Simulation et optimisation quantiques : les cas d’usage les plus concrets

Parmi toutes les applications de l'informatique quantique](/post/introducao-computacao-quantica-startups), deux concentrent l'essentiel des attentes de retour économique : la simulation des systèmes quantiques et l'optimisation. Il vaut la peine de séparer soigneusement les deux, car le premier a une base plus solide et le second comporte beaucoup d’exagération.

La distinction est importante pour ceux qui décident où investir leur attention. Confondre une promesse mûre avec une promesse spéculative conduit à de fausses attentes et, pire encore, à des investissements au mauvais moment.

Pourquoi la simulation est le cas le plus naturel

Il existe un argument élégant en faveur de la simulation quantique. Les molécules, les matériaux et les réactions chimiques sont, par essence, des systèmes quantiques. Les décrire sur un ordinateur classique nécessite des approximations dont le coût augmente de manière explosive avec la taille du système.

Un ordinateur quantique, quant à lui, manipule directement les états quantiques. En théorie, cela représente un système quantique utilisant un autre système quantique, sans le même goulot d’étranglement. L’avantage n’est pas un vague pari, c’est une conséquence de la nature du problème.

C’est pourquoi la simulation est considérée comme le terrain où l’avantage quantique apparaît plus tôt et de manière plus défendable. Non pas parce que la technologie est prête, mais parce que la correspondance entre le problème et la machine est directe.

Cela ne signifie pas que nous disposons déjà de simulations utiles à grande échelle. Les équipements actuels sont encore bruyants et limités. Ce qui existe, ce sont des démonstrations prometteuses et une voie conceptuelle claire, ce qui est bien plus que ce que l'on peut dire pour de nombreuses autres applications.

Chimie, matériaux et pharmacie

Les cas d’utilisation concrets de la simulation se concentrent sur trois domaines étroitement liés.

En chimie, l’objectif est de prédire comment les molécules se comportent, comment les réactions se produisent et quelle quantité d’énergie elles impliquent. La catalyse est un exemple de grande valeur : comprendre les catalyseurs au niveau quantique peut améliorer les processus industriels qui consomment aujourd’hui énormément d’énergie, comme la production d’engrais.

Dans les matériaux, la promesse est de concevoir des substances aux propriétés spécifiques avant de les synthétiser en laboratoire. Supraconducteurs, batteries plus denses, matériaux plus légers et plus résistants. Aujourd’hui, une grande partie de cette découverte repose sur des essais et des erreurs coûteux. Une simulation précise réduit l’espace de recherche.

Dans le domaine pharmaceutique, la simulation permet de comprendre comment les molécules candidates interagissent avec les cibles biologiques. Le cycle de découverte de médicaments est long et coûteux. Accélérer le dépistage initial grâce à une simulation plus précise aurait un impact économique important.

Dans les trois cas, le gain n’est pas de remplacer la méthode actuelle, mais de restreindre les possibilités avant l’expérimentation physique. Même un avantage partiel sur certains problèmes justifie l’intérêt des secteurs de l’énergie, de la chimie, de la pharmacie et de l’industrie manufacturière de pointe.

Optimisation : vraie promesse, battage médiatique aussi

L’optimisation est le deuxième grand cas, et il faut ici faire preuve de plus de scepticisme.

Les problèmes d’optimisation sont partout : acheminement des livraisons, allocation des ressources, équilibrage des portefeuilles, planification de la production. La promesse est que les ordinateurs quantiques trouveront de bonnes solutions plus rapidement que les méthodes classiques.

La vraie partie : il existe des recherches sérieuses avec des algorithmes quantiques et des équipements spécialisés pour certains problèmes d’optimisation, et des résultats expérimentaux encourageants.

La partie que le marketing laisse de côté : pour la plupart des problèmes d'optimisation pratiques, les méthodes classiques sont très bonnes et s'améliorent chaque année. L’avantage quantique durable sur le meilleur algorithme classique, dans le monde réel et dans des problèmes pertinents, n’a pas encore été démontré de manière convaincante et généralisée. C’est l’objet d’une honnête dispute entre chercheurs.

Cela n’enlève rien au potentiel. Cela signifie que l’optimisation nécessite un niveau de preuve plus élevé. Lorsqu’un fournisseur promet aujourd’hui des gains quantitatifs en logistique, la bonne question est : par rapport à quelle méthode classique, dans quelle problématique, avec quelle marge réplicable ? Sans ces réponses, c'est une promesse, pas un produit.

L’approche judicieuse consiste à suivre l’optimisation avec intérêt et la main dans la poche. C’est dans ce domaine que la démonstration se confond le plus facilement avec l’avantage pratique.

Le rôle du cloud et de l'informatique hybride

Une idée fausse très répandue est que pour tirer parti de ces applications, il faut acheter un ordinateur quantique. Cela n’en a pas besoin, et cela ne devrait probablement pas être le cas.

Aujourd’hui, l’accès pratique se fait via le cloud. Les principaux fournisseurs proposent des machines quantiques en tant que service, ainsi que des simulateurs fonctionnant sur du matériel classique. Une équipe de recherche peut expérimenter des algorithmes sans investir dans l’infrastructure physique.

Le modèle émergent est hybride : la partie du problème qui bénéficie du traitement quantique s’exécute sur la machine quantique, et le reste reste dans l’informatique classique, qui continue de faire le gros du travail. Ce n'est pas un remplacement, c'est une répartition des tâches.

Pour un leader, cela change l’équation du risque. Évaluer le potentiel quantique de votre industrie ne signifie pas un lourd engagement en capital. Cela signifie un pilote maîtrisé, avec une petite équipe, utilisant des ressources à la demande. Le coût de l'apprentissage est faible. Le coût d’ignorer et d’être surpris est plus élevé dans les secteurs exposés.

Comment traduire cela en priorité

La question opérationnelle n’est pas de savoir si la simulation quantique fonctionnera. C'est à ce moment-là qu'elle vaque à ses occupations et que faire entre les deux.

Si vous travaillez dans la chimie, les matériaux, l'énergie ou la pharmacie, la simulation mériterait un suivi actif et éventuellement un pilote exploratoire dans les prochains cycles. Ce sont les secteurs où l’avantage apparaît en premier et où arriver tardivement coûte cher.

Si votre principal problème est l’optimisation, maintenez votre intérêt mais exigez des preuves. Avant tout investissement quantique, confirmez que vous avez épuisé ce que proposent les méthodes classiques modernes. Souvent le gain est là, sans avoir besoin de qubits.

Pour les autres secteurs, l’approche est l’alphabétisation et le suivi. Savoir distinguer la simulation (solide) de l’optimisation (spéculative) évite déjà d’acheter une mauvaise promesse.

Le mérite de comprendre ces cas d’usage réside dans le calibrage des attentes. Ceux qui savent où l'avantage est défendable et où il relève du battage médiatique décident mieux, dépensent mieux et ne se laissent pas emporter par le prochain titre.