Ce qu’OpenAI ne peut plus garantir sur vos brouillons : leçons de l’affaire Navier-Stokes

vendredi 11 septembre 2026.

Mardi 8 septembre au soir, OpenAI a publié sur X un communiqué de quelques lignes pour répondre à un mathématicien qui lui demandait si son modèle avait appris sur ses brouillons. La phrase qui compte, traduite au plus près : bien que ce soit improbable, nous ne pouvons pas exclure que des données dé-identifiées issues de leur usage de nos produits aient contribué à améliorer nos modèles.

Le contexte tient en trois lignes, le détail est en encadré plus bas. Tristan Buckmaster (NYU) et Levent Alpöge (Anthropic, à titre personnel) ont travaillé un an sur une famille de problèmes de mécanique des fluides, en versant l’intégralité de leurs brouillons dans Codex, l’assistant de code d’OpenAI. Le 8 septembre, OpenAI a annoncé qu’un modèle interne avait résolu le problème du millénaire de Navier-Stokes par une voie que les deux chercheurs décrivent comme la leur et comme presque déserte, ce qu’OpenAI conteste en partie. Buckmaster a demandé si le modèle avait été entraîné sur leurs sessions. La réponse est ci-dessus. Soyons précis sur ce qu’elle établit : on ne sait pas si ces brouillons ont servi à quoi que ce soit ; on sait que le fournisseur refuse de dire non.

Je ne suis pas mathématicien et je ne jugerai pas la preuve. Ce que je sais lire, c’est un communiqué et des conditions d’utilisation, et c’est de cela qu’il s’agit ici, parce que la question posée par Buckmaster est celle que tout développeur devrait poser à son assistant de code.

Trois affirmations, une seule signée

Il faut lire la réponse d’OpenAI en deux temps. Le mardi matin, en conférence de presse, Mark Chen, directeur de la recherche, affirme que personne, ni humain ni système, n’a fouillé les données d’utilisateurs pour résoudre ce problème, et se dit déçu par l’accusation d’une atteinte massive à la confiance. Sébastien Bubeck, qui dirigeait le projet, ajoute que ni ses chercheurs ni ses agents n’ont vu le travail du duo avant sa publication. Le mardi soir, le communiqué officiel reprend ces deux points, puis ajoute le « nous ne pouvons pas exclure ».

Ce sont trois affirmations distinctes. « Nous n’avons pas consulté vos données. » « Nos agents n’ont pas utilisé vos prompts. » « Le modèle n’a pas appris de vos données. » OpenAI signe les deux premières et refuse explicitement de signer la troisième. Or c’est la troisième que Buckmaster avait posée le dimanche précédent, par téléphone, et à laquelle il écrit n’avoir pas obtenu de réponse. Il l’a désormais, et elle est : peut-être.

L’argument avancé pour rassurer, à savoir que l’équipe d’OpenAI, sans expertise de recherche en mécanique des fluides, n’aurait pas pu orienter le contenu mathématique, est plausible et hors sujet. Le soupçon ne porte pas sur les humains. Il porte sur ce que le modèle avait dans le ventre au moment où on l’a lancé.

Ce que disent les conditions

La prudence du communiqué s’explique quand on lit la documentation d’OpenAI, ce que VentureBeat a fait le jour même.

Pour les comptes Business, Enterprise, Edu et API, les entrées et sorties sont exclues de l’entraînement par défaut, et la documentation précise que cette exclusion vaut aussi quand l’espace de travail utilise Codex. Pour les comptes individuels, Free, Plus et Pro, c’est l’inverse : le contenu peut servir à améliorer les modèles, sauf désactivation manuelle dans les réglages, avec un réglage distinct pour les données d’environnement complet de Codex. Personne n’a dit publiquement sous quel régime tournaient les sessions de Buckmaster et Alpöge. Autrement dit, « session privée » ne veut rien dire en soi : tout dépend du produit, du type de compte et de la case qu’on a cochée ou non.

Ce n’est pas tout. Ne pas entraîner ne veut pas dire ne pas conserver. Les requêtes API ordinaires génèrent des journaux de surveillance d’abus contenant prompts et réponses, conservés jusqu’à trente jours ; certaines fonctions gardent un état persistant parce qu’elles en ont besoin pour fonctionner. L’option de rétention zéro existe, étendue aux modèles de frontière le 19 août 2026, mais elle est réservée aux clients API approuvés, et des fonctions comme l’interpréteur de code n’y sont pas compatibles.

Il y a donc trois contrôles différents : l’entraînement, qui décide si vos données améliorent le modèle ; l’accès, qui décide qui chez le fournisseur peut lire ce qui est stocké ; la rétention, qui décide combien de temps c’est stocké. Une promesse de « confidentialité » écrase les trois en un mot, et le communiqué du 8 septembre montre ce que vaut ce mot : l’entreprise garantit l’accès, garantit l’usage direct, et pour l’entraînement répond au conditionnel.

Pourquoi c’est votre problème

Vous ne travaillez probablement pas sur Navier-Stokes. Mais si vous avez un assistant de code, vous lui confiez chaque jour ce que ces deux chercheurs lui ont confié : l’état exact de ce que vous savez faire et que vos concurrents ne savent pas encore. Un an de brouillons, c’est un an de savoir-faire, et ce savoir-faire transite par les serveurs d’une entreprise dont le produit suivant est, par construction, un concurrent de tout le monde.

Axios résume la question de confiance en une ligne : peut-on utiliser les outils des laboratoires de frontière sur une découverte non publiée sans risque ? Jusqu’à cette semaine, la réponse implicite était oui. Satya Nadella et Alex Karp accusaient déjà cet été les laboratoires d’apprendre sur les données de leurs clients pour bâtir des produits concurrents, et j’écrivais en novembre que les LLM sont des gruyères et que l’abonnement payant n’achète pas la confidentialité qu’on croit. L’affaire Buckmaster en est la version haut de gamme : deux chercheurs de premier plan, un problème à un million de dollars, et un fournisseur qui répond « improbable, mais on ne peut pas l’exclure ».

La réponse technique

Elle existe et je l’ai détaillée dans IA souveraine : pourquoi l’open source local est devenu le seul choix d’indépendance : avec un modèle à poids ouverts sur une machine que vous contrôlez, les trois contrôles se réduisent à un seul, et c’est vous qui le tenez. Le compromis n’est pas tout ou rien, c’est une segmentation. Buckmaster et Alpöge n’auraient sans doute pas obtenu leurs résultats en un an avec un modèle local, et il serait absurde de renoncer à la puissance de frontière pour du code qui sera public dans six mois. La question est de savoir quelle partie de votre travail vous distingue vraiment et n’est pas encore publiée ; cette partie-là tourne en local, le reste peut aller au cloud. Avant le 8 septembre, ce tri était une précaution de maniaque. Il est désormais la lecture littérale d’un communiqué.

L’affaire en dix lignes

Il y a un an. Buckmaster et Alpöge reprennent une méthode de Diego Córdoba et Luis Martínez-Zoroa, avec Claude et Codex.
15 août 2026. Explosion en temps fini obtenue pour les équations d’Euler et le système de Boussinesq. Vérification formelle en Lean le 22 août. Terence Tao juge le travail remarquable ; Charles Fefferman, auteur de l’énoncé officiel, désigne Córdoba et Martínez-Zoroa comme les héros de l’histoire.
1er septembre. Une rumeur attribue à Anthropic la résolution de deux problèmes du millénaire. Le jour même, OpenAI lance ses agents sur les problèmes restants, avec un modèle interne dont l’entraînement a commencé le 28 août.
3 septembre. Buckmaster écrit à OpenAI que le projet est personnel.
5 septembre. 10 000 agents produisent une résolution de Navier-Stokes avec forçage, après 88 heures et 130 milliards de tokens.
6 septembre. Deux appels avec Bubeck. Selon Buckmaster, on lui propose soit de publier la veille d’OpenAI avec reconnaissance de priorité, soit de rédiger seul la preuve d’OpenAI, sans Alpöge, jugé gênant parce que salarié d’Anthropic ; puis « pourquoi ruineriez-vous votre carrière ? ». Bubeck conteste avoir voulu retirer Alpöge de son propre travail, explique qu’il s’agissait de réécrire la preuve d’OpenAI, admet la phrase sur la carrière et dit l’avoir retirée sur-le-champ.
7 septembre, 23 h 58. Buckmaster publie sa déclaration et trois articles.
8 septembre. OpenAI annonce sa résolution, dit ne pas réclamer le million de Clay, et publie le soir le communiqué cité en tête. Rien n’est validé par Clay ni relu par des pairs. Córdoba, dont la méthode est à l’origine de tout, commente : si c’est fait, ce sera une grande surprise pour nous.

Mon avis

Trois remarques pour finir.

La première est celle de Tao, qui a comparé (avant même l’annonce) la ruée des laboratoires sur les problèmes ouverts à une exploitation à ciel ouvert qui détruit l’écosystème d’où sortaient les techniques et les mathématiciens de la génération suivante. Un problème du millénaire attaqué en 88 heures pour répondre à une rumeur, par une équipe qui reconnaît ne pas avoir d’expertise en mécanique des fluides : on a ouvert la fosse, raflé le filon, et laissé les deux géologues sur le bord.

La deuxième est que Bubeck, dans sa version, dit peut-être plus qu’il ne croit. Ses SMS à Alpöge montrent un homme qui veut faire les choses correctement et promet le crédit aux deux chercheurs. Mais la phrase sur la carrière, qu’il reconnaît, et l’idée qu’un salarié d’Anthropic ne peut pas cosigner un travail d’OpenAI, qu’il maintient, disent la même chose : ici, l’appartenance est passée avant l’antériorité. Un mathématicien de NYU peut rédiger la preuve d’OpenAI ; son collaborateur d’un an ne le peut pas, parce qu’il a le mauvais badge. Deux appels contestés ne font pas une doctrine d’industrie, mais c’est comme ça que ça s’est joué, et personne chez OpenAI n’a dit que ça aurait dû se jouer autrement.

La troisième est la plus simple. Le prix de Clay vaut un million de dollars, et OpenAI a dit ne pas le réclamer ; ce qui vaut plus qu’un million, ce sont les brouillons de tous les gens qui, ce soir, ouvrent Codex sans avoir lu le communiqué du 8 septembre. Ce qu’on retiendra, c’est qu’on a demandé à un laboratoire si son modèle avait appris sur les brouillons de ses utilisateurs, et qu’il a répondu qu’il ne pouvait pas l’exclure. J’écrivais dans le billet du 9 septembre « Navier-Stokes, PISA 2025, Tondelier : la France face au choc de l’IA » que tout le monde conjugue au futur et que personne ne relit le passé. Ici, il y avait un passé à relire. Il était sur les serveurs d’OpenAI, et OpenAI ne dit pas s’il l’a lu.