Dans ce que les experts qualifient de « Saint Graal de l’informatique quantique », des chercheurs ont réussi à obtenir une accélération exponentielle inconditionnelle sur du matériel quantique, prouvant de façon définitive que les ordinateurs quantiques peuvent surpasser les ordinateurs classiques, sans réserves théoriques.
Cette recherche révolutionnaire, publiée dans Physical Review X le 5 juin 2025, a été menée par Daniel Lidar, professeur en ingénierie à l’USC et expert en correction d’erreurs quantiques. En collaboration avec des collègues de l’USC et de l’Université Johns Hopkins, l’équipe de Lidar a démontré cet avantage exponentiel à l’aide de deux processeurs quantiques Eagle de 127 qubits d’IBM, opérés à distance via le nuage.
Ce qui rend cette réalisation particulièrement significative, c’est que l’accélération est « inconditionnelle », c’est-à-dire qu’elle ne repose sur aucune hypothèse non prouvée. « Les affirmations précédentes d’accélération nécessitaient l’hypothèse qu’il n’existait pas de meilleur algorithme classique pour comparer à l’algorithme quantique », explique Lidar. « La séparation de performance ne peut pas être inversée, car l’accélération exponentielle que nous avons démontrée est, pour la première fois, inconditionnelle. »
L’équipe a adapté le problème de Simon — un défi mathématique qui consiste à trouver des motifs cachés dans des fonctions — pour le mettre en œuvre sur du matériel quantique réel. Ce problème est considéré comme un précurseur de l’algorithme de factorisation de Shor, qui a lancé tout le domaine de l’informatique quantique. Pour surmonter le bruit et les erreurs qui affectent généralement les systèmes quantiques, les chercheurs ont utilisé des techniques sophistiquées de suppression d’erreurs, incluant le découplage dynamique et l’atténuation des erreurs de mesure.
Bien que Lidar précise que « ce résultat n’a pas d’applications pratiques autres que de gagner à des jeux de devinettes », les implications pour l’IA sont profondes. À mesure que les ordinateurs quantiques progresseront, ils pourraient accélérer de façon spectaculaire les processus d’apprentissage machine, en particulier pour les problèmes d’optimisation et les calculs complexes qui nécessitent actuellement d’énormes ressources informatiques.
Les algorithmes d’IA améliorés par le quantique ont déjà montré du potentiel dans certaines applications. Des recherches récentes ont démontré que les techniques quantiques peuvent améliorer l’apprentissage machine basé sur les noyaux, le rendant plus rapide, plus précis et plus écoénergétique que les méthodes classiques. À mesure que le matériel quantique prendra de l’ampleur, ces avantages pourraient permettre une nouvelle génération de capacités en IA, auparavant irréalisables en raison des limites computationnelles.
Cette avancée démontre de façon concrète la capacité tant attendue de l’informatique quantique à offrir des accélérations exponentielles, marquant une étape cruciale vers un avantage quantique pratique dans des applications réelles.