Le problème du millénaire à un million de dollars face au choc de la boîte noire
En 2000, le Clay Mathematics Institute a formulé les sept problèmes du prix du millénaire, assortis d’une récompense d’un million de dollars chacun. Vingt-six ans plus tard, à l’exception notable de la conjecture de Poincaré, les six autres défis demeurent invaincus. Parmi eux figure le problème de la régularité globale des équations de Navier-Stokes. Régissant les lois fondamentales du mouvement des fluides et des gaz, ce système d’équations aux dérivées partielles non linéaires permet aussi bien de prédire l’évolution des masses nuageuses et les courants océaniques que de modéliser avec précision l’écoulement du sang dans les artères humaines.
La question de la régularité globale soulève une interrogation d’une apparente simplicité, mais d’une complexité mathématique vertigineuse : pour des conditions initiales lisses dans un espace tridimensionnel, la vitesse du fluide peut-elle tendre vers l’infini en un temps fini ? En termes courants, le mouvement du fluide peut-il s’emballer à un instant précis jusqu’à « exploser », engendrant une singularité physiquement inexplicable ?
Le 3 septembre 2026, le médaillé Fields Terence Tao a publié un fil de six messages sur Mathstodon, propulsant ce problème de mathématiques pures au cœur des débats sur l’ingénierie algorithmique et la puissance de calcul. Son inquiétude : que se passerait-il si un modèle d’apprentissage profond venait à résoudre ce problème historique par la force brute avant même que les mathématiciens n’aient saisi les mécanismes conceptuels sous-jacents ? Cet avertissement touche à l’angoisse la plus vive de la recherche universitaire contemporaine : voir des entreprises privées aligner une puissance de calcul démesurée pour livrer un résultat brut, tout en refusant de divulguer la moindre trace de leur cheminement déductif.
Photo : Terence Tao lors de l’IPAM Fireside Chat 2026. Source : Wikimedia Commons
Quand les stratégies de démonstration deviennent des cibles pour la force brute
Ces dernières années, le consensus de la communauté mathématique autour de la singularité de Navier-Stokes a basculé. De plus en plus de chercheurs de premier plan penchent pour l’existence effective de singularités en temps fini. Afin d’établir ce contre-exemple, les mathématiciens ont développé une stratégie constructive rigoureuse en quatre étapes :
- Concevoir un ansatz quasi-autosimilaire pour une solution explosant en temps fini.
- Trouver par vérification numérique une solution approchée satisfaisant cet ansatz jusqu’à un résidu extrêmement faible et calculable.
- Mener une analyse de stabilité rigoureuse dans des coordonnées renormalisées, démontrant que l’ansatz peut être perturbé en une solution exacte si le résidu est suffisamment petit.
- Vérifier que le résidu se situe bel et bien sous le seuil critique de stabilité.
Cette démarche est d’une difficulté titanesque. Elle implique d’explorer des espaces de paramètres astronomiques et d’effectuer d’innombrables contrôles aux limites, poussant les capacités de calcul humain sur papier dans leurs derniers retranchements.
Or, là où la déduction manuelle atteint ses limites, les algorithmes d’apprentissage automatique et la puissance brute de calcul trouvent une porte d’entrée idéale. L’IA excelle à balayer des espaces de paramètres de haute dimension pour identifier des ansätze prometteurs et à minimiser les résidus à travers une infinité de combinaisons. Traduire une vérification mathématique complexe en un problème d’optimisation d’une fonction de récompense en apprentissage par renforcement est une voie parfaitement viable sur le plan de l’ingénierie.
Pourquoi une « réponse morte » verrouille l’expansion théorique
Dans son cinquième message, Terence Tao a esquissé un scénario cauchemardesque : un système d’IA autonome, adossé à une gigantesque ferme de GPU, boucle l’ensemble des itérations et des vérifications en circuit fermé. Il finit par produire un ansatz d’une complexité inouïe et une solution exacte. Mais, au nom du secret industriel, l’entreprise d’IA refuse d’en révéler les rouages.
La communauté scientifique recevrait alors pour seul héritage une boîte noire proclamant que « le problème est résolu », accompagnée d’un amas de matrices de paramètres indéchiffrables pour l’esprit humain. Face à un artefact ainsi parachuté, les mathématiciens ne pourraient ni reproduire la démarche, ni en extraire la moindre méthode théorique nouvelle.
Sous un angle purement technique, le problème aurait été liquidé par la machine. Pourtant, pour le corpus des connaissances humaines, la discipline n’aurait enregistré aucun gain réel. En franchissant d’un coup de force calculatoire le cheminement de la démonstration, le modèle met fin au suspense, mais il condamne dans le même temps toutes les voies de prolongement intellectuel de ce domaine.
Photo : Tourbillons de sillage d’un avion — la turbulence décrite par les équations de Navier-Stokes. Source : Domaine public NASA (Wikimedia)
Les sous-produits de la démonstration sont le véritable plat principal
Si un prix d’un million de dollars est proposé pour un problème de mathématiques pures, ce n’est pas parce que le monde réel attend désespérément une réponse binaire et isolée. La vocation profonde d’une telle récompense est d’ériger l’énigme en aiguillon : inciter les esprits les plus brillants à concevoir des outils mathématiques inédits au cours de leur quête.
Pour tenter de percer le mystère de Navier-Stokes, l’histoire des mathématiques a vu éclore des pans entiers de la théorie moderne. Le cadre des solutions faibles de Jean Leray (solutions de Leray-Hopf) a refondé la notion même d’existence pour les équations aux dérivées partielles. Les inégalités de Gagliardo-Nirenberg sont devenues les fondations de l’analyse fonctionnelle contemporaine. Le critère d’explosion de Beale-Kato-Majda a fixé une norme quantitative pour déterminer à quel moment le tourbillon d’un fluide échappe à tout contrôle.
Terence Tao lui-même, en s’attaquant à ce problème, a introduit le concept de « calcul fluide et universalité de Turing », dressant une passerelle inattendue entre la mécanique des fluides et la topologie symplectique. Tous ces sous-produits constituent aujourd’hui les piliers porteurs de l’édifice mathématique moderne.
Pour reprendre les termes mêmes de Tao dans son sixième message : résoudre prématurément le problème par des méthodes d’IA pure — tout particulièrement sans une transparence absolue sur le processus de résolution — risque de contaminer cette démarche, au point de devenir un bilan net négatif pour le progrès des mathématiques dans leur ensemble. Une avancée mathématique délestée de son cheminement déductif n’est rien d’autre qu’un spécimen sans vie.
Un vaccin contre la frénésie de la puissance de calcul
Devant l’écho suscité par ses propos, Tao a publié une mise au point deux jours plus tard. Il a clairement précisé qu’aucune percée concrète n’a encore eu lieu sur Navier-Stokes et que la réflexion demeure pour l’instant au stade de l’expérience de pensée. Cependant, au rythme actuel du développement de l’IA, cette perspective n’a plus rien d’une chimère.
La mise en garde des mathématiciens n’est pas une plainte impuissante face à une forteresse déjà conquise. Elle constitue une démarche préventive, mobilisant l’autorité de la recherche fondamentale pour vacciner le milieu scientifique contre l’opacité annoncée des résultats en boîte noire.
Les géants de la tech qui accumulent une puissance de calcul sans précédent ont de puissants motifs de communication : s’attribuer la résolution d’un problème du millénaire constituerait le trophée suprême pour vanter l’intelligence de leurs modèles. Cette prise de parole lucide vise à reprendre par anticipation le contrôle de la définition du progrès scientifique, en contraignant le capital commercial à dévoiler le tracé de sa pensée plutôt qu’à exhiber ses seuls sprints de calcul.
Redéfinir les critères d’acceptation d’une démonstration
L’intrusion brutale de l’IA somme la communauté humaine de réexaminer les critères fondamentaux qui qualifient la résolution d’un problème. Pendant des siècles, la validation d’une preuve mathématique a reposé sur une logique sans faille et sur l’évaluation par les pairs. Quand les machines s’invitent avec des dizaines de milliards de paramètres et des téraflops de calcul flottant, l’exactitude brute cesse d’être le critère déterminant.
Les solutions futures aux grands défis scientifiques devront impérativement constituer des systèmes déductifs ouverts, que l’être humain puisse disséquer, assimiler et féconder pour bâtir de nouvelles théories. Si un algorithme ne peut exposer sa démarche sous une forme intelligible pour l’esprit humain, il échoue aux exigences de la science. Si une démonstration ne fournit aucune méthodologie transposable aux disciplines connexes, elle ne demeure qu’un vacarme clos de signaux électriques au cœur d’une machine.
Laissons les résultats de la boîte noire aux calculateurs. Préservons dans le patrimoine partagé du savoir humain les cheminements déductifs capables de faire germer de nouveaux outils. Lorsque les algorithmes menacent de noyer le processus théorique sous des déluges de calcul, le monde académique doit opposer un refus sans concession aux copies parfaites qui dissimulent leurs calculs.
Liens de référence :
- Fil de 6 messages de @tao sur Mathstodon
- Message de clarification de @tao sur Mathstodon
