Podcast

Écoutez cet article en audio

Et si le meilleur allié de l'ordinateur quantique était l'intelligence artificielle ? C'est la démonstration que viennent de livrer des chercheurs de Google Quantum AI dans la revue Nature : un agent d'apprentissage par renforcement capable de recalibrer en continu la puce quantique Willow sans jamais interrompre les calculs en cours. Une avancée qui pourrait rapprocher l'industrie du Graal : des machines quantiques tolérantes aux fautes, capables de fonctionner des jours, des semaines, voire des mois d'affilée.

Le problème est aussi ancien que l'informatique quantique elle-même. Les qubits, ces unités de calcul quantique, sont d'une fragilité extrême : bruit, température, lumière ou simple agitation des qubits voisins suffisent à provoquer des erreurs de décohérence. Pour conserver des résultats fiables, les systèmes actuels doivent s'arrêter périodiquement afin d'être recalibrés  des pauses qui amputent leur capacité à exécuter les longs calculs complexes attendus demain.

L'équipe pilotée par Volodymyr Sivak, chercheur chez Google Quantum AI, a choisi une autre voie. Plutôt que de stopper la machine, son agent logiciel exploite le flot de données de détection d'erreurs déjà généré pendant le calcul pour apprendre en continu et ajuster à la volée les paramètres de contrôle du processeur. En clair, l'ordinateur quantique apprend de ses propres erreurs pendant qu'il calcule, comme un pilote qui réglerait les commandes de son avion sans jamais couper les moteurs.

Les résultats mesurés sur la puce supraconductrice Willow  présentée par Google fin 2024  sont parlants : face à une dérive matérielle artificiellement introduite, le taux d'erreurs logiques s'est révélé 3,5 fois plus stable, et réduit d'environ 20 % par rapport aux méthodes classiques de recalibration. L'agent est parvenu à piloter plus d'un millier de paramètres de contrôle sur la machine réelle, et jusqu'à 40 000 en simulations numériques, sur plusieurs familles de codes correcteurs (codes de surface et codes couleur). Mieux encore : l'agent atteint de hautes performances même en partant de paramètres initiaux aléatoires, laissant entrevoir un recalibrage entièrement automatisé, sans experts humains.

Google n'est pas seul sur ce créneau de la convergence IA-quantique. Nvidia a lancé au printemps Ising, une famille de modèles ouverts censés accélérer le décodage des erreurs quantiques ; des équipes d'Amazon Web Services, de Quantum Elements et d'Harvard explorent les jumeaux numériques ; IBM a présenté en juin un cadre fondé sur les grands modèles de langage pour trier les codes correcteurs. « La voie vers la tolérance aux fautes se construira non seulement avec un meilleur matériel, mais avec un contrôle plus intelligent », résument les auteurs de l'étude.

L'enjeu dépasse le seul laboratoire : un calcul quantique capable de tourner très longtemps sans surveillance rapproche l'échéance d'applications industrielles et, à terme, celle de machines assez puissantes pour mettre à l'épreuve les systèmes de chiffrement actuels, ce qui explique l'intérêt croissant des États et des géants du numérique pour la cryptographie post-quantique.

 

Source originale : Next Platform — article publié le 20 juillet 2026
Lien : https://nextplatform.com/compute/2026/07/20/google-uses-ai-reinforcement-learning-for-quantum-error-correction/5275023