Ordinateur Quantique : La Prochaine Révolution Informatique ?

Dans un laboratoire, un « ordinateur quantique » ressemble parfois moins à un PC du futur qu’à un lustre de métal doré suspendu à des étages de câbles, plongé dans le froid le plus extrême. Et pourtant, c’est bien là que se joue une question très contemporaine : la Tech & IA : L’Intelligence Artificielle au Service de la Science va-t-elle bientôt composer avec une autre révolution, celle du calcul quantique, capable de bouleverser la cybersécurité, la chimie… et notre manière même de calculer ?

Pourquoi tout le monde parle d’ordinateur quantique

Pourquoi cette agitation autour de l’ordinateur quantique, alors que nos ordinateurs classiques — et même l’IA — semblent déjà tout envahir ? Parce que certains problèmes résistent obstinément aux machines conventionnelles, même dopées aux GPU. La promesse du quantique n’est pas d’écrire vos e-mails plus vite, mais d’attaquer des tâches où l’explosion combinatoire rend le calcul impraticable : simuler finement des molécules, optimiser des réseaux immenses, ou explorer des structures mathématiques liées au chiffrement.

Cette promesse attire des investissements et des stratégies nationales, mais elle s’accompagne d’un décalage tenace entre l’imaginaire (la machine « magique ») et la réalité : des prototypes encore bruyants, instables, et souvent accessibles via le cloud. Les industriels rappellent aussi que le critère « nombre de qubits » ne suffit pas : la fidélité des opérations et la capacité à corriger les erreurs déterminent la marche vers une machine réellement utile.

Physique quantique : du bit au qubit, et pourquoi cela change tout

La physique quantique est le socle de l’ordinateur quantique. Là où un ordinateur classique manipule des bits strictement égaux à 0 ou 1, un qubit peut occuper une superposition d’états : une combinaison de 0 et de 1 tant qu’on ne le mesure pas. Avec plusieurs qubits, on ne décrit plus une seule configuration, mais un registre pouvant représenter simultanément une multitude de configurations possibles.

Cette idée devient plus concrète avec une analogie souvent utilisée par les physiciens : celle du labyrinthe. Un programme classique teste des chemins l’un après l’autre, revient en arrière, recommence. Un système quantique, lui, peut se comporter comme s’il « explorait » en parallèle plusieurs itinéraires grâce à la superposition — avant qu’une mesure ne fasse « retomber » le système sur un résultat. Landry Bretheau résume l’intuition ainsi :

« Un ordinateur quantique manipulera de nombreux qubits dans un état massivement superposé : 0000 plus 1111, par exemple. Dans cet état “intriqué”, plusieurs calculs peuvent être effectués en parallèle. »
Landry Bretheau, propos de vulgarisation scientifique

Un second ingrédient, tout aussi central, est l’intrication : des qubits deviennent corrélés au point que l’état du système doit être décrit globalement. C’est cette ressource qui permet certains algorithmes quantiques, et qui rend l’information quantique extraordinairement riche… mais aussi extraordinairement fragile. L’idée d’utiliser de telles propriétés pour simuler la nature remonte notamment aux intuitions de Richard Feynman au tournant des années 1980 : pour simuler un monde quantique, une machine quantique pourrait être plus naturelle qu’une machine classique.

Construire un ordinateur quantique : architectures, froid extrême et orchestration classique

La physique quantique ne se contente pas d’images de chat de Schrödinger : elle impose une ingénierie très concrète. Les qubits peuvent être réalisés sur différentes plateformes matérielles : circuits supraconducteurs (très répandus), ions piégés (contrôlés par lasers), ou encore qubits photoniques (information portée par la lumière). Chaque approche a ses atouts : facilité de fabrication, qualité des portes, mise à l’échelle, intégration industrielle.

Mais toutes partagent un problème : isoler les qubits du monde extérieur. Pour certaines architectures, on vise un vide extrêmement poussé, de l’ordre de 10-11 mbar de pression, comparable à celle qui règne à la surface de la Lune, afin d’éviter collisions et perturbations. Pour les supraconducteurs, on descend vers des températures proches du zéro absolu grâce à des réfrigérateurs à dilution. Résultat : des machines volumineuses, coûteuses, et bardées d’électronique de contrôle.

Il faut aussi se défaire d’un malentendu : un « ordinateur quantique » n’est pas (encore) un ordinateur autonome au sens classique. Comme l’explique Loïc Henriet, il s’agit plutôt d’un processeur spécialisé, greffé à une infrastructure où l’informatique conventionnelle garde la main sur la séquence des opérations :

« Nous utilisons le terme d’ordinateur quantique, mais il serait préférable de parler de processeur quantique, car l’intégralité d’un calcul ne peut pas être implémentée sur un ordinateur quantique, seulement une petite partie. Nous aurons toujours besoin d’un processeur classique pour orchestrer l’ensemble des taches de calcul. »
Loïc Henriet, physicien

Ce fonctionnement hybride — classique pour piloter, quantique pour accélérer certains sous-problèmes — rappelle d’ailleurs un autre motif de notre époque : l’empilement de technologies spécialisées. Dans un registre différent, la robotique bio-inspirée illustre aussi cette recherche d’architectures « mixtes » et pragmatiques, comme le montre Salto : le robot bio-inspiré qui atterrit comme un écureuil, où l’intelligence émerge de la combinaison entre mécanique, capteurs et contrôle.

Erreurs, décohérence et correction : le verrou technologique (et l’avancée Inria–Alice & Bob)

Dans la physique quantique, l’information est sensible : chaleur, champs électromagnétiques, défauts de fabrication, fluctuations… et l’état quantique se dégrade. C’est la décohérence, cauchemar de l’ordinateur quantique. Or, pour être réellement utile, une machine devrait enchaîner une avalanche d’opérations fiables. Les ordres de grandeur donnent le vertige : on estime qu’un calcul intéressant pourrait nécessiter au moins un million à un milliard d’opérations ; pourtant, aujourd’hui, 1 opération sur 1 000 est erronée « au mieux », ce qui suffit à rendre le résultat inexploitable si l’on ne corrige pas en cours de route.

D’où la stratégie dominante : fabriquer des qubits logiques, plus robustes, en combinant de nombreux qubits physiques selon des codes correcteurs d’erreurs. Le principe ressemble à la redondance en télécommunications : si un bruit affecte un élément, les autres permettent de détecter et corriger. Mais, dans le quantique, l’addition est souvent brutale : plus de qubits, plus de complexité, plus de sources de bruit. C’est précisément là qu’une avancée française attire l’attention.

Le 26 janvier 2025, une équipe d’Inria, en collaboration avec la startup française Alice & Bob, a publié dans Nature Communications une architecture combinant des « qubits de chat » (une famille de qubits supraconducteurs) avec des codes LDPC (Low-Density Parity-Check). L’objectif : chasser les erreurs sans faire exploser la taille de la machine. Dans ce cadre, les auteurs mettent en avant une réduction drastique des ressources nécessaires, avec l’idée qu’un qubit logique pourrait être obtenu avec un ordre de grandeur beaucoup plus favorable — typiquement évoqué comme passant de « milliers » à « quelques dizaines » de qubits physiques, avec un repère souvent cité autour de 30 qubits physiques par qubit logique dans des scénarios optimisés.

Cette piste ne garantit pas, à elle seule, la machine « universelle » tolérante aux fautes. Mais elle illustre le cœur du débat : le quantique n’est pas seulement une course au nombre de qubits, c’est une course à la qualité, à l’architecture, et à l’ingénierie de la correction. Pour une mise en perspective sur la manière dont le bruit peut brouiller l’annonce technologique, on peut aussi lire Qubits Microsoft : scepticisme des physiciens face au bruit, qui montre à quel point la communauté reste exigeante sur les démonstrations.

Applications et limites : santé, matériaux, optimisation… et la cryptographie sous pression

Un ordinateur quantique ne promet pas un gain universel : il vise des niches où sa logique probabiliste et ses ressources (superposition, intrication) offrent un avantage. Les scénarios les plus plausibles, à court ou moyen terme, concernent la simulation de systèmes physiques — un terrain où la machine quantique parle, en quelque sorte, la langue de la matière. En chimie, simuler finement des molécules complexes pourrait accélérer la découverte de candidats médicaments ou de nouveaux matériaux (catalyseurs, batteries, supraconducteurs), là où le calcul classique s’essouffle.

L’autre grand bloc concerne l’optimisation : planification logistique, allocation de ressources, routage, gestion de réseaux. Le problème du voyageur de commerce — trouver l’itinéraire minimal reliant une multitude de points — sert souvent de symbole : sa complexité explose avec la taille du réseau. Il faut toutefois rester prudent : entre les algorithmes quantiques théoriquement avantageux et une accélération démontrée sur du matériel réel, l’écart peut être considérable.

Enfin, l’ombre portée la plus médiatisée est celle de la cryptographie. L’algorithme de Shor, dans un scénario de machine universelle suffisamment grande et tolérante aux fautes, menacerait des schémas de chiffrement largement déployés. Mais là encore, la condition est exigeante : il ne s’agit pas de disposer de « quelques centaines de qubits », mais d’une architecture robuste, durable, et massivement corrigée. La meilleure réponse est déjà en route : la cryptographie post-quantique. Et, dans un monde où la manipulation de l’information devient une bataille, la question de la confiance numérique dépasse le seul quantique — comme le montrent les enjeux autour des contenus synthétiques analysés dans Deepfakes : l’humain surpasse l’IA sur la vidéo et Deepfakes : Comment l’IA Fabrique de Fausses Réalités.

Course mondiale et French Tech : promesses, coûts, horizon « utile »

Le paysage est désormais mondial : grands groupes, laboratoires publics, start-up. IBM, par exemple, a mis à disposition des processeurs quantiques via le cloud et communique sur des machines atteignant 133 qubits (ordre de grandeur cité pour ses systèmes accessibles) — un chiffre impressionnant, mais qui ne résume pas l’utilité réelle sans métriques de fidélité et de correction d’erreurs. La compétition inclut aussi Google et Microsoft, avec des approches et des annonces scrutées de près.

Côté français, l’écosystème est particulièrement actif. Quandela, qui mise sur le quantique photonique, a notamment livré la machine Lucy au TGCC du CEA, illustrant une stratégie : miniaturiser et industrialiser la manipulation de la lumière. L’entreprise revendique environ 140 collaborateurs (dont 80 % en France, selon des chiffres rapportés dans la presse), signe qu’une filière se structure. Cette dynamique s’inscrit dans une trajectoire plus large d’innovation inspirée par le vivant et par les micro-architectures — jusque dans des domaines inattendus, comme Des trompes de moustiques transformées en buses d’impression 3D ou Un pistolet à colle modifié pour imprimer de l’os en 3D, qui montrent comment la recherche transforme des contraintes physiques en solutions d’ingénierie.

Reste la question du « quand ». Beaucoup d’acteurs parlent d’un ordinateur quantique « utile » autour d’un cap symbolique : le million de qubits, souvent entendu comme un ordre de grandeur pertinent pour des machines tolérantes aux fautes dans certains scénarios. Les coûts, eux, ne sont pas anecdotiques : les systèmes actuels, entre cryogénie, électronique et infrastructure, peuvent se chiffrer à plusieurs dizaines de millions d’euros, typiquement 10 à 100 millions d’euros selon la configuration. Quant au marché, le cabinet McKinsey a avancé une estimation pouvant atteindre 1 300 milliards de dollars d’ici 2035 — une projection qui alimente autant l’enthousiasme que la prudence, tant elle dépend de percées techniques difficiles à calendrer.

Dans cet entre-deux, les stratégies les plus crédibles misent sur l’hybride : intégrer des accélérateurs quantiques à des centres de calcul haute performance, tester des cas d’usage réalistes, et bâtir un outillage logiciel robuste. C’est aussi une affaire de gouvernance et de maîtrise des risques, à l’image des débats plus larges sur la régulation des technologies de rupture abordés dans Gouvernance de l’IA : Réguler Sans Freiner l’Innovation et des enjeux de sécurité analysés dans Biosécurité : l’IA défie et renforce les filtres de détection.

Alors, l’ordinateur quantique est-il la prochaine révolution informatique ? Probablement, mais pas sous la forme d’un remplacement : plutôt comme un nouvel outil spécialisé, greffé à l’informatique classique et à l’IA, capable d’ouvrir des fenêtres sur des problèmes jusqu’ici inabordables. La vraie bascule ne viendra pas d’un record de qubits affiché sur une fiche technique, mais d’une victoire patiente sur le bruit, la décohérence et la correction d’erreurs — un terrain où la recherche européenne et française, d’Inria à ses start-up, pourrait peser lourd. Pour suivre ces mutations au fil des innovations, notre dossier Tech & IA : L’Intelligence Artificielle au Service de la Science propose un panorama des technologies qui redessinent déjà le laboratoire… et, peut-être demain, le calcul lui-même.