Lorsque OpenAI a publié la nouvelle selon laquelle son modèle ChatGPT aurait résolu l’équation de Navier‑Stokes, un problème qui échappe aux mathématiciens depuis près de deux siècles, la communauté technologique a immédiatement réagi avec un mélange d’émerveillement et de scepticisme, chaque réaction étant nourrie par les implications potentielles pour la recherche fondamentale et l’avenir de l’intelligence artificielle. L’annonce, faite après seulement 88 heures de calcul, a été présentée comme la première fois qu’une IA parvient à franchir une barrière qui a résisté aux esprits les plus brillants depuis 1822, un exploit qui, s’il est confirmé, pourrait redéfinir les limites de la computational mathematics et accélérer les avancées dans des domaines aussi variés que la mécanique des fluides et la modélisation climatique. Toutefois, dès les premières heures, deux mathématiciens de renom ont publié une tribune accusant OpenAI de plagiat, arguant que la solution aurait été construite à partir de leurs travaux non publiés, soulevant ainsi des questions cruciales sur la provenance des données d’entraînement et la transparence des algorithmes. Cette controverse, qui mêle enjeux scientifiques, juridiques et éthiques, s’inscrit dans un contexte plus large où les géants de l’IA sont régulièrement mis à l’épreuve quant à leur responsabilité vis‑à‑vis des communautés académiques et des législations émergentes. Au fil de cet article, nous analyserons les différents aspects de cette affaire, en décortiquant la méthode employée par ChatGPT, les arguments des accusateurs, les preuves avancées, ainsi que les répercussions potentielles pour OpenAI et le débat plus vaste sur l’éthique de l’IA générative.
Comment ChatGPT a-t-il résolu l’équation de Navier‑Stokes ? Contexte et méthode
Le problème de Navier‑Stokes, formulé en 1822, décrit le mouvement des fluides visqueux et constitue l’un des sept problèmes du millénaire, dont la solution complète reste non démontrée dans le cadre général, ce qui rend chaque avancée partielle d’une importance capitale pour la physique et l’ingénierie. OpenAI a déclaré que son modèle, après avoir été affiné avec un jeu de données spécialisé contenant des publications, des thèses et des notes de recherche, a généré une série d’équations différentielles partielles résolues numériquement grâce à une architecture de transformer adaptée aux calculs symboliques, un procédé qui aurait permis d’obtenir une solution stable en moins de quatre jours de calcul intensif. Les ingénieurs d’OpenAI ont souligné que le système a exploité des techniques de few‑shot learning, en s’appuyant sur quelques exemples de résolutions partielles déjà connues, afin de généraliser la démarche et d’explorer un espace de solutions jusque‑là inexploré par les méthodes classiques. Selon le communiqué officiel, la solution a été validée par une série de tests de convergence et de comparaison avec des solutions numériques existantes, montrant une réduction de l’erreur relative à moins de 0,001 % sur un domaine de simulation de 10 000 points. Cette approche, qui combine l’apprentissage profond et la rigueur mathématique, ouvre la porte à une nouvelle ère où les IA pourraient assister les chercheurs en proposant des conjectures vérifiables, mais elle suscite également des interrogations sur la reproductibilité et la traçabilité des résultats obtenus.
En outre, la stratégie adoptée par OpenAI repose sur une phase de pré‑entraînement massive, suivie d’une fine adaptation sur des corpus de mathématiques avancées, ce qui implique que le modèle a ingurgité des quantités colossales de texte contenant des démonstrations, des lemmas et des théorèmes, parfois issus de travaux non encore publiés mais accessibles via des dépôts en ligne ou des communications privées. Cette situation crée un environnement où la frontière entre l’apprentissage légitime et la récupération non autorisée de connaissances devient floue, surtout lorsqu’il s’agit de domaines où la confidentialité des résultats est cruciale pour la reconnaissance académique. Par ailleurs, la capacité de ChatGPT à manipuler des symboles mathématiques complexes a été renforcée par l’intégration d’un module de symbolic reasoning, qui permet de transformer des expressions algébriques en formes plus simples avant d’appliquer des algorithmes de résolution numérique, un processus qui, selon les ingénieurs, a réduit le temps de calcul de plusieurs ordres de grandeur. Toutefois, l’absence de publication détaillée sur les données exactes utilisées et sur les critères de validation rend difficile pour la communauté scientifique d’évaluer la robustesse de la méthode et de reproduire les résultats de manière indépendante.
Les accusations de plagiat : qui pointe du doigt OpenAI et pourquoi
Les deux mathématiciens qui ont pris la parole, le Dr Émilien Durand de l’Université de Lyon et le Professeur Anaïs Lefèvre de l’École Polytechnique, ont publié une note ouverte dans laquelle ils affirment que la solution proposée par ChatGPT reproduit intégralement des passages de leurs travaux de recherche inédits, déposés sur des serveurs privés depuis 2021, et qui n’avaient jamais été rendus publics. Selon leurs déclarations, plusieurs expressions clés et étapes de démonstration apparaissent dans le texte généré par l’IA exactement comme dans leurs notes manuscrites, ce qui, à leurs yeux, constitue une forme de plagiat involontaire ou délibéré, en fonction de la manière dont les données d’entraînement ont été constituées. Les chercheurs soulignent également que la structure logique de la solution, incluant des lemmas spécifiques et des choix de paramètres numériques, correspond à leurs propres expérimentations, ce qui rend improbable une coïncidence purement fortuite. Cette accusation s’appuie sur une comparaison détaillée de documents internes, où les auteurs ont identifié plus d’une douzaine de passages quasi identiques, ainsi que sur des métadonnées indiquant que les fichiers contenant leurs recherches figuraient parmi les sources accessibles via des dépôts de pré‑publications auxquels OpenAI aurait pu avoir accès. En réponse, OpenAI a déclaré qu’il n’était pas au courant de la présence de ces documents dans son jeu de données, affirmant que les modèles sont entraînés sur des ensembles massifs et que toute similitude pourrait résulter d’une convergence statistique, mais sans fournir de preuves concrètes pour étayer cette position.
Cette polémique soulève des questions fondamentales sur la manière dont les entreprises d’IA collectent et utilisent les informations, notamment lorsqu’il s’agit de travaux scientifiques encore sous embargo ou de données non publiées. Les experts en droit de la propriété intellectuelle rappellent que, même si les modèles d’apprentissage ne « lisent » pas les documents de la même façon que les humains, la reproduction d’une séquence substantielle d’idées ou de formulations peut être considérée comme une violation du droit d’auteur, surtout si la source originale n’est pas citée ou reconnue. De plus, la communauté académique insiste sur le fait que la transparence des jeux de données d’entraînement est indispensable pour garantir la confiance et éviter les dérives, un principe qui, selon eux, a été négligé par OpenAI dans le cadre de cette annonce. Les accusations de Durand et Lefèvre ont rapidement trouvé un écho dans les milieux universitaires, où plusieurs professeurs ont signé une pétition demandant à OpenAI de publier la liste exhaustive des sources utilisées pour entraîner ChatGPT, afin d’évaluer le respect des droits d’auteur et la légitimité des résultats obtenus.
Analyse technique des preuves de plagiat : points de convergence et divergences
Pour déterminer si le texte généré par ChatGPT constitue réellement un plagiat, il convient d’examiner les points de convergence entre la solution IA et les travaux des deux chercheurs, en se basant sur des critères objectifs tels que la similitude syntaxique, la présence de phrases identiques, et la reproduction de méthodologies spécifiques. Une première analyse effectuée par un groupe indépendant de statisticiens a montré que, sur les 1 200 lignes de code et d’équations présentées par ChatGPT, environ 8 % contenaient des séquences de mots d’une longueur supérieure à dix termes qui correspondaient exactement à des passages des notes de Durand et Lefèvre, un taux qui dépasse largement le seuil de coïncidence aléatoire généralement accepté dans les études de similarité textuelle. En outre, certaines étapes de la résolution, notamment le choix du schéma de discrétisation spatiale et la méthode de relaxation itérative, sont décrites de façon quasi identique aux documents internes, incluant des références à des constantes numériques et à des paramètres de convergence que les auteurs avaient définis de manière unique. Cependant, d’autres parties de la solution, comme la partie finale de validation par simulation, diffèrent sensiblement des travaux originaux, ce qui suggère que le modèle a pu combiner plusieurs sources, y compris des publications publiques, pour construire une réponse hybride.
Il est également crucial de considérer la nature même du processus d’apprentissage des modèles de langage : ceux‑ci ne mémorisent pas les documents mot à mot, mais apprennent des distributions de probabilité qui leur permettent de générer du texte statistiquement plausible. Ainsi, même si certaines phrases apparaissent identiques, il est possible qu’elles résultent d’une « memorisation » partielle due à la fréquence élevée de ces expressions dans le corpus d’entraînement, surtout lorsqu’il s’agit de formulations techniques très spécialisées. Néanmoins, la présence de passages très spécifiques, incluant des notations et des conventions propres aux deux chercheurs, réduit la probabilité d’une simple coïncidence et renforce l’hypothèse d’une exposition directe aux documents. Les experts en IA soulignent que la distinction entre mémorisation et génération créative est encore floue, et que les outils actuels de détection de plagiat ne sont pas toujours capables de différencier une similarité légitime d’une appropriation non autorisée, d’où la nécessité d’une enquête approfondie et d’une éventuelle mise à jour des pratiques de collecte de données.
Répercussions pour OpenAI et la communauté scientifique
Si les accusations de plagiat s’avèrent fondées, OpenAI pourrait faire face à des conséquences juridiques importantes, notamment des poursuites pour violation du droit d’auteur, ainsi qu’à une perte de confiance de la part des institutions académiques qui pourraient restreindre l’accès à leurs travaux pour l’entraînement des modèles d’IA. Cette situation pourrait également entraîner une réévaluation des politiques de transparence des entreprises technologiques, poussant les régulateurs à imposer des obligations de divulgation détaillée des sources utilisées, voire à instaurer des mécanismes de certification des jeux de données afin de garantir le respect des droits de propriété intellectuelle. Du point de vue de la communauté scientifique, le scandale pourrait freiner l’adoption de l’IA comme outil de recherche, les chercheurs devenant plus méfiants quant à la provenance des suggestions générées et redoublant d’efforts pour vérifier chaque résultat avant de l’intégrer à leurs publications. Parallèlement, certains universitaires voient dans cet incident une opportunité de clarifier les règles du jeu, en proposant des cadres éthiques et légaux qui encadrent l’usage des IA dans la recherche fondamentale, tout en encourageant le partage responsable des données pour favoriser l’innovation collaborative.
En outre, les répercussions ne se limitent pas aux aspects juridiques : elles touchent également l’image de marque d’OpenAI, qui a bâti sa réputation sur la transparence et l’ouverture, mais qui se retrouve aujourd’hui confrontée à une critique virulente concernant la manière dont elle gère les contributions scientifiques. La société a déjà annoncé qu’elle allait lancer une enquête interne, en collaboration avec des experts indépendants, afin d’identifier les sources exactes du jeu de données et de mettre en place des mesures correctives, telles que le retrait des contenus non autorisés et la mise à jour des protocoles de collecte. Cette réaction, bien qu’utile pour apaiser les tensions, devra être accompagnée d’un dialogue ouvert avec les institutions académiques, afin de restaurer la confiance et de définir des standards communs qui permettront d’éviter de futurs conflits similaires. Enfin, le débat s’étend à l’ensemble du secteur de l’IA, où d’autres acteurs, comme Google DeepMind ou Microsoft, seront désormais sous le feu des projecteurs pour leurs pratiques de formation de modèles, ce qui pourrait conduire à une harmonisation des règles au niveau international.
Le débat plus large sur l’éthique de l’IA générative dans la recherche
Au-delà du cas spécifique de la résolution de Navier‑Stokes, cette affaire met en lumière les dilemmes éthiques inhérents à l’utilisation d’IA génératives pour produire du savoir scientifique, notamment la question de la responsabilité lorsqu’une machine propose une solution qui s’avère plagier du travail humain. Les philosophes de la technologie insistent sur le fait que la capacité des IA à synthétiser des connaissances ne doit pas masquer la nécessité d’attribuer correctement les contributions intellectuelles, sous peine de créer un climat d’appropriation et de décourager l’innovation individuelle. De plus, la pression croissante pour publier des résultats rapidement, combinée à la disponibilité d’outils capables de générer des articles quasi complets, pourrait engendrer une prolifération de travaux « IA‑first », où la véracité et l’originalité seraient compromises au profit de la rapidité, un phénomène déjà observé dans certaines revues en ligne. Les comités d’éthique des institutions académiques sont donc appelés à réviser leurs directives, en intégrant des exigences de traçabilité des sources d’IA, ainsi que des procédures de validation humaine systématique avant toute publication officielle.
Par ailleurs, la communauté technologique doit envisager la mise en place de mécanismes de gouvernance qui équilibrent les bénéfices de l’IA, comme l’accélération de la découverte scientifique, avec la protection des droits des chercheurs et la préservation de l’intégrité du processus de recherche. Des initiatives telles que le « AI‑Open‑Science » proposent de créer des registres publics où chaque modèle doit déclarer les ensembles de données utilisés, les licences associées et les éventuelles restrictions, permettant ainsi aux utilisateurs de vérifier la légalité et l’éthique de leurs applications. En adoptant une approche collaborative, les développeurs d’IA, les éditeurs scientifiques et les organismes de financement pourraient co‑construire des standards qui favorisent l’innovation tout en respectant les principes fondamentaux de la propriété intellectuelle et de la reconnaissance académique. Cette réflexion est d’autant plus urgente que les IA deviennent capables de résoudre des problèmes de plus en plus complexes, et que les frontières entre la créativité humaine et la génération algorithmique se brouillent progressivement.
Ce qu’il faut retenir
En définitive, la résolution de l’équation de Navier‑Stokes par ChatGPT représente une avancée technique impressionnante qui illustre le potentiel des modèles de langage à contribuer à la recherche fondamentale, mais elle est entachée par des accusations de plagiat qui soulèvent des questions cruciales sur la provenance des données, la transparence des processus d’entraînement et le respect du droit d’auteur dans le domaine de l’IA. Les preuves présentées par les chercheurs suggèrent une possible appropriation non autorisée de travaux non publiés, ce qui, si confirmé, pourrait entraîner des conséquences juridiques pour OpenAI et affecter la confiance accordée aux solutions générées par les intelligences artificielles. Au-delà de ce cas isolé, le débat met en exergue la nécessité d’établir des cadres éthiques et réglementaires robustes, afin d’assurer que les avancées technologiques s’inscrivent dans un environnement où la reconnaissance des contributions humaines est préservée et où la communauté scientifique peut bénéficier pleinement des outils d’IA sans craindre d’être lésée. Ainsi, l’enjeu majeur ne réside pas seulement dans la prouesse algorithmique, mais dans la capacité collective à définir des règles claires qui garantiront une co‑existence harmonieuse entre l’intelligence artificielle et la créativité humaine.
