Xi Yin, physicien à Harvard spécialisé en théorie des cordes, en gravité quantique et en théorie conforme des champs, aurait rejoint OpenAI, selon des initiés et des messages circulant sur X — une décision qui n’a pas encore été officiellement confirmée par OpenAI ou Harvard. Yin, né dans la province du Hunan en décembre 1983, est entré à l’Université des sciences et technologies de Chine à l’âge de 12 ans, a obtenu son doctorat à Harvard sous la direction du pionnier de la théorie des cordes Andrew Strominger en 2006, et a rejoint le corps professoral de Harvard en 2008, devenant, selon de nombreux rapports, le plus jeune professeur titulaire sino-américain de l’histoire de Harvard. Lauréat du prix New Horizons in Physics, d’une bourse NSF CAREER et d’une bourse Simons Investigator, les recherches de Yin portent sur la correspondance AdS/CFT, les trous noirs et les états liés supersymétriques en théorie des cordes. Dans des messages cités sur X, il a décrit l’IA comme lui offrant un « accélération de 100× » — affirmant que « des semaines de résultats me prendraient 10 ans » — et a déclaré qu’il ne « croit pas qu’il existe une capacité intellectuelle humaine que l’IA ne puisse reproduire ».»
Cette dernière affirmation a suscité une réaction immédiate : le professeur titulaire de l’Université de Hong Kong, Su Weijie, a déclaré que même si Yin est « un grand physicien, il sait probablement mieux que quiconque comment la technologie actuelle de l’IA pourrait aider la physique », cette expertise ne s’étend pas à se prononcer sur les limites ultimes de l’IA. Dans un entretien au Harvard Crimson en avril 2026, Yin avait lui-même noté que la recherche assistée par IA « nécessite beaucoup de supervision humaine ». Ce départ — s’il est confirmé — fait suite à celui du professeur de statistiques de Wharton, Su Weijie, qui a annoncé avoir rejoint OpenAI en congé sabbatique de Penn le 30 mai ; ensemble, ces deux recrutements signalent l’effort délibéré d’OpenAI pour embaucher des scientifiques fondamentaux issus de la physique et des statistiques, alors que les gains d’échelle empiriques s’essoufflent et qu’une compréhension théorique plus approfondie du comportement des modèles devient concurrentiellement importante.