OpenAI est accusé par un professeur de mathématiques de la New York University d’avoir lancé une offensive massive sur un problème majeur après avoir entendu parler des avancées réalisées par son équipe. Tristan Buckmaster affirme que des informations sur leurs travaux auraient atteint l’entreprise avant leur publication. OpenAI conteste avoir consulté leurs données privées, mais reconnaît ne pas pouvoir exclure totalement qu’un usage désidentifié de ses services ait contribué à améliorer ses modèles.
Deux chercheurs travaillaient sur un problème à 1 million de dollars
Tristan Buckmaster, professeur de mathématiques à la NYU, travaillait avec Levent Alpöge sur les équations de Navier-Stokes. Le sujet fait partie des sept problèmes du prix du millénaire, chacun associé à une récompense de 1 million de dollars pour une solution reconnue.
L’enjeu dépasse largement l’argent. Résoudre un problème de cette ampleur peut marquer toute une carrière scientifique.
Les deux chercheurs utilisaient eux-mêmes des outils d’intelligence artificielle pour progresser, notamment Codex d’OpenAI et Claude. Alpöge travaille chez Anthropic, même si ces recherches étaient menées indépendamment de son activité pour l’entreprise.
Ce détail compte beaucoup.
Les chercheurs, développeurs et ingénieurs confient désormais à des IA du code, des démonstrations ou des pistes encore confidentielles. OpenAI a justement renforcé certaines protections destinées aux professionnels avec une nouvelle option de confidentialité visant à mieux contrôler la conservation des données.
OpenAI se serait lancé après avoir entendu parler de leurs avancées
Le calendrier est au cœur du conflit.
OpenAI aurait lancé son effort récent sur Navier-Stokes le 1er septembre 2026, après avoir appris que des progrès importants auraient été réalisés sur plusieurs problèmes mathématiques majeurs.
Buckmaster affirme avoir ensuite cherché à savoir quand l’entreprise avait réellement commencé à travailler sur le sujet et quelle part de la recherche provenait directement d’humains.
Il dit alors avoir découvert qu’une équipe entière s’était mobilisée, avec des moyens de calcul considérables.
Pas seulement quelques chercheurs aidés d’un chatbot.
Des milliards de jetons mobilisés pour résoudre le problème
OpenAI affirme qu’un modèle interne de nouvelle génération est finalement parvenu à produire une démonstration complète.
L’effort mené sur plusieurs problèmes mathématiques pendant cette période aurait consommé des centaines de milliards de jetons, soit une quantité de calcul représentant potentiellement plusieurs millions de dollars aux tarifs commerciaux correspondants.
Le chiffre impressionne.
Il montre surtout comment la recherche peut changer lorsque des milliers de processus automatisés travaillent simultanément sur un même objectif. L’IA ne se contente plus de répondre à une question : elle peut multiplier les pistes, comparer des résultats et éliminer des impasses à grande vitesse.
Menow avait déjà rapporté un cas révélateur où des agents d’OpenAI avaient recréé un canal de communication afin de coordonner leurs actions.
Tristan Buckmaster trouve la coïncidence difficile à expliquer
Les soupçons du professeur ne reposent pas uniquement sur la vitesse à laquelle OpenAI est arrivé au résultat.
Buckmaster affirme que la voie mathématique suivie avec Alpöge était très spécifique et que très peu d’équipes travaillaient, à sa connaissance, dans cette direction.
Voir OpenAI arriver presque au même moment sur une approche comparable l’aurait donc poussé à s’interroger.
Un autre élément nourrit ses doutes : son équipe utilisait Codex pendant ses propres recherches.
Cela ne prouve pas qu’OpenAI a récupéré leurs travaux.
Mais la question devient difficile à éviter : lorsqu’un chercheur transmet à une IA une idée encore secrète, que devient exactement cette information ?
OpenAI affirme ne pas avoir consulté leurs conversations privées
OpenAI rejette l’accusation la plus grave.
L’entreprise assure que ses chercheurs et ses agents n’ont pas eu accès aux travaux privés de Buckmaster et Alpöge avant leur publication et qu’aucune donnée utilisateur spécifique n’a été utilisée pour résoudre le problème.
Une nuance subsiste malgré tout.
OpenAI indique ne pas pouvoir exclure totalement que des données désidentifiées issues de l’utilisation de ses produits aient participé à l’amélioration générale de ses modèles.
Cela ne signifie pas que les travaux des chercheurs ont été mémorisés puis reproduits. Ce serait aller trop loin.
Mais pour quelqu’un qui manipule des informations sensibles, cette distinction mérite d’être comprise. Une conversation avec un assistant IA ne doit pas automatiquement être considérée comme équivalente à un fichier conservé uniquement sur son ordinateur.
C’est aussi pour cette raison que les réglages de confidentialité proposés par OpenAI deviennent de plus en plus importants pour les professionnels.
Un désaccord autour du crédit des chercheurs aurait aggravé le conflit
L’affaire aurait ensuite pris une tournure plus personnelle.
Buckmaster affirme que le mathématicien Sébastien Bubeck lui aurait proposé un compromis impliquant de retirer Levent Alpöge d’une partie du crédit accordé aux recherches.
Le fait qu’Alpöge travaille chez Anthropic, concurrent d’OpenAI, aurait rendu le sujet particulièrement sensible. Buckmaster dit avoir refusé.
Il affirme également avoir reçu des propos qu’il a interprétés comme une pression sur sa carrière lorsqu’il a voulu rendre le conflit public.
Ces éléments reposent sur son témoignage. Ils ne doivent donc pas être considérés comme établis indépendamment.
Ils montrent malgré tout pourquoi le sujet est explosif. Sur un problème mathématique ouvert depuis des décennies, être crédité ou non peut peser lourd sur une carrière entière.
Codex n’est déjà plus un simple assistant de programmation
L’affaire arrive au moment où OpenAI pousse ses outils de développement beaucoup plus loin.
L’entreprise a notamment expliqué que GPT-5.3-Codex avait participé à son propre processus de développement, en aidant à déboguer du code, analyser des résultats et optimiser certaines infrastructures. Menow avait détaillé cette évolution de Codex.
Pour un chercheur, cela change la nature du risque.
Une IA peut être extrêmement utile pour vérifier une démonstration, chercher une erreur ou tester rapidement une hypothèse. Plus elle devient puissante, plus la valeur des informations qui lui sont confiées augmente.
Du code propriétaire, une invention non brevetée, une démonstration encore inédite ou une méthode originale peuvent tous représenter des actifs sensibles.
La puissance des agents IA change le rapport de force
Le cœur de cette affaire dépasse finalement la seule question de savoir si OpenAI a bénéficié ou non des travaux de Buckmaster.
Une petite équipe peut passer des mois sur une piste prometteuse. Un laboratoire doté d’une infrastructure gigantesque peut, dès qu’il identifie cette direction, lancer un très grand nombre d’agents pour l’examiner bien plus vite.
Le rapport de force change brutalement.
Un chercheur humain réfléchit, teste, revient en arrière et recommence. Des milliers d’agents peuvent explorer simultanément une quantité de possibilités hors de portée d’une équipe classique.
Les capacités de ces systèmes soulèvent déjà des questions dans d’autres domaines. Menow a notamment évoqué des tests dans lesquels des agents d’OpenAI et d’Anthropic ont franchi des limites inattendues lorsqu’ils disposaient d’une forte autonomie.
Dans la recherche scientifique, le problème est différent, mais une règle demeure : plus un agent gagne en autonomie, plus l’origine et l’usage des informations qu’il manipule deviennent sensibles.
Pour les chercheurs, la confidentialité devient un critère essentiel
Cette affaire rappelle une règle valable bien au-delà des mathématiques.
Avant de transmettre à une IA un travail non publié, du code propriétaire ou un document stratégique, il faut vérifier la conservation des données, les paramètres liés à l’entraînement et les protections disponibles sur le compte utilisé.
Ce n’est plus un détail juridique enfoui dans des conditions d’utilisation.
Lorsque des laboratoires peuvent mobiliser en quelques jours une puissance de calcul inaccessible à presque n’importe quelle équipe universitaire, protéger une idée avant sa publication devient aussi important que la développer.
L’affaire Buckmaster cristallise précisément cette nouvelle inquiétude : l’IA peut accélérer la recherche de façon spectaculaire, mais elle oblige aussi les chercheurs à réfléchir beaucoup plus sérieusement à ce qu’ils lui confient.
Samuel Le Goff suit l’actualité des smartphones, des systèmes d’exploitation mobiles et de l’intelligence artificielle depuis plus de 14 ans. Il couvre notamment Samsung, Xiaomi, Apple, Android, iOS et les grandes tendances du numérique.
