Dans ce que les experts qualifient de « Graal de l’informatique quantique », des chercheurs ont obtenu pour la première fois une accélération exponentielle inconditionnelle sur du matériel quantique, prouvant de façon définitive que les ordinateurs quantiques peuvent surpasser les ordinateurs classiques sans réserve théorique.
Cette recherche révolutionnaire, publiée dans Physical Review X le 5 juin 2025, a été menée par Daniel Lidar, professeur d’ingénierie à l’USC et spécialiste de la 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 à 127 qubits d’IBM, exploités à distance via le cloud.
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 démontrée. « Les précédentes affirmations d’accélération nécessitaient de supposer qu’il n’existait pas de meilleur algorithme classique pour comparer l’algorithme quantique », explique Lidar. « La séparation des performances 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 consistant à trouver des motifs cachés dans des fonctions — pour une mise 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 habituellement les systèmes quantiques, les chercheurs ont utilisé des techniques sophistiquées de suppression des erreurs, notamment le découplage dynamique et l’atténuation des erreurs de mesure.
Si Lidar précise que « ce résultat n’a pas d’applications pratiques au-delà des jeux de devinettes », les implications pour l’IA sont profondes. À mesure que les ordinateurs quantiques progressent, ils pourraient accélérer de façon spectaculaire les processus d’apprentissage automatique, en particulier pour les problèmes d’optimisation et les calculs complexes qui nécessitent aujourd’hui d’énormes ressources informatiques.
Les algorithmes d’IA améliorés par le quantique ont déjà montré leur potentiel dans certaines applications. Des recherches récentes ont démontré que les techniques quantiques peuvent améliorer l’apprentissage automatique basé sur les noyaux, le rendant plus rapide, plus précis et moins énergivore que les méthodes classiques. À mesure que le matériel quantique gagne en puissance, ces avantages pourraient permettre l’émergence d’une nouvelle génération de capacités d’IA auparavant irréalisables en raison de limitations computationnelles.
Cette avancée démontre de manière incontestable la capacité tant attendue de l’informatique quantique à offrir des accélérations exponentielles, marquant une étape cruciale vers un avantage quantique concret dans des applications du monde réel.