Les développeurs perfectionnent des programmes destinés aux ordinateurs quantiques.
D'ici quelques années, les ordinateurs quantiques pourraient dépasser les ordinateurs classiques grâce à des avancées majeures en matériel et en algorithmes.
Les ordinateurs quantiques exploitent les principes de la mécanique quantique pour réaliser des calculs. Leur unité de base, le qubit, est analogue au bit classique (0 ou 1), mais existe en superposition quantique : il peut être simultanément 0 et 1. Associée à l'intrication quantique, cette propriété permet de résoudre certaines classes de problèmes bien plus efficacement que tout ordinateur conventionnel.
Cette technologie, aussi prometteuse soit-elle, exige une précision extrême. La décohérence peut perturber son fonctionnement. Les chercheurs estiment que des ordinateurs quantiques étroitement contrôlés, avec quelques milliers de qubits, pourraient contrer ce phénomène via la correction d'erreur quantique. À ce jour, les prototypes les plus avancés – chez IBM, Google, Rigetti Computing ou IonQ – ne comptent qu'une dizaine de qubits. John Preskill, du California Institute of Technology, les qualifie d'ordinateurs quantiques bruyants à l'échelle intermédiaire (NISQ). Ces machines NISQ ne supportent pas encore la correction d'erreur, mais des algorithmes adaptés pourraient leur conférer un avantage sur les ordinateurs classiques pour certains calculs.
L'accès mondial accru aux machines NISQ accélère les progrès, permettant à de nombreux chercheurs universitaires de développer et tester des programmes à petite échelle. Un écosystème de startups spécialisées dans le logiciel quantique émerge également.
Les algorithmes NISQ brillent particulièrement en simulation et en apprentissage automatique. En 1982, Richard Feynman proposait déjà que les ordinateurs quantiques simulent la nature elle-même : atomes, molécules et matériaux. De nombreux experts, dont moi-même, ont conçu des algorithmes pour simuler molécules et matériaux sur dispositifs NISQ (et futurs ordinateurs corrigés). Ces outils accélèrent la conception de nouveaux matériaux pour l'énergie ou la santé.
Les ordinateurs quantiques excellent-ils en apprentissage automatique, où les machines apprennent de vastes données ? Des tests sur algorithmes NISQ montrent un potentiel pour la catégorisation, le clustering ou la génération de données – comme prédire des structures moléculaires. Trois équipes ont développé des versions quantiques des réseaux antagonistes génératifs (GAN), stars récentes de l'IA.
Aucun algorithme NISQ n'a encore prouvé sa supériorité formelle sur les ordinateurs classiques, une démonstration complexe qui pourrait prendre des années.
À venir : des NISQ plus grands et fiables, puis des machines corrigées avec des milliers de qubits. Les algorithmes NISQ pourraient déjà surpasser les superordinateurs, mais les versions fully corrigées débloqueront tout leur potentiel.
[]