Hybridation : “Des briques quantiques remplaceront les plus lourdes de l’IA” 

On parle beaucoup des modèles d’IA, mais vous êtes positionnés sur les infrastructures et les plateformes. Est-ce que la bataille de l’IA se joue désormais davantage sur le hardware que sur les modèles ?  

Les modèles comptent, mais sans une infrastructure complète et maîtrisée, ils perdent de leur valeur, notamment dans des industries aussi critiques que celles que nous servons : la recherche, la science, la dissuasion nucléaire. La bataille ne se fait pas sur un segment ou sur un autre, mais bien sur l’ensemble de la chaine de valeur de l’IA et, même s’il reste encore beaucoup de chemin à parcourir, l’Europe se réveille avec l’émergence de nombreux acteurs que ce soit sur les modèles, l’infrastructure, les plateformes et même les composants. L’Europe peut certainement affirmer une troisième voie, centrée sur l’infrastructure, les plateformes et l’orchestration des usages : transparence, efficacité énergétique, contrôle des données et conformité réglementaire. Nous le constatons autour de nous et avons les atouts, les compétences et les volontés en Europe.  

Dans quelle mesure l’IA est-elle impliquée dans le développement du quantique ?    

 À ce jour, l’IA permet d’accélérer les développements des technologies quantiques. On voit apparaître des premières implémentations de méthodologies d’IA dans la simulation quantique. Pour améliorer la simulation dans les laboratoires de calcul HPC, les méthodes de calcul classiques utilisées dans l’IA permettent d’enrichir et d’optimiser les codes et les méthodes utilisés pour le calcul quantique. Cette convergence est au cœur des travaux scientifiques actuels. L’objectif est d’intégrer pleinement l’IA dans les environnements quantiques, comme cela a été fait auparavant dans la simulation de type HPC. Notre ADN est de permettre ce que nous appelons l’hybride computing. La combinaison des méthodes des trois mondes :  HPC, IA et Quantique. 

Concrètement comment l’IA améliore-t-elle les systèmes quantiques ?  

L’intelligence artificielle intervient directement dans la fabrication et l’exploitation des systèmes. Par exemple pour la calibration et le contrôle. Les qubits sont extrêmement instables et sensibles, notamment au bruit ou à la décohérence. Grâce à l’IA, on utilise des réseaux de neurones pour calibrer les portes quantiques en quasi temps réel et contrôler au mieux les dérives du matériel. Et ce, bien plus rapidement qu’un humain ou un algoruthme classique. Elle est aussi utilisée pour le design des puces quantiques, afin de minimiser les phénomènes de bruit dans le circuit. 

Quels sont les domaines où l’IA peut encore faire la différence dans le quantique ?  

La correction d’erreur représente un enjeu majeur du quantique actuel (l’ère NISQ). L'IA permet, ou permettra, d’identifier des motifs (patterns) dans le bruit. Elle peut apprendre à reconnaître la "signature" d'une erreur quantique et la soustraire du résultat final. Cela rendra les processeurs quantiques actuels exploitables pour l'industrie, avant même qu'ils ne soient parfaits. Autre domaine clé : l’IA comme “Compilateur et Optimiseur”. Traduire un algorithme mathématique HPC en instructions pour un processeur quantique est complexe. L'IA permet d'optimiser le routage des qubits, c'est-à-dire de trouver le chemin le plus court et le moins bruité pour exécuter un calcul. On observe une convergence progressive des techniques. Le HPC nourrit l’IA, l’IA accélère le quantique, et le quantique viendra à son tour transformer l’IA. Le Quantum Machine Learning (QLM) devient une réalité. À terme, le quantique permettra de traiter des modèles d’IA avec une efficacité énergétique et une vitesse inaccessibles aux architectures actuelles.  

Le quantique pourra-t-il devenir un levier pour une IA hyper augmentée ?  

Oui, nous le pensons. Il faut passer de l'IA qui imite à l'IA qui comprend les lois fondamentales. Aujourd'hui, l'IA bute sur le mur énergétique et la puissance de calcul nécessaire pour entraîner des modèles toujours plus grands. Le quantique, lui, apporte une réponse sur le traitement des données complexes et l'optimisation combinatoire. Là où un ordinateur classique explorerait chaque couloir d’un labyrinthe l’un après l’autre pour trouver la sortie, le quantique voit tous les chemins simultanément. Résultat : moins de consommation énergétique et des modèles plus efficaces avec moins de données. Une IA dopée au quantique pourrait explorer des espaces de données qu'un GPU classique mettrait des siècles à parcourir.  

Quels secteurs seront les premiers impactés ? 

La santé et la pharma peuvent en tirer bénéfice rapidement, ce serait le Graal. L'IA classique prédit des formes de protéines, mais l'IA Quantique simulera l'interaction moléculaire réelle au niveau atomique. Cela signifie passer de la découverte de médicaments par “essai-erreur” à une conception ultra-précise et rapide. Les matériaux et l’énergie sont également concernés, notamment pour la conception de nouvelles batteries ou de catalyseurs. La finance de pointe bénéficiera aussi de ces capacités, notamment pour la détection de fraudes complexes et la gestion des risques en temps réel. Enfin, certains usages dans la défense progressent rapidement, même s’ils restent confidentiels. 

Comment Bull se prépare-t-il à cette évolution ? 

Chez Bull, nous préparons ce basculement via notre plateforme Qaptiva. Elle permet aux développeurs IA et HPC de commencer à coder des algorithmes hybrides du quantique dès aujourd'hui. Nous ne croyons pas à un grand soir où tout deviendrait quantique, mais à une infusion progressive. Des briques quantiques vont venir remplacer les briques les plus lourdes des pipelines IA actuels.  

Quelle est la maturité réelle du quantique aujourd’hui ? 

Aujourd’hui, elle reste limitée, mais progresse. Le quantique est comparable aux débuts du smartphone : le matériel existe, mais la valeur viendra des usages, du logiciel et de l’écosystème. Les machines quantiques totalement tolérantes aux fautes restent à venir. Il faut rester lucide sur la surexposition de certains indicateurs, comme le nombre de qubits. Ce qui compte réellement, c’est la stabilité, le taux d’erreur et la fiabilité des opérations. Il faut sortir de la course aux qubits pour parler de qubits logiques et de fiabilité industrielle. 1 000 qubits bruités ne valent rien face à 50 qubits corrigés. Nous passons progressivement de l'ère de la recherche en laboratoire à l'ère de l'ingénierie système.   

Comment les entreprises doivent-elles se positionner ? 

Les dirigeants d’entreprise doivent identifier dès maintenant les cas d’usage pertinents, développer les compétences et expérimenter. Même si le quantique pur reste encore éloigné de certains usages industriels, les approches hybrides ou “quantum-inspired” peuvent déjà apporter de la valeur. Nous aspirons à un quantum mature où l’utilisateur ne se demandera plus comment fonctionne la machine quantique, mais ce qu'elle lui rapporte. Notre rôle est de masquer la complexité physique du quantique pour offrir une interface utilisable par un ingénieur métier.  La maturité réelle, c'est l'hybridation opérationnelle : savoir exactement quelle partie d'un problème doit aller sur un processeur classique (HPC), sur un accélérateur IA et laquelle doit être envoyée vers l'accélérateur quantique.