Climat : ce que l'informatique quantique peut, et ne peut pas encore

Simuler une année entière du climat mondial en une seule journée de calcul : voilà ce que réussissent désormais les superordinateurs les plus puissants. Et pourtant, les climatologues réclament toujours plus de finesse, plus de vitesse, plus de scénarios. D’où la question qui agite les laboratoires : l’informatique quantique peut-elle franchir le mur que même l’exaflopique ne suffit pas à abattre ? La réponse, en 2026, est nuancée — et c’est précisément ce qui la rend intéressante.

Pourquoi le climat dévore le calcul

Un modèle climatique découpe l’atmosphère et les océans en une grille tridimensionnelle, puis résout en chaque case des équations de physique couplées. Plus la grille est fine, plus le modèle capte les phénomènes locaux — ouragans, moussons, courants —, mais plus le coût explose. Les systèmes actuels descendent à des résolutions de l’ordre du kilomètre, et un exploit récent a vu un modèle « nuage-résolvant » tourner sur Frontier, premier superordinateur exaflopique, pour simuler une année de climat mondial en un jour¹. Le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) visait, lui, des prévisions d’ensemble à 5 kilomètres de résolution².

Le problème : sous une certaine résolution, les processus de petite échelle — la formation d’un nuage, la turbulence — restent invisibles et doivent être approximés par des « paramétrisations », sources de biais systématiques³. Augmenter la résolution se paie en heures de calcul et en énergie : boucler un ensemble de simulations couvrant plusieurs siècles peut exiger qu’un modèle simule dix années par jour de fonctionnement réel, une cadence que seules les plus grosses machines atteignent¹. C’est là que le quantique entre en scène, non comme un remplaçant, mais comme un accélérateur potentiel.

Deux promesses, à ne pas confondre

L’apport possible du quantique au climat se décline en deux familles bien distinctes. La première est le calcul direct. De nombreux modèles reposent sur des équations aux dérivées partielles, et les solveurs linéaires quantiques offrent, sous certaines conditions, des accélérations exponentielles — de quoi, en théorie, alléger le cœur des modèles³. La seconde est l’apprentissage automatique quantique : des réseaux de neurones quantiques pourraient apprendre à représenter les processus de petite échelle, même sur les machines bruyantes actuelles, là où les données manquent³.

Ces deux voies sont prometteuses mais inégalement mûres. Le gain des solveurs linéaires, par exemple, n’apparaît que si l’on parvient à charger et à extraire les données efficacement — une condition rarement remplie en pratique. Quant à l’apprentissage quantique, il pourrait compléter, plus que remplacer, les réseaux de neurones classiques déjà utilisés pour améliorer les prévisions. Comme le souligne notre dossier sur la convergence entre IA et informatique quantique, l’hybridation entre apprentissage et calcul quantique est sans doute la piste la plus réaliste à court terme. Mais aucune ne tient encore ses promesses à pleine échelle.

Le verrou des données et du bruit

Car les obstacles sont sérieux, et les chercheurs honnêtes ne les masquent pas. Un position paper publié en février 2025 par l’initiative de calcul quantique du DLR allemand est sans détour : à ce jour, personne n’a démontré d’avantage quantique sans ambiguïté sur une tâche complète de modélisation climatique³. Le matériel reste cantonné au régime « bruyant » — des dizaines à des centaines de qubits, des temps de cohérence courts, des taux d’erreur qui imposent des stratégies d’atténuation⁴.

Le second verrou est plus subtil : le chargement des données. Encoder d’immenses jeux climatiques dans un état quantique est lent et coûteux, au point d’éroder une bonne part des gains théoriques de calcul⁴. Des techniques d’atténuation d’erreurs — extrapolation au bruit nul, annulation probabiliste — progressent, mais elles contournent le problème plus qu’elles ne le résolvent⁴. Tant que les ordinateurs quantiques tolérants aux fautes ne seront pas disponibles, dont notre analyse rappelle le calendrier incertain, la modélisation climatique « tout quantique » restera hors d’atteinte.

L’apport le plus proche : les matériaux verts

Paradoxalement, la contribution la plus tangible du quantique au climat ne passe pas par les modèles, mais par la chimie. Simuler la matière à l’échelle atomique est l’usage où le quantique excelle, et la transition énergétique en a un besoin criant. Volkswagen, avec la société Xanadu, a modélisé un composé de cathode réaliste — un silicate de fer et de lithium —, premier pas vers des batteries plus sûres et plus denses en énergie⁵. Des simulations quantiques aident à concevoir des matériaux solaires — notamment les pérovskites et les cellules tandem —, des sorbants captant le CO2 plus efficacement, ou des catalyseurs pour produire l’hydrogène vert à moindre coût⁵. En 2025, IonQ a même accéléré jusqu’à 50 fois des simulations de réseau électrique⁵, et a revendiqué une précision accrue dans la simulation de systèmes chimiques complexes utiles à la lutte contre le changement climatique⁶.

Ces applications, plus modestes que la refonte des modèles climatiques, sont aussi plus crédibles à court terme, car elles portent sur des molécules de taille raisonnable, à la portée des machines actuelles. Elles rejoignent l’impact transformateur de l’informatique quantique sur les industries, où la simulation de matériaux est déjà un terrain de compétition entre laboratoires et industriels.

Le signal à surveiller

L’informatique quantique ne sauvera pas le climat à elle seule, et elle ne remplacera pas de sitôt les superordinateurs qui font tourner les modèles. Mais elle pourrait, brique par brique, affiner certaines prévisions et accélérer la découverte des matériaux de la transition. Le bon indicateur n’est pas la prochaine annonce spectaculaire : c’est la première démonstration d’un avantage quantique vérifié sur une tâche climatique précise — un sous-problème d’équations, une paramétrisation apprise, un matériau conçu. Ce jalon, encore à venir, dira si la promesse devient méthode, ou si elle rejoint la longue liste des espoirs technologiques que la réalité a tempérés. Reste enfin une exigence d’équité : que ces outils servent aussi les pays les plus exposés au dérèglement, un enjeu au cœur de l’accès équitable à l’informatique quantique.