Une équipe dirigée par le professeur Daniel Lidar de l’USC a atteint ce que les experts qualifient de « saint Graal » de l’informatique quantique : la première accélération exponentielle inconditionnelle par rapport aux ordinateurs classiques. À l’aide des processeurs quantiques Eagle à 127 qubits d’IBM, les chercheurs ont réalisé cette avancée en résolvant une variante du problème de Simon, considéré comme un précurseur de l’algorithme de factorisation de Shor.
Les résultats, publiés dans Physical Review X le 5 juin 2025, représentent un changement fondamental dans les capacités pratiques de l’informatique quantique. « Une accélération exponentielle est le type d’amélioration le plus spectaculaire que nous attendons des ordinateurs quantiques », explique Lidar, également cofondateur de Quantum Elements, Inc.
Contrairement aux affirmations précédentes qui reposaient sur des hypothèses non prouvées concernant les algorithmes classiques, cette réalisation est qualifiée d’« inconditionnelle » — c’est-à-dire que l’avantage de performance quantique ne peut être contesté ni inversé. Les chercheurs ont mis en œuvre des techniques sophistiquées de correction d’erreurs, notamment le découplage dynamique et l’atténuation des erreurs de mesure, afin d’obtenir des résultats fiables malgré le bruit inhérent aux systèmes quantiques actuels.
Dans d’autres développements majeurs en IA, Google DeepMind a présenté AlphaGenome, un nouveau modèle d’IA puissant pour l’analyse des séquences d’ADN. Le système peut traiter jusqu’à un million de lettres d’ADN simultanément et prédire des milliers de propriétés moléculaires à la résolution d’une seule paire de bases. Disponible via une API pour la recherche non commerciale, AlphaGenome vise à mieux comprendre comment les variations génétiques influencent la régulation des gènes et les mécanismes des maladies.
« C’est l’un des problèmes les plus fondamentaux, non seulement en biologie, mais dans toute la science », a déclaré Pushmeet Kohli, responsable de l’IA scientifique chez Google DeepMind. Le modèle s’appuie sur les travaux antérieurs de DeepMind en génomique et complète AlphaMissense, qui se spécialise dans les régions codant pour les protéines.
Par ailleurs, Microsoft a annoncé le 2 juillet l’élimination de 9 000 emplois à l’échelle mondiale, soit près de 4 % de ses effectifs. Cette décision fait suite à une première vague de 6 000 suppressions de postes en mai, portant le total des mises à pied en 2025 à plus de 15 000. Ces réductions surviennent alors que Microsoft s’est engagé à investir 80 milliards $ US en dépenses d’immobilisations pour l’exercice 2025, principalement axées sur le développement de l’infrastructure d’IA.
Ce contexte illustre le défi plus large auquel font face les entreprises technologiques, qui doivent concilier des investissements massifs en IA et l’optimisation de leur main-d’œuvre. Le PDG de Microsoft, Satya Nadella, a récemment indiqué que jusqu’à 30 % du code de l’entreprise est désormais généré par des outils d’IA, signalant une transition vers des opérations plus automatisées.