The Fort Worth Press - OpenAI dit avoir résolu un problème de maths majeur en moins de quatre jours

"C'est une étape significative de la recherche IA", a estimé Mark Chen, responsable de la recherche chez OpenAI, lors d'un point de presse.

"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 la conception d'une aile d'avion.

Elle a été posée par les travaux du mathématicien et ingénieur français Henri Navier en 1822, complétés par ceux du physicien et mathématicien George Gabriel Stokes, qui lui a donné sa forme définitive en 1845.

Son importance a été jugée telle qu'elle a été sélectionnée, en 2000, par l'organisation pour la recherche Clay Mathematics Institute parmi sept problèmes dits du millénaire dont la résolution vaudrait à son auteur un prix d'un million de dollars.

- Milliards de dollars -

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.

Le coût de la puissance de calcul utilisée pour atteindre l'objectif se monte à "des millions de dollars", a expliqué Mark Chen.

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 notres pouvaient le faire aussi."

Quelques heures avant l'annonce d'OpenAI, le mathématicien australien Tristan Buckmaster avait 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 lui, le modèle d'OpenAI a repris cette piste pour parvenir à sa solution.

- Similarités -

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.

"Pour être clair, nous n'avons pas utilisé leurs prompts ou leurs résultats pour diriger nos modèles ou nos agents", a assuré un chercheur d'OpenAI, Sébastien Bubeck, lors du point de presse.

Un peu plus tard, OpenAI a admis ne pas pouvoir "écarter" le scénario selon lequel des données anonymisées du duo de chercheurs "aient pu aider à améliorer nos modèles", tout en soulignant que la démonstration mathématique de son IA différait "sensiblement" de la leur.

Sollicité par l'AFP, le président de la Clay Mathematics Institute a salué "une journée enthousiasmante".

Il a néanmoins rappelé que le processus d'évaluation d'une solution se faisait "volontairement sans hâte", notamment pour "nous 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.

M.McCoy--TFWP