L'ère bruyante des ordinateurs quantiques touche à sa fin

Un ordinateur quantique de 105 qubits vient de battre, en cinq minutes, un calcul qu’un superordinateur classique mettrait un nombre d’années à dix zéros et au-delà à traiter. Spectaculaire — sauf que la même machine oublie ce qu’elle calcule presque aussitôt. Voilà le paradoxe de l’informatique quantique d’aujourd’hui : une puissance brute vertigineuse, sapée par une fragilité extrême. Cette époque a un nom, l’ère « bruyante ». Et plusieurs signaux récents suggèrent qu’elle approche de sa fin.

Le bruit, ennemi intime du qubit

Un ordinateur classique manipule des bits, valant 0 ou 1. Un ordinateur quantique exploite des qubits, qui peuvent occuper les deux états à la fois — la superposition — et se lier entre eux par l’intrication. C’est ce qui ouvre, en théorie, une puissance de calcul colossale pour certains problèmes hors de portée des machines actuelles.

Le hic : un qubit est un objet d’une délicatesse absolue. La moindre vibration, une trace de chaleur, un champ électromagnétique parasite suffisent à brouiller son état. Ce phénomène, la décohérence, transforme l’information en bruit. Pire encore, le simple fait de mesurer un qubit perturbe son état, ce qui complique la détection des erreurs. Là où un ordinateur classique corrige facilement une panne en dupliquant l’information, le monde quantique interdit cette copie pure et simple : on ne peut pas dupliquer un état quantique inconnu sans le détruire. Sur les machines actuelles, les portes à deux qubits affichent des taux d’erreur de l’ordre de 0,1 % à 1 %, et les circuits ne tiennent en pratique que quelques centaines à un millier d’opérations avant que le signal utile ne se noie¹. Au-delà, le résultat n’a plus de sens. Pour garder leurs qubits cohérents, les laboratoires plongent leurs puces dans des réfrigérateurs cryogéniques refroidis à quelques millièmes de degré au-dessus du zéro absolu, plus froids que l’espace intersidéral.

C’est le physicien John Preskill, du California Institute of Technology, qui a baptisé cette période en 2018. Dans un article devenu une référence, il forge l’acronyme NISQ — noisy intermediate-scale quantum, soit « quantique bruyant de taille intermédiaire » — pour décrire des machines de 50 à quelques centaines de qubits, assez grandes pour intriguer, trop bruyantes pour être vraiment utiles². Sept ans plus tard, Preskill lui-même rappelait qu’aucune application commerciale de cette génération n’avait encore démontré d’avantage décisif sur les meilleurs ordinateurs classiques³.

Corriger l’erreur sans regarder le qubit

La parade existe sur le papier depuis près de trente ans : la correction d’erreurs quantiques. L’idée est contre-intuitive. Plutôt que de fiabiliser chaque qubit, on en regroupe un grand nombre, imparfaits, pour former un seul « qubit logique » robuste. L’information est diluée dans le collectif, si bien que le système repère et répare les erreurs sans jamais mesurer directement l’état fragile de chaque qubit.

Le candidat vedette s’appelle le code de surface. Il dispose les qubits en damier et tolère bien les erreurs locales, au prix d’un appétit redoutable : il faut des centaines, parfois des milliers de qubits physiques pour obtenir un seul qubit logique fiable. D’autres pistes, comme les codes topologiques, promettent une protection plus économe mais restent difficiles à fabriquer. Tout l’enjeu de la course à la scalabilité tient dans cet arbitrage entre nombre de qubits, fidélité et coût.

Or une question hantait le domaine : ajouter des qubits pour corriger les erreurs n’introduit-il pas, mécaniquement, davantage d’erreurs ? Tant que la réponse restait incertaine, la promesse quantique demeurait suspendue.

Willow franchit le « seuil »

Fin 2024, Google a apporté une réponse qui a fait date. Sa puce Willow, dotée de 105 qubits supraconducteurs, a démontré le passage « sous le seuil » : à chaque fois que l’on agrandit le réseau de qubits corrigeant l’information — d’une grille 3×3 à 5×5, puis 7×7 —, le taux d’erreur logique est divisé par deux environ⁴. Concrètement, l’équipe a mesuré une suppression d’un facteur 2,14 à chaque hausse de la distance de code, aboutissant à un code de distance 7 affichant 0,143 % d’erreur par cycle de correction⁵.

C’est le signal que la communauté attendait depuis trente ans. La courbe s’inverse enfin dans le bon sens : plus la machine grandit, plus elle devient fiable. Le seuil n’a rien d’anecdotique : il sépare un régime où chaque qubit ajouté noie un peu plus le calcul d’un régime où il le consolide. Tant qu’on restait au-dessus, l’ordinateur quantique tolérant aux fautes demeurait une hypothèse ; en passant en dessous, Google a montré qu’il s’agissait d’un problème d’échelle, pas de principe. La revue Physics de l’American Physical Society a salué une étape qui « craque » l’un des grands défis du domaine⁶. La même puce a, par ailleurs, exécuté un calcul de référence en cinq minutes là où l’estimation classique se chiffre en une durée astronomique — un résultat de course à la suprématie quantique qui reste, lui, sans débouché pratique immédiat.

De la preuve de principe à la machine utile

Une démonstration ne fait pas une industrie. Le passage à l’échelle relance aussitôt le problème des ressources : multiplier les qubits logiques exige des millions de qubits physiques avec les codes actuels. C’est pourquoi IBM a dévoilé en 2025 une feuille de route détaillée vers une machine tolérante aux fautes. L’entreprise vise pour 2029 un système baptisé Starling, capable d’exécuter plus de 100 millions d’opérations sur 200 qubits logiques, hébergé dans un nouveau centre de données quantique à Poughkeepsie, dans l’État de New York⁷.

Le pari technique d’IBM est de tourner le dos au code de surface au profit de codes dits qLDPC, qui réduiraient le nombre de qubits physiques nécessaires jusqu’à 90 %⁸. Des étapes intermédiaires jalonnent le parcours — Loon en 2025, Kookaburra en 2026, Cockatoo en 2027 — avant un système successeur, Blue Jay, annoncé pour 2033 avec plus de 2 000 qubits logiques⁹. Google DeepMind, de son côté, a présenté un décodeur fondé sur l’intelligence artificielle, AlphaQubit, pour interpréter plus finement les signaux d’erreur¹⁰. La convergence entre apprentissage automatique et matériel quantique nourrit déjà un cycle d’innovation prometteur.

Un verrou qui change de nature

L’ère bruyante ne s’éteindra pas d’un coup. Mais sa nature a changé. Hier, on doutait que la correction d’erreurs fût même possible à grande échelle ; aujourd’hui, la question est devenue industrielle — combien de qubits, à quel coût, à quelle date. C’est un déplacement décisif : on quitte le terrain de la physique fondamentale pour celui de l’ingénierie de masse. Les enjeux dépassent le laboratoire, car une machine fiable bouleverserait aussi bien les industries que la cryptographie. Le signal à surveiller pour 2026 ? Le premier module réellement tolérant aux fautes — celui qui transformera une prouesse de laboratoire en brique d’ordinateur.