En une semaine, l’IA s’attaque à un mystère mathématique vieux de 90 ans et cartographie 9 milliards de mutations de l’ADN

Une semaine qui a réorienté l’IA de pointe vers la science fondamentale

En une seule semaine de septembre 2026, des systèmes d’IA de pointe sont passés du chat grand public et de l’assistance au code à deux des problèmes ouverts les plus difficiles de la science. OpenAI a déployé environ 10 000 agents d’IA travaillant en parallèle pendant 88 heures pour s’attaquer au problème de l’existence et de la régularité des équations de Navier-Stokes — l’un des sept problèmes du prix du millénaire, doté d’une récompense d’un million de dollars depuis que le Clay Mathematics Institute l’a formulé en 2000. La même semaine, Google DeepMind a publié AlphaGenome Atlas, une base de données de recherche gratuite contenant des prédictions générées par IA sur l’effet biologique de l’ensemble des 9 milliards de mutations ponctuelles possibles dans le génome humain. Aucun des deux résultats n’est un produit fini prêt pour le marché. Tous deux signalent où les grands laboratoires d’IA de pointe orientent désormais leurs plus importants budgets de calcul — vers la science fondamentale, et non plus seulement vers les interfaces de chat et les copilotes de code.

Une preuve partielle, à une échelle énorme

Les équations de Navier-Stokes décrivent le mouvement des fluides — l’eau dans un tuyau, l’air sur une aile, le sang dans une artère — et les mathématiciens les utilisent depuis le XIXe siècle sans jamais avoir prouvé, dans toute leur généralité, que des solutions régulières existent toujours et le restent dans le temps (plutôt que de dégénérer en singularité). Prouver cela pour un écoulement tridimensionnel est l’un des sept problèmes du prix du millénaire.

Le système d’OpenAI a abordé le problème en faisant fonctionner environ 10 000 agents d’IA ayant échangé près de 3 millions de messages entre eux, générant 130 milliards de jetons de sortie en 88 heures — soit une dépense de calcul estimée à 10 millions de dollars aux tarifs standards de ses modèles les plus avancés. Le prix du millénaire exige en réalité la preuve de quatre énoncés distincts pour résoudre complètement le problème ; le système d’OpenAI a produit une solution partielle rigoureuse couvrant deux des quatre. L’entreprise a explicitement déclaré qu’elle ne revendiquerait pas le prix pour ce résultat, le présentant plutôt comme une démonstration de l’avancée du raisonnement multi-agents à grande échelle sur des problèmes qui ont résisté aux mathématiciens humains pendant près d’un siècle.

Chaque mutation humaine possible, cartographiée

Le second résultat s’attaque à un problème d’échelle différent. Le génome humain peut subir environ 9 milliards de mutations ponctuelles (une seule lettre) possibles. Déterminer la conséquence biologique probable de chacune d’entre elles — si elle perturbe un gène, altère la fonction d’une protéine, ou n’a pratiquement aucun effet — a toujours nécessité un travail expérimental ou computationnel minutieux, mutation par mutation, qui aurait demandé plusieurs vies de chercheurs pour être mené à terme de façon exhaustive.

AlphaGenome Atlas de Google DeepMind, publié la même semaine que le résultat sur Navier-Stokes, est une base de données de recherche gratuite regroupant des prédictions générées par IA couvrant l’effet de l’ensemble des 9 milliards de mutations possibles. Elle ne remplace pas la validation expérimentale — les prédictions de ce type doivent toujours être confirmées en laboratoire pour toute mutation d’intérêt clinique donnée — mais elle offre aux chercheurs du monde entier, y compris dans des laboratoires de génomique aux budgets de calcul limités, une carte de départ indiquant où une mutation donnée est susceptible d’avoir un effet, plutôt que de partir de zéro.

Pourquoi la même semaine compte

Aucun des deux événements ne serait, pris isolément, particulièrement surprenant — les mathématiques assistées par IA et la génomique assistée par IA sont toutes deux des fronts de recherche actifs depuis plusieurs années. Ce qui est notable, c’est la concentration : deux laboratoires différents, utilisant deux techniques différentes (raisonnement multi-agents parallèle massif contre modèle prédictif entraîné), ont tous deux produit des résultats à une échelle qu’aucune équipe de chercheurs humains n’aurait pu plausiblement égaler dans le même créneau, la même semaine, sur des problèmes issus de domaines totalement différents. Cela illustre une tendance plus large de 2026 — la puissance de calcul de l’IA de pointe est de plus en plus orientée vers des problèmes scientifiques ouverts à forte valeur en aval (cibles thérapeutiques, matériaux, mathématiques fondamentales), et non plus uniquement vers les produits grand public.

Les réserves à garder en tête

Les deux résultats doivent être lus avec leurs limites. La preuve sur Navier-Stokes est partielle — deux énoncés sur quatre requis — et OpenAI n’a pas revendiqué le prix du millénaire associé ; des mathématiciens pairs devront vérifier de manière indépendante la chaîne de raisonnement sur 130 milliards de jetons de sortie d’agents, ce qui constitue en soi une entreprise non triviale. Les prédictions d’AlphaGenome sont exactement cela : des prédictions, générées par un modèle, qui nécessitent toujours une confirmation expérimentale avant de pouvoir éclairer une décision clinique ou thérapeutique. Aucun des deux résultats n’est encore un remède ou un théorème résolu — mais tous deux réduisent le coût de la prochaine étape de recherche pour les scientifiques qui s’appuient dessus.

Ce que cela signifie pour la recherche et les institutions de santé algériennes

L’Algérie n’a pas besoin d’une puissance de calcul de pointe pour bénéficier de ces deux résultats. AlphaGenome Atlas est décrite comme une ressource de recherche gratuite, ce qui compte directement pour les groupes algériens de génomique et de recherche sur les maladies rares — au CERIST, dans les départements de génétique des hôpitaux universitaires, et à l’Institut Pasteur d’Algérie — qui ont de vraies questions de génétique clinique mais des budgets de calcul et de séquençage limités. Une carte gratuite et précalculée des effets des mutations transforme une étape de calcul coûteuse en simple consultation, exactement le type de ressource qui réduit l’écart entre programmes de recherche bien financés et programmes contraints. Côté mathématiques, la pertinence directe est plus ténue, mais la démonstration elle-même — le fait que le raisonnement multi-agents d’IA puisse désormais réaliser des progrès partiels crédibles sur des problèmes qui ont résisté aux meilleurs mathématiciens humains pendant des décennies — est un signal pour les départements universitaires algériens de mathématiques et d’informatique quant à l’orientation à donner à la formation méthodologique en recherche.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Google DeepMind Publishes AI-Powered Predictions For Effect of All 9 Billion Mutations to Human DNA — Slashdot
• OpenAI’s AI Just Solved a 90-Year-Old Math Mystery — AutoGPT