L’informatique quantique a atteint un tournant décisif, offrant désormais des avantages concrets pour les applications d’intelligence artificielle, selon les récentes avancées de plusieurs équipes de recherche.
Une équipe de l’Université de Vienne et ses collaborateurs ont démontré que des ordinateurs quantiques de petite échelle peuvent déjà surpasser les systèmes classiques dans certaines tâches d’apprentissage automatique. À l’aide d’un processeur quantique photonique, les chercheurs ont montré que des algorithmes optimisés par le quantique peuvent classer des données avec plus de précision que les méthodes conventionnelles. L’expérience, publiée dans Nature Photonics, a utilisé un circuit quantique construit au Politecnico di Milano pour exécuter un algorithme d’apprentissage automatique initialement proposé par des chercheurs de Quantinuum.
« Cela pourrait s’avérer crucial à l’avenir, étant donné que les algorithmes d’apprentissage automatique deviennent de plus en plus difficiles à mettre en œuvre à cause de leur forte consommation énergétique », souligne la co-autrice Iris Agresti. La plateforme quantique photonique a montré des avantages en termes de rapidité, de précision et d’efficacité énergétique par rapport aux techniques de calcul classiques, en particulier pour les applications d’apprentissage automatique basées sur les noyaux (kernel-based).
En parallèle, une équipe internationale composée de chercheurs de l’Université de technologie de Chalmers, de l’Université de Milan, de l’Université de Grenade et de l’Université de Tokyo a mis au point un algorithme permettant aux ordinateurs classiques de simuler fidèlement un circuit quantique tolérant aux pannes. Cette innovation s’attaque au code bosonique de Gottesman-Kitaev-Preskill (GKP), réputé difficile à simuler mais essentiel pour la construction d’ordinateurs quantiques stables et évolutifs.
Par ailleurs, des chercheurs de l’USC et de l’Université Johns Hopkins ont atteint ce que beaucoup considèrent comme le « graal » de l’informatique quantique : une accélération exponentielle inconditionnelle grâce aux processeurs Eagle à 127 qubits d’IBM. L’équipe a démontré cet avantage sur une énigme classique de « deviner le motif », prouvant sans hypothèses que les machines quantiques peuvent dépasser les meilleurs ordinateurs classiques. Ils ont utilisé des techniques telles que la correction d’erreurs et le matériel quantique puissant d’IBM pour franchir cette étape majeure.
Ces avancées indiquent que l’informatique quantique passe de la promesse théorique à l’application pratique. Alors qu’IBM poursuit sa feuille de route ambitieuse vers un système de plus de 4 000 qubits d’ici 2025, et que les chercheurs démontrent des avantages quantiques dans des domaines allant de l’apprentissage automatique à la fabrication de semi-conducteurs, la technologie semble prête à offrir des capacités transformatrices dans de nombreux secteurs.