À quoi va réellement servir l’ordinateur quantique ?

Épisode 5

Chimie, médicaments, énergie, optimisation, IA : où un QPU peut-il réellement apporter un avantage ?

Dans les épisodes précédents, nous avons vu comment fonctionnent les différentes familles de qubits, pourquoi aucune technologie n’a encore gagné et comment les principaux acteurs cherchent désormais à transformer leurs processeurs en véritables systèmes industriels.

Mais une machine, aussi impressionnante soit-elle, n’a d’intérêt que si elle permet de résoudre un problème utile. La question devient donc beaucoup plus concrète : à quoi va réellement servir un ordinateur quantique ?

Une première idée est essentielle : l’ordinateur quantique n’a pas vocation à remplacer nos ordinateurs, nos serveurs ou nos GPU. Il ne sera pas meilleur pour envoyer un e-mail, faire tourner Excel ou héberger un site web.

Il s’agit plutôt d’une machine spécialisée, capable d’intervenir sur certaines catégories de problèmes particulièrement difficiles pour les ordinateurs classiques. Et c’est précisément sur ces problèmes que pourrait se jouer la prochaine étape de la course quantique.

Le vrai enjeu : faire mieux que le classique

Une avancée scientifique ne devient pas automatiquement une application industrielle. Un ordinateur quantique peut réussir un calcul très difficile sans pour autant résoudre un problème utile à une entreprise.

L’enjeu est simple : démontrer qu’un ordinateur quantique apporte un avantage concret sur un cas d’usage réel.

Reste à identifier les domaines où cet avantage pourrait réellement faire la différence.

1. Chimie et matériaux : probablement le terrain le plus naturel

La mécanique quantique décrit le comportement des molécules, des électrons et des matériaux. Pour certains systèmes quantiques complexes, obtenir une simulation suffisamment précise avec les meilleures méthodes classiques peut devenir extrêmement coûteux en ressources de calcul.

Un processeur quantique pourrait donc devenir un nouvel instrument scientifique permettant d’étudier certaines molécules, réactions chimiques, catalyseurs ou propriétés de matériaux. L’objectif ne serait évidemment pas de lui demander « trouve-moi une nouvelle batterie », mais de l’utiliser pour effectuer certaines simulations particulièrement difficiles.

Les résultats peuvent ensuite être exploités par des chercheurs, des logiciels classiques et des modèles d’intelligence artificielle. Les principaux domaines concernés sont la chimie, les matériaux, les batteries, la catalyse, la pharmacie et l’énergie..

2. Pharmacie : accélérer la recherche de médicaments

La recherche pharmaceutique constitue un prolongement naturel de la chimie quantique. Développer un médicament implique d’explorer un très grand nombre de molécules et de comprendre comment elles interagissent avec l’organisme.

Les supercalculateurs et l’intelligence artificielle jouent déjà un rôle considérable dans ce processus. Le quantique viendrait donc plutôt compléter cet environnement, dans un modèle qui pourrait combiner IA + calcul classique + QPU + expérimentation en laboratoire.

Une actualité récente illustre bien cette logique. Quantinuum, NVIDIA et Pfizer ont présenté GenQAI, une approche qui utilise l’IA générative pour concevoir plus rapidement la manière dont un ordinateur quantique va simuler une molécule.

Les gains annoncés concernent la génération de ces circuits, avec une accélération de plusieurs ordres de grandeur. Cela ne signifie donc pas que l’on découvre soudain un médicament mille fois plus rapidement : le gain porte sur une étape très précise dans la préparation du calcul quantique.

L’exemple est néanmoins intéressant, car il montre à quoi pourrait ressembler l’informatique scientifique de demain : plusieurs technologies travaillant ensemble, chacune utilisée pour ce qu’elle sait faire de mieux.

3. Énergie : surtout un problème de simulation et d’optimisation

Une partie des usages liés à l’énergie rejoint directement les questions de chimie et de matériaux. Mieux comprendre certaines réactions pourrait par exemple contribuer à identifier de nouveaux matériaux pour les batteries, de meilleurs catalyseurs ou certains matériaux utilisés dans la production et le stockage de l’énergie.

L’autre grand sujet concerne l’optimisation des réseaux électriques. Il faut alors coordonner production, consommation, stockage, prix et intermittence des énergies renouvelables dans des systèmes extrêmement complexes.

Dans le premier cas, le quantique pourrait intervenir comme outil de simulation. Dans le second, il faudra démontrer qu’un algorithme quantique ou hybride peut réellement faire mieux que les méthodes d’optimisation classiques déjà disponibles.

4. Optimisation : la promesse la plus fréquente… et l’une des plus difficiles à démontrer

Transport, logistique, industrie, finance ou énergie reposent tous sur des problèmes d’optimisation. Quelle route doit prendre un camion ? Comment organiser une production industrielle ? Comment répartir des ressources limitées ? Comment construire un portefeuille financier sous différentes contraintes ?

Plus le nombre de possibilités augmente, plus certains de ces problèmes deviennent difficiles. Ils sont donc régulièrement présentés comme des candidats naturels pour le calcul quantique.

Mais il existe un piège :

un problème difficile n’est pas automatiquement un problème sur lequel un ordinateur quantique sera meilleur.

Les algorithmes classiques d’optimisation sont eux aussi extrêmement performants et continuent de progresser. Pour démontrer un véritable intérêt, il faut donc comparer les solutions quantiques aux meilleures méthodes classiques disponibles.

C’est précisément ce que cherche à faciliter une initiative récente comme QOBLIB, la Quantum Optimization Benchmarking Library. Cette bibliothèque ouverte propose de comparer des approches quantiques, classiques et hybrides sur une même série de problèmes combinatoires difficiles.

5. Intelligence artificielle : probablement une alliance, pas un remplacement

L’expression « intelligence artificielle quantique » est régulièrement utilisée, parfois comme si les ordinateurs quantiques allaient remplacer les GPU. Le scénario le plus crédible est pourtant plutôt celui d’une architecture hybride.

Les GPU sont extrêmement efficaces pour les calculs massifs utilisés par l’intelligence artificielle. Un processeur quantique interviendrait plutôt sur certaines étapes spécifiques, lorsque ses capacités apportent un avantage.

L’architecture pourrait donc associer CPU + GPU + QPU, chacun étant utilisé pour les tâches auxquelles il est le mieux adapté.

L’exemple de GenQAI montre aussi que l’IA peut intervenir en amont, en aidant à concevoir plus efficacement certains calculs quantiques et hybrides.

6. Et la cryptographie ?

La cryptographie reste l’un des cas d’usage les plus stratégiques du calcul quantique. Un ordinateur quantique suffisamment puissant et capable de corriger ses erreurs pourrait, grâce à l’algorithme de Shor, casser certains systèmes de cryptographie à clé publique, notamment RSA et ceux basés sur les courbes elliptiques.

Comme nous l’avons vu dans le premier épisode, cette menace pousse déjà les acteurs de la cybersécurité à migrer vers la cryptographie post-quantique.

Le paradoxe, c’est que le quantique a déjà des conséquences concrètes sur la cybersécurité, alors que les machines capables de casser ces systèmes n’existent pas encore.

Ce qui existe déjà… et ce qu’il reste à démontrer

Toutes les annonces du secteur ne doivent pas être placées au même niveau.

Aujourd’hui, des processeurs quantiques sont déjà accessibles via le cloud et permettent aux chercheurs et aux entreprises d’expérimenter, tandis que des approches hybrides combinant calcul classique, IA et technologies quantiques sont également expérimentées.

La simulation moléculaire, l’optimisation, la pharmacie ou l’énergie font déjà l’objet d’expérimentations et de preuves de concept. Mais démontrer qu’un calcul quantique fonctionne ne suffit pas : il faut encore prouver qu’il apporte un avantage réel face aux méthodes classiques.

C’est désormais l’un des grands défis du secteur.

Le quantique doit maintenant faire ses preuves

Pendant longtemps, le défi était de réussir à construire un ordinateur quantique. Aujourd’hui, il est de disposer de suffisamment de qubits fiables pour exécuter des calculs complexes.

La prochaine étape est beaucoup plus concrète :

Peut-il réellement faire mieux que les meilleures méthodes classiques ?

Le jour où la réponse sera clairement oui sur un problème industriel important, la perception du secteur pourrait changer très rapidement. Le quantique ne sera alors plus seulement une technologie prometteuse : il deviendra un outil.

Et ensuite ?

Si le quantique parvient à démontrer un avantage réel, une nouvelle question se posera : comment transformer cette performance technologique en activité économique ?

Machines, accès cloud, logiciels, cybersécurité ou applications : plusieurs modèles commencent déjà à se dessiner.

Dans le prochain épisode, nous verrons où pourrait se créer la valeur dans le quantique et comment ce nouveau marché commence à se structurer.

À lire dans la série Quantique

• Épisode 1 — Pourquoi tout le monde investit soudain des milliards dans l'informatique quantique ?
  Course mondiale, souveraineté et investissements.

• Épisode 2 — Les grandes familles de qubits : pourquoi aucun moteur n'a encore gagné
  Supraconducteurs, ions piégés et atomes neutres : les principales technologies en compétition.

• Épisode 3 — Les outsiders du quantique : photons, silicium et nouvelles architectures
  Photonique, silicium, qubits bosoniques et approches alternatives.

• Épisode 4 — La bataille industrielle du quantique : qui construira les ordinateurs de demain ?
  Acteurs, industrialisation, financement et passage à l’échelle.

• Épisode 5 — À quoi va réellement servir l’ordinateur quantique ?
  Chimie, pharmacie, énergie, optimisation, IA et avantage quantique.

• Épisode 6 — Cas d’usage quantique : du labo aux premières applications métiers
  Hardware, QCaaS, télécoms et premiers usages en production.

• Épisode 7 — Qui va capter la valeur du quantique ?
  QPU, production, infrastructures, logiciels et chaîne de valeur.

• Épisode 8 — Cryptographie post-quantique : la migration a déjà commencé
  Standards PQC, premières migrations et crypto-agilité.