Depuis quelques mois, l’informatique quantique prend un essor considérable. Du côté des fournisseurs dont l’offre s’étoffe, mais désormais aussi du côté des entreprises, potentielles utilisatrices. Ainsi, le constructeur automobile allemand BMW vient-il de lancer des tests de performance de ces machines et des algorithmes associés sur la question centrale et de plus en plus complexe de l’optimisation de la supply chain industrielle et logistique. La complexité grandissante de ces processus et le besoin crucial d’optimisation des flux de matières premières, de pièces détachées ou de produits finis nécessitent des performances de calcul de plus en plus importantes, et des solutions innovantes. Pour son expérimentation, BMW s’est tourné vers Honeywell, fournisseur d’électronique pour l’industrie et la startup singapourienne Entropica Labs afin d’étudier l’intérêt d’utiliser ces machines dans l’avenir.

Des résultats prometteurs

Honeywell s’est invité dans la course au quantique, il y a un peu moins d’un an et a lancé sa première machine, le H1, en juin 2020. C’est sur cette dernière que les équipes d’Entropica Labs ont développé et exécuté un benchmark quantique. Il a utilisé l’algorithme quantique de partitionnement des nombres Recursive Quantum Approximate Optimization Algorithm (R-QAOA), analyse combinatoire exploitée dans les problèmes de supply chain. Sur des questions simples, le résultat s’est révélé équivalent à celui de l’algorithme classique appelé heuristique Karmarkar-Karp. Objectif suivant : dépasser les performances de ce dernier. Le H1 se serait également comporté, selon son concepteur, d’une façon tout à fait comparable à un simulateur classique, exploitant particulièrement ce qu’il considère comme ses trois caractéristiques différenciatrices : la connectivité full qubit, la fidélité des opérations et une haute résolution angulaire des portes quantiques. Les travaux des trois partenaires ne visent pas une application concrète à court terme de l’informatique quantique, mais elles en explorent le potentiel dans le cadre particulier de l’optimisation de la supply chain.