Dans l’épisode précédent, nous avons découvert comment les amplitudes quantiques peuvent se renforcer ou s’annuler afin de faire émerger une information utile.
Mais obtenir un résultat impressionnant ne prouve pas encore qu’un ordinateur quantique a battu un ordinateur classique.
Pour parler d’avantage quantique, il faut organiser une comparaison exigeante.
Imaginez une course.
Le processeur quantique parcourt 100 mètres tandis que l’ordinateur classique doit gravir une montagne avec un sac à dos. 😜
Même si le premier gagne, nous n’avons rien démontré.
Les deux concurrents doivent accomplir exactement la même tâche, avec la même précision.
Il faut ensuite choisir le bon adversaire.
Pas un ordinateur portable exécutant un programme naïf.
Mais le meilleur algorithme classique connu, optimisé et fonctionnant sur du matériel adapté.
L’histoire de Sycamore l’illustre parfaitement.
En 2019, Google annonçait que son processeur quantique avait réalisé en environ 200 secondes une tâche d’échantillonnage de circuits aléatoires qui aurait demandé, selon son estimation, près de 10 000 ans à un superordinateur classique.
IBM proposa aussitôt une autre stratégie de simulation ramenant son estimation à environ deux jours et demi.
Le processeur quantique restait beaucoup plus rapide.
Mais l’écart venait de passer de plusieurs millénaires… à quelques jours.
L’expérience de Google n’était pas devenue fausse.
Elle venait simplement de rencontrer un adversaire classique plus intelligent.
Une annonce devient alors une invitation :
« Voici notre tâche, nos circuits et nos résultats. Essayez de faire mieux. »
Il faut également chronométrer l’ensemble du parcours.
Préparer les données, compiler le circuit, initialiser les qubits, répéter l’expérience, gérer les erreurs, lire les résultats puis effectuer le traitement classique nécessaire.
Si le cœur quantique calcule pendant une seconde mais que toute la procédure demande trois jours, annoncer seulement cette seconde ne démontre aucun avantage pratique.
Nous retrouvons ici l’avantage de bout en bout rencontré à l’épisode 21.
Autre condition essentielle :
le gain doit résister lorsque le problème grandit.
Une machine quantique peut gagner sur un exemple précis grâce à un détail du matériel.
Ce qui intéresse vraiment les chercheurs, c’est la manière dont le coût évolue avec la taille du problème.
Le temps classique explose-t-il tandis que le coût quantique augmente plus lentement ?
L’écart se maintient-il… ou disparaît-il dès qu’une meilleure méthode classique est découverte ?
Enfin, le résultat doit pouvoir inspirer confiance.
Pour les petits problèmes, on peut le comparer à des calculs classiques exacts.
Pour les plus grands, on utilise des tests statistiques, des propriétés mathématiques, des contrôles intégrés ou plusieurs machines indépendantes.
Et lorsque le calcul devient impossible à reproduire classiquement, la transparence devient essentielle :
publier les circuits, les données et les méthodes afin que d’autres équipes puissent confirmer… ou réfuter le résultat.
Un véritable avantage quantique n’est donc pas une phrase spectaculaire dans un communiqué.

C’est un résultat qui survit aux meilleures attaques classiques, aux vérifications indépendantes et à une comparaison équitable de tout le processus.

Mais il reste un dernier piège.
La tâche réalisée par Sycamore avait surtout été conçue pour tester la puissance du processeur.
Elle ne découvrait ni médicament, ni nouveau matériau, ni meilleur réseau électrique.
Elle pouvait démontrer un avantage expérimental… sans résoudre un problème dont quelqu’un avait réellement besoin.

🤔 Un avantage quantique peut-il être parfaitement réel… mais parfaitement inutile ?

C’est ce que nous découvrirons dans le prochain épisode.

🚁 Curiosity First. Learning together.