Dans l’épisode précédent, nous avons cherché les premiers problèmes qu’un ordinateur quantique pourrait réellement tenter de résoudre.
Chimie, matériaux, cryptographie, optimisation…
Mais une question revient sans cesse :
sera-t-il simplement plus rapide qu’un ordinateur classique ?
La réponse courte est non.
Un ordinateur quantique n’est pas un ordinateur ordinaire auquel on aurait ajouté un bouton « turbo ». 😜
Il ne chargera pas nécessairement vos pages web plus vite. Il ne rendra pas automatiquement un tableur, un jeu vidéo ou une vidéo plus performant. Et il ne remplacera probablement pas l’ordinateur posé sur votre bureau.
Pour ces tâches, les machines classiques sont extraordinaires : fiables, rapides, peu coûteuses et soutenues par des décennies de logiciels optimisés.
Le quantique joue à un autre jeu.
Son intérêt apparaît seulement lorsqu’un problème possède une structure qu’un algorithme quantique peut exploiter.
Le mot important n’est donc pas seulement « ordinateur ».
C’est “algorithme”.
Pour comparer deux méthodes, les chercheurs n’observent pas uniquement le temps nécessaire à un petit calcul. Ils regardent surtout comment ce temps évolue lorsque le problème grandit.
Une méthode classique peut rester la plus rapide pour 100 éléments… puis devenir impraticable pour un milliard.
Une méthode quantique peut demander énormément d’efforts au départ, mais voir son coût augmenter beaucoup moins vite.
C’est cela, un gain algorithmique.
Prenons l’algorithme de Shor.
Il n’accélère pas tous les calculs : il exploite une structure mathématique très particulière pour factoriser de grands nombres et calculer des logarithmes discrets bien plus efficacement que les meilleures méthodes classiques connues.
L’algorithme de Grover offre un autre type de gain.
Pour chercher un élément dans une liste non structurée de N possibilités, une méthode classique peut devoir en tester jusqu’à N.
Dans un modèle idéal, Grover n’en demande qu’un nombre proportionnel à √N.
Un million de possibilités ne devient donc pas une seule opération magique… mais environ un millier d’étapes quantiques au lieu d’un million de tests.
C’est considérable.
Mais ce n’est pas « tout, instantanément ».
Et dans une machine réelle, il faut encore préparer les données, construire l’opération qui reconnaît une bonne réponse, corriger les erreurs, répéter le circuit et lire le résultat.
Un avantage théorique peut disparaître si tout ce travail coûte davantage que ce qu’il permet d’économiser.
Voilà pourquoi les chercheurs parlent d’un avantage de bout en bout : la méthode quantique doit battre la meilleure solution classique sur l’ensemble du parcours, pas seulement durant quelques microsecondes au cœur du processeur.
Autre idée reçue :
« Si un problème est très difficile, le quantique le résoudra forcément. »
Non plus.
De nombreux problèmes extrêmement difficiles — notamment parmi les problèmes dits NP-complets — ne possèdent aujourd’hui aucun algorithme quantique connu capable de les résoudre efficacement dans tous les cas.
« Difficile » ne signifie pas automatiquement « quantique ».
Les futures machines fonctionneront donc probablement comme des coprocesseurs spécialisés.
Un ordinateur classique préparera les données, pilotera le calcul et vérifiera les résultats.
Le processeur quantique n’interviendra que sur une partie très précise du problème… celle où ses règles particulières offrent réellement un avantage.
L’ordinateur quantique ne sera pas plus rapide pour tout.
Il pourrait devenir incomparablement meilleur pour quelques tâches soigneusement choisies.
Mais alors, d’où vient ce gain ?
On entend souvent qu’un ordinateur quantique « essaie toutes les réponses à la fois ».
🤔 Est-ce réellement ce qui se passe ?
C’est ce que nous découvrirons dans le prochain épisode.
🚁 Curiosity First. Learning together.