décrire la machine, il cite Dario Amodei : « un pays de génies dans un datacenter ». Les nuits blanches des humains, les génies dans la machine. Le partage des rôles est dans ses propres mots.
La chaîne d'avant
L'American Mathematical Society a réagi en deux heures. Elle a rappelé la chaîne des noms, de Navier à Córdoba et Martínez-Zoroa, puis Alpöge et Buckmaster, puis « des mathématiciens d'OpenAI », et elle a écrit que le but des mathématiques est la compréhension humaine. Elle a raison sur le but. Sur la chaîne, elle décrit celle d'avant. Les mathématiques restent une affaire humaine ; c'est la place de l'humain dans la chaîne qui a changé. On peut mesurer les progrès de la machine sans mesurer aussi clairement ce qu'ils déplacent dans son propre rôle.
Les opérateurs d'OpenAI ont livré cent soixante-cinq pages, certifiées par un programme qu'ils n'ont pas écrit, à une communauté de spécialistes qui devra prendre le temps de se les approprier. La vérification par ordinateur date du 6, Buckmaster ne les avait pas vues lundi, et la société américaine de mathématiques a salué le résultat deux heures après la mise en ligne. Le résultat était certifié ; son appropriation par les humains pouvait continuer après l'annonce. Le basculement est là : la compréhension humaine n'est plus ce qui règle le calendrier de la découverte.
Ce qui reste
Le 22 août, certificat en main, Buckmaster a choisi d'attendre. Ce qui me retient dans cette décision, c'est l'exigence de comprendre lui-même, de pouvoir répondre intellectuellement de la preuve au-delà de son certificat. Réécrire devient alors une manière de s'assurer qu'on comprend. C'est le temps consacré à cette appropriation qui lui a coûté son avance, face à un concurrent qui n'avait pas besoin d'attendre une appropriation humaine complète pour publier.
J'avais écrit ici que l'IA était la cinquième blessure. Je ne suis pas sûr que le rôle de fourmi soit celui qui me convienne dans l'avenir de la recherche sur cette planète. Mais au moins il me laisse une place. Et je préfère ça que finir en trombone.
Contributeurs
Kira Kiranova - Relectrice et inspiratrice infatigable de mes nombreuses expéditions intellectuelles.
Note finale
Ce texte a été rédigé avec l'aide d'outils de synthèse IA, à travers des corrections et des allers-retours constants. La structure, les articulations et les impulsions sont les miennes ; c'est précisément cet effort qui me permet d'apprendre réellement ce que j'écris.
L'objectif de ce travail était avant tout pédagogique pour moi. BCS existe parce que je comprends mieux en écrivant. C'est le moteur essentiel de ces articles.
Souscrivez à mon blog BCS et recevez ma newsletter mensuelle une fois par mois, pas plus, pas moins - Résumé des articles récents et quelques infos.
or RSS feed.