Informatique quantique : un enjeu stratégique mondial

« En France, il existe un véritable écosystème autour de l’informatique quantique », tient à rappeler Olivier Hess, expert quantique chez IBM. Citons pêle-mêle les universités de Paris-Saclay, de Grenoble, de Montpelier…, le CEA et le CNRS font bien sûr partie de ces laboratoires de recherche qui travaillent avec ces universités depuis de nombreuses années, sans oublier les startups comme Pasqal ou Quandela. L’entreprise Pasqal est, à ce titre, en train de mettre au point un processeur quantique de 200 Qubits (via une technologie de manipulation d’atomes refroidis par laser) et travaille avec EDF sur la meilleure optimisation possible dans la recharge de flottes de véhicules électriques partagés (voir encadré). En parallèle, les géants de l’IT se sont emparés du problème quantique, Atos et son simulateur QLM (Quantum Learning Machine), Intel, IBM, Google, D-Wave, pour ne citer qu’eux, multiplient les annonces fracassantes (1121 Qubits pour IBM en 2023 contre 65 aujourd’hui, 5000 Qubits pour D-Wave avec sa méthode de recuit quantique,72 Qubits chez Google aujourd’hui), citons également la Chine, le géant Alibaba en leader, qui multiplie les annonces sensationnelles et plus prometteuses les unes que les autres. Et les recherches n’en sont qu’au début !

Nous en sommes qu’au début de l’ère quantique…

Comme l’évoque Olivier Hess, s’il fallait faire une comparaison, nous dirions que nous sommes en 1943 avec l’Eniac, le premier véritable ordinateur sans pièces mécaniques composé de 18 000 lampes, 70 000 résistances, 10 000 condensateurs, etc., sur 167 m². Près de 80 années après l’Eniac, l’utilisateur dispose, pour cette technologie binaire rappelons-le, d’un smartphone avec une puissance exceptionnelle et qui tient dans une main. Que de progrès ! L’informatique quantique suivra-t-elle le même chemin ? Possible, mais pas tout de suite, dans 10 à 30 ans, avec les premiers ordinateurs capables de réaliser les premières prouesses de calculs incroyables composés de multiples variables et paramètres, ce que l’ordinateur binaire ne pourra jamais faire en un temps donné. Parmi les exemples futurs des possibilités du quantique, mentionnons l’autonomie des batteries. « L’idée serait de concevoir des batteries très autonomes et très compactes, ce qui impliquerait de découvrir et d’identifier, grâce au quantique, de nouveaux matériaux, composants, molécules et propriétés », indique Olivier Hess. Autre exemple, la gestion des hubs aériens qui engage des centaines d’opérations (du nettoyage des cabines en passant par l’identification des portes à l’événement imprévu de dernière minute, l’orage par exemple), avec le quantique, il serait possible de résoudre ces problèmes multiparamétriques et de prendre les bonnes décisions en un temps record. 

… Mais déjà la suprématie atteinte

D’ores et déjà, certains acteurs comme Google, le CNRS et des chercheurs chinois indiquent avoir déjà atteint la suprématie quantique ou l’avantage quantique, c’est-à-dire qu’un ordinateur quantique va plus vite qu’un ordinateur binaire classique sur une tâche bien précise. Ainsi, dans un communiqué du CNRS le 8 février dernier, des scientifiques du CNRS, de l’université d’Edimbourg (Ecosse) et de l’entreprise franco-américaine QC Ware Corp viennent de prouver qu'une machine quantique peut effectuer une tâche de vérification donnée en quelques secondes alors que le même exercice prendrait un temps équivalent à l’âge de l’univers pour un ordinateur classique. Pour cette démonstration, ils ont combiné un algorithme interactif complexe, qui permet de résoudre un certain type de problèmes mathématiques avec des informations limitées, et un système expérimental photonique simple, réalisable dans tous les laboratoires photoniques de pointe. Leurs travaux ont d’ailleurs été publiés dans la revue scientifique Nature. Google avait également revendiqué cette suprématie quantique en 2019 avec Sycamore malgré des contestations d’autres chercheurs. Des chercheurs chinois avaient montré en 2020 un avantage quantique avec la réalisation d’un échantillonnage de boson à l'aide d'une configuration photonique élaborée. Enfin, la revue scientifique Nature devrait publier d’ici à quelques semaines, selon Georges-Olivier Reymond, CEO de Pasqal, les travaux théoriques sur l’avantage quantique, menés par les partenaires académiques de la société Pasqal, autour des phénomènes de magnétisme quantique. Le problème aurait été résolu en 12 heures grâce au processeur quantique de 100 Qubits de Pasqal contre une semaine pour un ordinateur classique.

L'ambitieuse roadmap de Pasqal

Actuellement, la start-up française Pasqal finalise sa première génération de processeurs quantiques à 200 Qubits et se dit bientôt prête à implanter le cas d’usage de son partenaire EDF sur la meilleure optimisation possible dans la recharge de flottes de véhicules électriques partagés, bref de trouver le meilleur ordonnancement en prenant en compte de multiples variables et contraintes. En outre, un partenariat avec Atos permettra d’ici à un an d’intégrer cette génération de processeurs dans des supercalculateurs et d’en faire un modèle hybride. En parallèle, Georges-Olivier Reymond, CEO de Pasqal, confirme une accessibilité de sa puissance quantique depuis un cloud  d’ici à un an. Pour 2023, Pasqal a déjà programmé un processeur quantique à 1000 Qubits et un système universel de programmation.

Une roadmap ambitieuse est donc en cours au sein de la start-up Pasqal. D’un point de vue technologique, Pasqal et ses partenaires académiques ont réussi à franchir de nombreuses étapes dans la maîtrise de leur technologie d’atomes refroidis par des faisceaux laser et d’acter avec un certain succès ce passage à l’échelle pour atteindre aujourd’hui les 200 Qubits, même s’il reste de nombreux défis à relever sur l’amélioration des Qubits et des goulets d’étranglement ; en quelque sorte des problèmes de physique fondamentale.

Sans rentrer dans les détails techniques, il existe plusieurs méthodes pour concevoir un Qubit dont le piégeage des atomes refroidis par laser, une technologie maîtrisée par Pasqal (CNRS et ses partenaires académiques), les ions piégés (approche soutenue entre autres par Honeywell et la startup IonQ), la photonique (portée par la startup française Quandela en partenariat avec le CNRS), le spin sur électrons dans des semiconducteurs, une voie prise par le CNRS et le CEA/Leti (le CEA soutenant également plusieurs technologies avec ses partenaires tout comme le CNRS) ou encore, la plus médiatisée, les supraconducteurs, une technologie choisie par le finlandais IQM, IBM et Google par exemple. N’oublions pas que derrière ces technologies, l’enjeu est d’abord financier et donc d’identifier l’approche la plus rentable de la production de Qubits parfaits qui se prête le mieux à un passage à grande échelle.

Des contraintes pour toutes ces technologies

Toutefois, chacune de ces technologies, plus ou moins avancées, font face à de nombreuses contraintes physiques pour ce passage à grande échelle. C’est notamment le cas des boucles supraconductrices qui nécessitent de descendre à des températures proches du zéro absolu selon Olivier Hess. « Chez IBM, l’ordinateur fonctionne dans un cryostat de plus de 2 mètres de hauteur rempli d’un mélange d’hélium 3 et d’hélium 4. » Ce procédé de refroidissement engendre donc des systèmes quantiques très imposants qui ne sont pas sans nous rappeler les premiers ordinateurs d’après-guerre, tout cela pour quelques dizaines de Qubits. Avec les ions piégés, le refroidissement s’effectue par des lasers, ne nécessitant ainsi pas d’énormes dispositifs dédiés. Cependant, si la technique des ions piégés, l’une des plus anciennes, paraît la plus aboutie en termes de Qubits parfaits ou plutôt stables, une intégration à grande échelle semblerait plus complexe, en cause la limitation du nombre d’ions dans un piège et des très lentes interactions entre les ions.

Obtenir des Qubits parfaits

Dans toutes ces technologies, l’un des plus gros défis à relever est bien de disposer de Qubits parfaits, c’est-à-dire des qubits qui conservent leurs propriétés quantiques lors d’un calcul. Il n’existe pas de mécanisme de correction d’erreurs intégré comme dans nos ordinateurs binaires dotés de portes logiques. Pour Olivier Hess, cette maîtrise technique pour les machines quantiques va prendre 10, 15, voire 20 ans : « Nous sommes actuellement à un taux de 1 pour 1000, 1 Qubit parfait pour 1000 autres. » Ce sont donc des millions de Qubits qu’il faudra manipuler pour effectuer des opérations complexes, le défi reste de taille. D’une manière globale, le volume quantique qui mesure la puissance d’un ordinateur regroupe 14 critères chez IBM, des portes quantiques aux interconnexions de Qubits en passant par le taux d’erreurs. Ce volume quantique sert aussi de valeur d’évaluation à IonQ et sa machine de 32 Qubits et à Honeywell.

Le quantique fascine les puissances économiques

Ne boudons pas notre plaisir, un vrai big-bang se prépare avec l’informatique quantique. Les états l’ont bien compris, Etats-Unis et Chine en tête qui investissent des sommes colossales, quant à l’Europe, c’est toujours plus compliqué et plus lent, les forces existent, les moyens financiers également mais restent très fragmentés et non coordonnés. Depuis 2016, des initiatives ont toutefois été créées comme le Quantum Flagship, engagé dans le cadre du programme Horizon 2020 de l’UE et qui finance des projets dans le quantique dont certains du CNRS et deux d’Atos. Dans cette Europe, la France semble bien armée avec ses laboratoires, ses écoles et ses startups que nous citions précédemment, sans oublier l’un de nos grands champions de l’IT Atos. Plus récemment, en janvier dernier, l’Etat a même promis une enveloppe de 1,8 milliard d’euros sur cinq ans mélangeant des fonds publics et privés. https://www.lemondeinformatique.fr/actualites/lire-l-etat-debloque-220-meteuro-par-an-pour-l-informatique-quantique-81713.html. L’objectif est de créer 16 000 emplois directs à l’horizon 2030, pour une activité qui représentera à terme entre 1 et 2 % des exportations françaises. Pour gagner ce combat face aux Etats-Unis et à la Chine, il ne suffit pas d’avoir une recherche active et de qualité, il faut de l’argent et beaucoup. Quelques fonds d’investissements dédiés viennent aussi en renfort à l’image de Quantonation, une filiale d’Audecia qui finance déjà plusieurs startups françaises (dont Pasqal) et étrangères. Ces initiatives doivent se multiplier.

En quoi la technologie de «recuit quantique» de D-Wave se différencie-t-elle ? 

D-Wave construit des annealers quantiques (technologie dite de recuit simulé quantique) conçus pour aider les développeurs et les entreprises à résoudre les vrais problèmes de l'informatique quantique d'aujourd'hui. Ceux qui se sont orientés vers d'autres approches déclarent souvent qu'il faudra jusqu'à 20 ans de plus pour les accomplir. Nos systèmes exploitent donc la mécanique quantique pour calculer des problèmes très complexes en examinant très rapidement un large spectre de solutions et en sélectionnant les meilleures d’entre-elles. Nous réalisons cela avec des bits quantiques supraconducteurs (Qubits) dont notre ordinateur quantique Advantage qui en contient plus de 5000 et couplé à une connectivité à plus de 15 voies, soit la plus importante connectivité inter-qubit de tous les ordinateurs quantiques disponibles aujourd'hui. Notre système Advantage est accessible en mode cloud via le service de solveur hybride Leap Quantum Cloud capable de prendre en compte des problèmes comportant jusqu'à un million de variables.

Depuis l’annonce d’Advantage en septembre dernier, que s'est-il passé depuis en termes de commercialisation et d'évolution technologique ?

Les clients de D-Wave ont développé plus de 250 applications dans divers secteurs notamment la logistique, l'intelligence artificielle, les sciences des matériaux, la découverte de médicaments, la cybersécurité, la détection de pannes et la modélisation financière. Prenons par exemple la biotech Menten AI qui a exploité les capacités de D-Wave pour créer des protéines et les tester dans la lutte contre la Covid 19. Autres exemples, Accenture qui mène une série d'expériences commerciales avec des clients bancaires afin de tester des applications quantiques pour l'arbitrage des devises, la notation du crédit et l'optimisation des transactions, ou encore DENSO qui optimise, via le système Advantage, le contrôle de ses véhicules à guidage automatique dans ses ateliers.

Que comprend le programme Launch pour aider les entreprises qui souhaitent créer des applications quantiques ?

Nous entendons très souvent :  « Comment se lancer dans l'informatique quantique ? » La réalité est que pendant que nous travaillons pour faciliter l'utilisation de notre ordinateur quantique, les utilisateurs, quant à eux, ne pensent pas comme nous. C’est pourquoi D-Wave a récemment lancé D-Wave Launch, un programme de démarrage rapide pour les entreprises qui souhaitent se lancer dans la création d’applications quantiques hybrides. Ce programme se résume à quatre points. Le premier est de les aider à découvrir lesquels de leurs défis commerciaux sont les mieux adaptés à notre service quantique hybride. Le deuxième est de travailler avec nos clients pour identifier et construire une preuve de concept quantique. Le troisième concerne le pilotage de l'application quantique hybride. Enfin, le dernier permet de mettre en production cette application.

Travaillez-vous avec des partenaires français ou des clients français, si oui dans quels domaines ?

Nous constatons une augmentation des demandes de renseignements adressées à D-Wave par les entreprises françaises sur la manière dont elles peuvent utiliser l'informatique quantique dans leurs activités. Actuellement, nous travaillons avec l'université de Montpellier, et nous avons également travaillé avec le pionnier de l'aérospatiale Airbus via l'un de leurs clients. En particulier, Airbus a organisé un défi d'informatique quantique en 2019, et les gagnants de ce concours ont utilisé l'ordinateur quantique de D-Wave pour créer un algorithme qui a trouvé le niveau de chargement optimal pour un avion, un problème difficile pour les algorithmes classiques car la solution doit intégrer plusieurs contraintes de vol simultanément. D-Wave travaille également avec un certain nombre d'entreprises mondiales dans tous les secteurs, telles que NEC, Volkswagen, DENSO, Lockheed Martin, USRA, USC et Los Alamos National Laboratory. En Europe, le Jülich Supercomputing Center en Allemagne utilise déjà le système Advantage pour créer des applications. Volkswagen a, de son côté, récemment construit une application de planification d'atelier de peinture sur le système Advantage. De même, le groupe automobile a piloté une application de routage de bus quantique à Lisbonne en 2019, ce fût l’une des premières applications au monde exécutées sur un ordinateur quantique.

Que faire tourner sur un ordinateur quantique ? Comment écrire un programme ? Sachant qu’il n’existe pas de système d’exploitation, ni de mémoire, ni de disque, etc., le traitement s’effectuant à la volée. Les Qubits sont régis par la mécanique quantique en faisant appel à des portes quantiques. En quelque sorte, nous revenons à une programmation de bas niveau d’assembleur quantique. Pour explorer le potentiel du quantique, les éditeurs comme Atos ou IBM ont donc créé des simulateurs et/ou émulateurs quantiques, l’objectif étant de développer des algorithmes quantiques et les tester sans avoir recours à des équipements dédiés. Chez IBM, le programme Qiskit se présente donc sous la forme d’un framework sous les langages python et Java et encapsulé dans un environnement en open source. De son côté, Atos s’est distingué dès 2017 avec son simulateur QLM (Quantum Learning Machine) capable d’émuler 41 Qubits. « Notre émulateur est réaliste et agnostique. Réaliste car nous simulons le comportement mathématique ainsi que physique en termes de topologie et de bruit quantique. Agnostique car l’Atos QLM n’est pas dépendant d’un matériel particulier, ayant vocation à tous les émuler », précise Philippe Duluc, expert Quantique et CTO Big Data et sécurité chez Atos.

Le simulateur d’Atos en test dans des grands groupes industriels

L’Atos QLM a déjà séduit un certain nombre d’universités, de centres de recherche et de calcul dans le monde (du Japon aux Etats-Unis en passant par l’Autriche et le Royaume-Uni). Citons également quelques industriels français et anglais comme Rolls Royce (via le centre de recherche Hartree), EDF ou encore Total, ce dernier souhaitant, entre autres avec la QLM, identifier de nouveaux matériaux et molécules qui accéléreront la transition vers une société neutre en carbone. D’autre part, Atos a noué trois accords technologiques pour développer un accélérateur quantique d’ici à 2023 dont le français Pasqal (technologie des atomes froids), le finlandais IQM (technologie des supraconducteurs) et l’université d’Innsbruck en Autriche (technologie des ions piégés). Enfin, pour faciliter l’accès du modèle quantique à un plus large public d’utilisateurs finaux, Atos a lancé en décembre dernier Q-Score, une métrique qui permet d’évaluer la capacité d’un système quantique, indépendamment de la technologie utilisée, à résoudre des problèmes concrets. Q-Score est maintenant disponible sur la plateforme gratuite myQLM, qui reproduit une QLM light en environnement python, destinée à développer des algorithmes quantiques sur son propre poste de travail. Les géants du cloud public sont aussi dans la course comme Microsoft et son service Quantum Azure ou encore AWS  avec Amazon Braket, un environnement de développement pour concevoir des algorithmes quantiques et les tester sur des ordinateurs quantiques simulés.

La plateforme IA Prevision.io s'hybride vers le quantique

« Nous avons pris le virage quantique en 2018 pour notre plateforme Prevision.io », reconnaît Nicolas Gaude, co-fondateur et CTO de Prevision.io. Précisons qu’à l’origine, la plateforme Saas de Prevision.io, créée en 2016, faisait et fait toujours office de modèle d’entrainement permettant d’effectuer des prédictions à partir de l'analyse de données en s’aidant du machine learning. « Notre solution aide les équipes de datascientists dans les entreprises à faciliter leur mise en production de l’IA, par exemple pour faciliter la recommandation de produits dans le secteur du retail ou pour mieux prédire la consommation d’énergie pour les industriels », explique Nicolas Gaude.

Aujourd’hui, la solution Prevision.io s’hybride avec Quads (Quantum Algorithms Development Services) qui permet de superposer au modèle d’entrainement classique cette approche quantique pour résoudre des problèmes plus rapidement, les fameux problèmes NP-Complet comme l’analyse et l’isomorphisme de graphes ou encore le pricing de produits financiers. Pour ce faire, Quads intègre donc des algorithmes dédiés au quantique comme celui de Shor (créé en 1994 par Peter Shor) ou celui de Grover (Lov Grover en 1996).