Google Quantum AI Deep Dive 2025 : Percée de la puce Willow et course à la suprématie quantique
⚡ TL;DR - Key Takeaways (en anglais)
- Willow Chip : Un processeur supraconducteur de 105 qubits permet une réduction exponentielle des erreurs - premier système à franchir la barrière de la correction d'erreurs en dessous du seuil
- Algorithme des échos quantiques : Démonstration d'une accélération de 13 000 fois par rapport au supercalculateur Frontier dans une simulation de physique - avantage quantique vérifiable atteint
- Échantillonnage de circuits aléatoires (RCS) : Réalisation du test de référence en moins de 5 minutes contre 10 septillions d'années pour les ordinateurs classiques.
- Feuille de route en cinq étapes : Un cadre clair de la découverte au déploiement dans le monde réel - avec pour objectif des applications pratiques d'ici la fin des années 2020
- Intégration Cirq & Google Cloud : Le développement quantique se démocratise grâce à un cadre Python open-source accessible dans le nuage
- Projections 2026-2029 : Se concentrer sur la détection quantique, la science des matériaux, la découverte de médicaments avec des systèmes tolérants aux pannes d'ici la fin de la décennie.
Echos quantiques : Vers des applications concrètes - Google Quantum AI Official (6:41)
🎯 Section 1 : La puce Willow - Franchir la barrière de la correction d'erreur
1.1 Du sycomore au saule : L'évolution quantique de Google
Au cours des cinq années qui se sont écoulées depuis Sycamore atteint la suprématie quantique en 2019, Quantum AI s'est engagée dans une marche incessante vers l'informatique quantique pratique et tolérante aux pannes. Le dévoilement en décembre 2024 du Saule - Le dernier processeur supraconducteur de 105 qubits de Google marque un tournant dans cette aventure : c'est la première fois qu'un système quantique atteint un niveau de performance supérieur à la moyenne. réduction exponentielle des erreurs au fur et à mesure que sa taille augmente.
Cette avancée, publiée dans Naturereprésente l'aboutissement de décennies de travaux théoriques sur la correction quantique des erreurs. La réussite de Willow en matière de en dessous du seuil La correction d'erreur signifie qu'à mesure que Google ajoute des qubits pour créer des qubits logiques plus grands, les erreurs diminuent de manière exponentielle au lieu d'augmenter - une exigence fondamentale pour la construction d'ordinateurs quantiques tolérants aux pannes, d'un million de qubits.
(supraconducteur)
(Echos quantiques)
vs 5 Minutes (Quantum)
(État des lieux)
1.2 Architecture technique : Comment fonctionne Willow
Qubits supraconducteurs : Willow utilise des qubits supraconducteurs de type transmon refroidis à 15 millikelvins - plus froids que l'espace - pour exploiter les effets de la mécanique quantique. Chaque qubit est une minuscule boucle supraconductrice interrompue par une jonction Josephson, formant un oscillateur anharmonique qui peut exister dans des états de superposition.
Correction d'erreur du code de surface : L'équipe Willow a mis en œuvre deux qubits logiques à code de surface distance-7 et distance-5, démontrant que les qubits logiques de plus grande taille (d=7 avec 49 qubits de données) présentent les caractéristiques suivantes la moitié du taux d'erreur de plus petits (d=5 avec 25 qubits de données). Cette amélioration exponentielle est le Saint Graal de la correction quantique des erreurs - elle signifie que la mise à l'échelle fonctionne.
🔑 Une avancée décisive : Décodage en temps réel
Le décodeur de correction d'erreur de Willow fonctionne en en temps réel - il peut identifier et corriger les erreurs plus rapidement qu'elles ne s'accumulent. Le système utilise un décodeur en temps réel qui traite les mesures du syndrome avec une latence de l'ordre de la microseconde, ce qui est essentiel pour maintenir la cohérence des qubits logiques pendant les longs calculs.
Amélioration de la qualité Qubit : Willow atteint des temps de cohérence T1 proches de 100 microsecondes, contre ~50 microsecondes pour les générations précédentes. Les taux d'erreur des portes à deux qubits sont d'environ 0,15% en moyenne, les meilleures portes atteignant 0,10%, ce qui se rapproche du seuil du code de surface de ~1%.
1.3 Échantillonnage de circuits aléatoires : Le repère ultime
Pour démontrer la puissance de calcul de Willow, Google a lancé un projet de recherche en ligne. Échantillonnage aléatoire des circuits (EAC) un problème spécifiquement conçu pour être difficile pour les ordinateurs classiques mais traitable pour les systèmes quantiques. Willow a terminé le calcul du RCS en moins de 5 minutesune tâche qui nécessiterait le superordinateur le plus rapide du monde 10 septillions (1025) années - bien plus longtemps que l'âge de l'univers.
Il ne s'agit pas d'un simple tour de passe-passe. RCS constitue un test de résistance rigoureux pour le matériel quantique, exigeant un contrôle précis de tous les qubits simultanément tout en maintenant la cohérence quantique tout au long du calcul. La capacité de Google à faire fonctionner RCS à cette échelle démontre que Willow a franchi un seuil critique en matière de contrôle quantique.
L'ordinateur quantique de Google fait une percée - Couverture par CBS News (2:59)
🚀 Section 2 : Echos quantiques - Avantage quantique vérifiable
2.1 Au-delà de la suprématie quantique : Applications dans le monde réel
Alors que la suprématie quantique (souvent appelée aujourd'hui "avantage quantique") a prouvé que les ordinateurs quantiques peuvent être plus performants que les systèmes classiques sur les plans de la sécurité, de la santé et de l'environnement. certains les critiques ont souligné que le RCS n'avait pas d'utilité pratique. L'annonce, en octobre 2025, de la mise en place du Échos quantiques change tout : Google a démontré avantage quantique vérifiable sur un problème scientifiquement utile.
L'algorithme Quantum Echoes simule la dynamique des systèmes quantiques afin de mesurer corrélateurs hors du temps (OTOC) - une quantité qui révèle comment l'information quantique est brouillée dans les systèmes à plusieurs corps. Ce problème est directement lié à :
- Spectroscopie de résonance magnétique nucléaire (RMN) : Extension des techniques de RMN pour étudier la dynamique moléculaire complexe
- Physique de la matière condensée : Comprendre le chaos quantique et la thermalisation dans les matériaux
- Recherche sur la gravité quantique : Étude des paradoxes d'information des trous noirs et de la dualité holographique
- Découverte de médicaments : Simulation du repliement des protéines et des interactions moléculaires
(Processeur Willow)
(Frontière à l'ORNL)
(vérifiable)
(Simulation OTOC)
2.2 La science des échos quantiques
L'algorithme Quantum Echoes s'appuie sur protection de la symétrie et post-sélection pour amplifier le signal quantique des effets d'interférence OTOC(2). Voici pourquoi cette technique est si puissante :
- La vérifiabilité : Contrairement au RCS, les ordinateurs classiques peuvent vérifier les résultats des échos quantiques sur des instances plus petites, ce qui permet d'avoir confiance dans les calculs plus importants.
- Utilité scientifique : L'algorithme résout des problèmes qui intéressent réellement les physiciens, et non des critères de référence synthétiques.
- Évolutivité : L'avantage quantique exponentiel croît avec la taille du problème, ce qui rend les grands systèmes quantiques de plus en plus intéressants.
- Robustesse : L'algorithme résiste au bruit, atteignant des rapports signal/bruit de 2 à 3 même sur du matériel quantique intermédiaire bruyant (NISQ).
Lors de la démonstration d'octobre 2025, Quantum Echoes a été exécuté sur un ordinateur de bureau. Sous-ensemble de 65 qubits du processeur de Willow, réalisant la simulation en 2,1 heures contre 3,2 ans pour le supercalculateur Frontier du Oak Ridge National Laboratory, le supercalculateur classique le plus rapide au monde. Google a pu vérifier les résultats quantiques par rapport à des simulations classiques sur des instances plus petites, confirmant ainsi leur exactitude.
"Avec Quantum Echoes, c'est la première fois que nous obtenons un avantage quantique vérifiable sur un problème scientifiquement utile. C'est le moment que le domaine attendait : des ordinateurs quantiques résolvant des problèmes réels plus rapidement que les systèmes classiques, avec des résultats auxquels nous pouvons nous fier.
- Hartmut Neven, directeur de Google Quantum AI
2.3 Implications pour les applications à court terme
La percée des échos quantiques ouvre la voie à avantage quantique pratique à l'horizon 2026-2029 pour des applications spécifiques :
- Science des matériaux : Simulation des transitions de phase et des matériaux quantiques exotiques
- Découverte de médicaments : Modélisation des interactions protéine-ligand et des voies de réaction
- Chimie quantique : Calcul des propriétés moléculaires pour la catalyse et le stockage de l'énergie
- Physique de la matière condensée : Comprendre la supraconductivité à haute température et les matériaux topologiques
Google estime que spectroscopie RMN à renforcement quantique pourrait devenir pratique d'ici cinq ans, permettant aux entreprises pharmaceutiques d'étudier les structures et la dynamique moléculaires d'une manière impossible avec les méthodes classiques.
L'ordinateur quantique de Google vient de tout changer : 13 000 fois plus rapide que les superordinateurs ! (3:15)
🗺️ Section 3 : La feuille de route en cinq étapes vers l'utilité quantique
3.1 Cadre de Google pour le développement d'applications quantiques
En novembre 2025, Google Quantum AI a publié une cadre en cinq étapes décrivant le chemin à parcourir pour passer des algorithmes quantiques abstraits aux applications déployées dans le monde réel. Cette feuille de route, détaillée dans arXiv:2511.09124Il offre la vision la plus complète à ce jour de la manière dont l'informatique quantique passera des laboratoires de recherche aux environnements de production.
Objectif : Développer de nouveaux algorithmes quantiques qui offrent des accélérations théoriques exponentielles ou polynomiales par rapport aux méthodes classiques.
Statut : Des centaines d'algorithmes sont publiés ; parmi les principaux jalons figurent l'algorithme de Shor (factorisation), l'algorithme de Grover (recherche), l'algorithme HHL (systèmes linéaires) et les résolveurs quantiques variationnels (VQE) pour la chimie.
Défis : De nombreux algorithmes nécessitent du matériel tolérant aux pannes ; il est difficile de savoir lequel s'avérera utile dans la pratique.
Objectif : Identifier des exemples concrets de problèmes où l'avantage quantique peut être démontré et vérifié par rapport aux méthodes classiques.
Statut : ✅ Atteint avec Quantum Echoes (octobre 2025) : Premier avantage quantique vérifiable sur un problème scientifiquement utile - simulation OTOC avec une accélération de 13 000 fois.
Aperçu clé : Se concentrer sur les problèmes où les résultats quantiques peuvent être vérifiés classiquement sur des instances plus petites, puis s'étendre à des régimes où la simulation classique devient impossible.
Objectif : Relier les exemples de problèmes de l'étape II à des cas d'utilisation spécifiques dans le monde réel qui apportent une valeur économique ou scientifique.
Statut : 🔄 En cours : Quantum Echoes permet d'étendre la spectroscopie RMN ; des partenariats pharmaceutiques et en science des matériaux sont en cours de formation.
Défi : "Le fossé de la connaissance entre les développeurs d'algorithmes quantiques et les experts du domaine (chimistes, spécialistes des matériaux, concepteurs de médicaments). Le projet AI est envisagé comme une passerelle permettant d'analyser la littérature et d'identifier les connexions.
Calendrier : Google estime que les premières applications de l'avantage quantique dans le monde réel auront lieu dans cinq ans (2030) pour la détection et la simulation moléculaire améliorées par les éléments quantiques.
Objectif : Effectuer une estimation détaillée des ressources - combien de qubits logiques, de portes, de temps d'exécution et de taux d'erreur sont nécessaires pour un déploiement en production.
Exemple : La simulation du FeMoco (cofacteur fer-molybdène de l'enzyme nitrogénase) pour les applications d'engrais nécessitait à l'origine 1011 Portes de Toffoli et 109 qubits physiques (estimations de 2010). En 2025, des algorithmes améliorés ont permis de réduire ce chiffre à 108-109 portes et 106 qubits - encore impressionnant mais proche de la faisabilité.
Focus : Optimisation d'algorithmes, compilation de circuits, sélection de codes de correction d'erreurs, co-conception matériel-logiciel.
Calendrier : Entre le milieu des années 2020 et le début des années 2030, avec la mise en service de systèmes tolérants aux pannes.
Objectif : Intégrer les ordinateurs quantiques dans les flux de production, parallèlement au HPC classique, à l'infrastructure en nuage et aux piles de logiciels spécifiques à un domaine.
Exigences : Avantage quantique sur une application complète de bout en bout (pas seulement un sous-programme de calcul) ; accès évolutif via des API dans le nuage ; main-d'œuvre qualifiée ; cadres réglementaires.
Statut : 🔮 Futur (années 2030) : Aucune application n'a encore atteint la phase V. Google Quantum AI, IBM Quantum et d'autres fournisseurs construisent une infrastructure en nuage en prévision.
3.2 L'approche "algorithme d'abord" (Algorithm-First)
La feuille de route de Google met l'accent sur une stratégie de développement fondée sur les algorithmes: commencer par l'étape II (trouver un avantage quantique vérifiable sur des instances de problèmes) plutôt que de passer directement à l'étape III d'identification des cas d'utilisation. Pourquoi ?
- La vérification est essentielle : Sans la possibilité de vérifier les résultats quantiques, vous ne pouvez pas leur faire confiance pour des applications à fort enjeu.
- Il existe des lacunes dans les connaissances : Les chercheurs en quantique manquent souvent d'expertise dans le domaine, et vice versa - la recherche de connexions nécessite une exploration systématique.
- La sérendipité est importante : Certaines des meilleures applications peuvent résulter de connexions inattendues (par exemple, les échos quantiques permettant des extensions de la RMN, ce qui n'était pas évident a priori).
- Les estimations de ressources évoluent : L'optimisation de la phase IV peut réduire les besoins en ressources de plusieurs ordres de grandeur, ce qui permet de réaliser des applications jusqu'alors impossibles.
🤝 Combler le fossé de la connaissance avec AI
Google étudie la possibilité d'utiliser de grands modèles de langage (LLM) pour combler le fossé des connaissances entre les chercheurs en algorithmes quantiques et les experts du domaine. En formant les systèmes AI à l'analyse de la littérature sur la physique, la chimie et la science des matériaux, ils espèrent identifier automatiquement les liens entre les algorithmes quantiques (étape II) et les problèmes du monde réel (étape III). Cette initiative "AI pour la découverte d'applications quantiques" représente une innovation au niveau méta dans le développement de l'informatique quantique.
💻 Section 4 : La pile logicielle - Cirq et la plateforme Google Quantum AI
4.1 Cirq : le cadre quantique open-source de Google
Cirq est la bibliothèque Python de Google pour écrire, simuler et exécuter des circuits quantiques sur les processeurs quantiques de Google et d'autres matériels pris en charge. Publié en 2018 et activement développé jusqu'en 2025, Cirq est devenu l'un des cadres de programmation quantique les plus populaires, aux côtés de Qiskit d'IBM et de PyQuil de Rigetti.
Caractéristiques principales :
- Prise en charge du jeu de portes natif : Cirq est conçu pour le matériel quantique à court terme, avec une prise en charge native des jeux de portes utilisés sur les processeurs supraconducteurs de Google (par exemple, √iSWAP, portes sycamore).
- Modélisation réaliste du bruit : Modèles de bruit intégrés pour les qubits supraconducteurs, y compris la décohérence T1/T2, les erreurs de porte et les erreurs de mesure
- Compilation de circuits personnalisés : Contrôle fin de la compilation et de l'optimisation des circuits pour des topologies matérielles spécifiques
- Intégration avec TensorFlow Quantum : Interopérabilité transparente avec TensorFlow Quantum pour l'apprentissage automatique hybride quantique-classique
- Accès au nuage : Intégration directe avec les processeurs quantiques Quantum AI de Google par l'intermédiaire de Google Cloud
| Le cadre | Entreprise | Matériel primaire | Langue | Principaux points forts |
|---|---|---|---|---|
| Cirq | Qubits supraconducteurs (Sycamore, Willow) | Python | Objectif à court terme du NISQ ; intégration de TensorFlow ; modèles de bruit réalistes | |
| Qiskit | IBM | Qubits supraconducteurs (Heron, Condor) | Python | Le plus grand écosystème, une vaste bibliothèque d'algorithmes, l'accès à l'informatique dématérialisée |
| PennyLane | Xanadu | Photonique (Borealis) ; plugins agnostiques | Python | Apprentissage automatique quantique ; autodiffusion ; diagnostic matériel |
| Q# | Microsoft | Qubits topologiques (futur) ; simulateurs | Q# (semblable à C#) | Tolérance aux pannes ; estimation des ressources ; intégration d'Azure |
| Braket SDK | Amazon | Indépendant du matériel (IonQ, Rigetti, OQC) | Python | Accès multifournisseur ; écosystème AWS ; tarification à la carte |
4.2 Plateforme Google Quantum AI : Accès au nuage
Les chercheurs et les développeurs peuvent accéder aux processeurs quantiques de Google via Google Cloud en utilisant Cirq. À partir de 2025, Google fournit :
- Service d'informatique quantique : Accès API aux processeurs quantiques de Google avec allocation basée sur des quotas
- Simulateurs quantiques : Simulateurs classiques à haute performance pour les circuits jusqu'à ~30-40 qubits
- Partenariats de recherche : Google Quantum AI s'associe à des institutions universitaires et à des entreprises pour fournir du temps de processeur quantique dédié à des projets de recherche.
- Ressources pédagogiques : Tutoriels, codelabs, et matériel pédagogique pour l'enseignement de l'informatique quantique
Contrairement à l'approche ouverte du réseau quantique d'IBM (qui offre un accès public gratuit à certains systèmes), l'accès au matériel quantique de Google est plus restreint et nécessite généralement des partenariats de recherche ou des accords commerciaux. Toutefois, Google compense par des ressources éducatives étendues et l'accès à des simulateurs.
4.3 Le campus Quantum AI : L'infrastructure à l'échelle
Google's Quantum AI Campus à Santa Barbara, en Californie, est l'une des installations de calcul quantique les plus avancées au monde. Inauguré en 2021 et agrandi jusqu'en 2025, le campus comprend :
- Installations de fabrication dédiées : Salles blanches personnalisées pour la fabrication de qubits supraconducteurs, optimisées pour le prototypage rapide
- Infrastructure cryogénique : Des dizaines de réfrigérateurs à dilution refroidissent les processeurs quantiques à 15 millikelvins
- Électronique de commande : Systèmes de contrôle de la température ambiante avec retour d'information en temps réel pour la correction des erreurs
- Intégration des centres de données : HPC classique co-localisé pour les algorithmes et simulations hybrides quantiques-classiques
Le campus représente plus de $1 milliard d'investissements en infrastructures et emploie des centaines de chercheurs, d'ingénieurs et de techniciens qui travaillent sur le matériel, les logiciels, les algorithmes et les applications quantiques.
Comment programmer un ordinateur quantique à l'aide du Cirq - IBM Technology Tutorial (6:00)
🔮 Section 5 : Projections 2026-2029 - La voie vers la tolérance aux pannes
5.1 Feuille de route pour le matériel : Au-delà de Willow
Bien que Google n'ait pas publié de feuille de route matérielle détaillée pour l'après-Willow (contrairement au plan détaillé Nighthawk → Kookaburra → Cockatoo → Starling d'IBM), les analystes de l'industrie et les publications de Google suggèrent la trajectoire suivante :
Objectif : Démontrer que 10 à 20 qubits logiques fonctionnent simultanément avec une correction d'erreur inférieure au seuil.
Matériel : Processeur de ~500-1000 qubits physiques optimisé pour le code de surface ; connectivité améliorée pour la distillation de l'état magique.
Jalon : Exécuter des algorithmes tolérants aux pannes à petite échelle (par exemple, l'estimation quantique de la phase sur de petites molécules) avec des qubits logiques.
Objectif : Développer une architecture modulaire d'informatique quantique avec de multiples processeurs quantiques connectés.
Matériel : Interconnexions quantiques permettant la communication entre des processeurs quantiques distincts ; chaque module contient 100 à 500 qubits.
Jalon : Démontrer l'informatique quantique distribuée avec des qubits logiques partagés entre les modules.
Objectif : Atteindre plus de 100 qubits logiques capables d'exécuter des algorithmes scientifiquement utiles et tolérants aux pannes.
Matériel : Système de plus de 10 000 qubits physiques avec des codes de correction d'erreur avancés (éventuellement au-delà des codes de surface ; par exemple, codes de contrôle de parité à faible densité).
Applications : Simulations de chimie quantique pour la découverte de médicaments ; science des matériaux ; problèmes d'optimisation dans les domaines de la logistique et de la finance.
5.2 Développement d'algorithmes : Du NISQ à la tolérance aux fautes
La stratégie de développement d'algorithmes de Google comble le fossé entre les dispositifs quantiques intermédiaires bruyants (NISQ) comme Willow et les futurs systèmes tolérants aux pannes :
- 2025-2026 : Applications NISQ : Se concentrer sur les algorithmes quantiques variationnels (VQA) résistants au bruit : résolveurs quantiques variationnels (VQE), algorithmes quantiques d'optimisation approximative (QAOA), applications d'apprentissage automatique quantique (QML).
- 2026-2027 : NISQ avec erreurs : Combiner le matériel NISQ avec des techniques d'atténuation des erreurs (extrapolation à bruit nul, annulation probabiliste des erreurs) afin d'étendre l'utilité sans correction complète des erreurs.
- 2027-2029 : Tolérance précoce aux fautes : Exécution d'algorithmes tolérants aux pannes à petite échelle sur 10-100 qubits logiques : estimation de phase quantique, simulations de chimie quantique, recherche quantique sur des problèmes structurés.
- 2029+ : Tolérance aux pannes à l'échelle des services publics : Problèmes cibles nécessitant 100 à 1000 qubits logiques : cryptographie (algorithme de Shor), découverte de matériaux, conception de médicaments, modélisation financière.
5.3 Domaines d'application
Sur la base de la feuille de route en cinq étapes de Google et de la percée des échos quantiques, l'entreprise donne la priorité aux applications verticales suivantes pour la période 2026-2029 :
(Simulation moléculaire)
(Catalyst Design)
(Pliage des protéines)
(Amélioration de la RMN)
Détection quantique (2026-2030)
L'algorithme Quantum Echoes permet d'utiliser directement la spectroscopie RMN à renforcement quantique pour la recherche et le développement pharmaceutiques. Google estime que cette application pourrait devenir commercialement viable d'ici 5 ans, permettant aux entreprises pharmaceutiques de sonder les structures moléculaires avec une sensibilité sans précédent.
Science des matériaux (2027-2031)
La simulation de matériaux au niveau quantique (supraconducteurs, matériaux topologiques, catalyseurs) nécessite la résolution de problèmes complexes de structure électronique. Google travaille en partenariat avec des entreprises spécialisées dans la science des matériaux afin d'identifier les molécules cibles pour lesquelles la simulation quantique offre des avantages par rapport aux calculs classiques de la théorie de la fonctionnelle de la densité (DFT).
Découverte de médicaments (2028-2032)
La modélisation des interactions entre les protéines et les ligands, la prédiction des propriétés des molécules médicamenteuses et la simulation des voies de réaction biochimique sont des défis majeurs de la biologie informatique. Google travaille avec des partenaires pharmaceutiques pour développer des algorithmes quantiques pour ces problèmes, bien que la plupart des applications nécessitent des systèmes tolérants aux pannes avec plus de 100 qubits logiques.
Optimisation (2029+)
Si le QAOA (algorithme d'optimisation approximative quantique) peut fonctionner sur le matériel NISQ, l'obtention d'un avantage quantique sur les problèmes d'optimisation du monde réel (logistique, optimisation de portefeuille, chaîne d'approvisionnement) nécessite vraisemblablement des systèmes tolérants aux pannes. Google explore les approches hybrides quantiques-classiques en partenariat avec les clients de Google Cloud.
5.4 Paysage concurrentiel : Google vs. IBM vs. Atom Computing vs. IonQ
| Entreprise | 2025 État | Feuille de route 2026-2029 | Principaux points forts | Défis |
|---|---|---|---|---|
| Google Quantum AI | Willow 105 qubits ; QEC sous le seuil ; avantage de 13 000 fois | Architecture modulaire ; plus de 100 qubits logiques d'ici 2029 | Première QEC en dessous du seuil ; avantage vérifiable des échos quantiques ; expertise approfondie en matière de AI/ML | Accès externe limité ; nombre de qubits inférieur à celui d'IBM ; contrôle étroit de l'écosystème |
| IBM Quantum | Nighthawk 120q (fin 2025) ; démo Loon QEC ; feuille de route Starling jusqu'en 2029 | 200 qubits logiques d'ici 2029 ; 100 millions de portes ; FTQC à l'échelle industrielle | Feuille de route publique détaillée ; accès ouvert au nuage ; plus grand réseau quantique (plus de 200 partenaires) | Le QEC n'est pas encore en dessous du seuil ; il est en concurrence avec sa propre entreprise classique ; les horaires de passage sont plus lents. |
| Informatique atomique | Atome neutre de 1 225 qubits (2024) ; passage à plus de 1 500 qubits (2025) | 5 000+ qubits d'ici 2027 ; tolérant aux pannes d'ici 2028 | Nombre de qubits bruts le plus élevé ; longue cohérence ; connectivité reconfigurable | Vitesse des portes inférieure à celle des supraconducteurs ; QEC immature ; pile logicielle limitée |
| IonQ | IonQ Forte Forte (36 qubits, #AQ 35) ; Tempo (2025) cible #AQ 64+. | 100+ qubits d'ici 2028 ; qubits logiques corrigés des erreurs | Fidélité maximale des portes (99,9%+) ; connectivité de bout en bout ; longue cohérence | Faible nombre de qubits par rapport à ses concurrents ; défis liés à la mise à l'échelle des ions piégés ; démonstrations d'algorithmes limitées |
| QuEra / Harvard | Atome neutre de 256 qubits (Aquila) ; simulation quantique analogique | Systèmes à plus de 1 000 qubits ; systèmes hybrides analogiques-numériques | Accès AWS Braket ; liens étroits avec les universités ; physique de Rydberg programmable | Analogique d'abord (modèle de porte d'entrée limitée) ; début de la phase de commercialisation ; entreprise plus petite |
⚠️ La course s'accélère
La démonstration Willow de Google a intensifié la concurrence dans le domaine de l'informatique quantique. IBM a réagi en annonçant une feuille de route accélérée (Nighthawk, Loon). Atom Computing a annoncé des partenariats avec le DARPA et des clients commerciaux. IonQ a levé des fonds supplémentaires pour développer les systèmes à ions piégés. Les efforts de la Chine en matière de quantique (Zuchongzhi, systèmes photoniques Jiuzhang) continuent de progresser, mais avec moins de détails publics. La période 2026-2029 déterminera quelles entreprises parviendront à obtenir un avantage quantique pratique sur des problèmes d'intérêt commercial.
🌐 Section 6 : L'écosystème quantique et les partenariats de Google
6.1 Collaborations universitaires
Google Quantum AI entretient des liens étroits avec des universités de premier plan :
- UC Santa Barbara : Campus commun ; nominations conjointes de professeurs ; filière de doctorants
- Caltech : Collaboration sur la théorie de la correction des erreurs quantiques ; co-auteur de l'article de Willow Nature
- MIT : Développement d'algorithmes quantiques ; recherche sur l'apprentissage automatique quantique
- Harvard : Physique quantique des nombreux corps ; recherche sur le croisement des atomes froids
- Stanford : Réseaux quantiques ; recherche en cryptographie quantique
6.2 Partenariats avec les entreprises
Contrairement au vaste réseau Quantum d'IBM, Google poursuit des partenariats stratégiques ciblés :
- Les clients de Google Cloud : Des entreprises partenaires sélectionnées (non nommées) explorent les algorithmes quantiques pour résoudre des problèmes spécifiques à l'industrie.
- Entreprises pharmaceutiques : Partenariats explorant la découverte de médicaments à l'aide de l'énergie quantique (détails sous NDA)
- Sociétés spécialisées dans la science des matériaux : Collaborations sur la conception de catalyseurs pour les applications énergétiques
6.3 Initiatives de recherche Quantum AI
Google tire parti de son expertise AI pour accélérer le développement de l'informatique quantique :
- TensorFlow Quantum : Bibliothèque libre pour l'apprentissage automatique hybride quantique-classique
- AI pour le contrôle quantique : Utilisation de l'apprentissage automatique pour optimiser l'étalonnage des qubits et les séquences de portes
- LLM pour la découverte d'applications quantiques : Utilisation expérimentale de grands modèles de langage pour identifier les connexions quantico-classiques
- Réseaux neuronaux quantiques : Recherche sur les analogues quantiques de l'apprentissage profond
🎓 AI Interactive Research Prompts
🤖 Explorer ces thèmes avec les assistants de AI
Copiez et collez ces messages dans ChatGPT, Claude ou d'autres assistants AI pour explorer en profondeur les avancées de Google Quantum AI :
"Expliquez comment la puce Willow de Google permet d'obtenir une correction d'erreur quantique inférieure au seuil en utilisant des codes de surface. Quelle est la signification du fait que le qubit logique de distance 7 a un taux d'erreur inférieur de moitié à celui du qubit logique de distance 5 ? Quelles sont les ressources nécessaires (qubits physiques, temps de porte, cycles de mesure) pour porter les codes de surface à 100 qubits logiques ?"
"Décortiquer l'algorithme Quantum Echoes de Google pour mesurer les corrélateurs hors du temps (OTOC). Pourquoi ce problème est-il difficile pour les ordinateurs classiques mais traitable pour les systèmes quantiques ? Comment l'algorithme obtient-il un avantage quantique vérifiable ? Quelles sont les implications pour la spectroscopie RMN et la découverte de médicaments ?"
"Comparez l'approche du qubit supraconducteur de Google (Willow) avec les qubits supraconducteurs d'IBM (Nighthawk), les ions piégés d'IonQ, les atomes neutres d'Atom Computing et la photonique de PsiQuantum. Quels sont les compromis en matière de vitesse de porte, de temps de cohérence, de connectivité, d'évolutivité et de correction des erreurs ? Quelle modalité est la plus susceptible de réaliser en premier l'informatique quantique à l'échelle de l'utilité et pourquoi ?"
"Analysez le cadre en cinq étapes de Google pour le développement d'applications quantiques (découverte, recherche d'exemples de problèmes, avantage du monde réel, ingénierie pour l'utilisation, déploiement de l'application). Quel est le défi posé par le "déficit de connaissances" à l'étape III ? Comment Google utilise-t-il AI pour combler ce fossé ? Donnez des exemples d'algorithmes à chaque étape à partir de 2025".
"Comparez le cadre Cirq de Google avec Qiskit d'IBM en termes de : 1) abstraction matérielle et prise en charge native des jeux de portes, 2) modélisation du bruit et capacités de simulation, 3) bibliothèques d'algorithmes et orientation des applications, 4) accès au cloud et disponibilité du matériel, 5) communauté de développeurs et maturité de l'écosystème. Quel framework un développeur quantique devrait-il choisir en 2025 et pourquoi ?"
Distinguez entre "suprématie quantique", "avantage quantique" et "avantage quantique vérifiable". En quoi la démonstration Sycamore de Google en 2019 (RCS en 200 secondes contre 10 000 ans pour la méthode classique) diffère-t-elle de la démonstration Quantum Echoes de 2025 (accélération de 13 000 fois sur la simulation OTOC) ? Pourquoi la vérifiabilité est-elle essentielle pour l'adoption dans le monde réel ? Quand verrons-nous l'avantage quantique sur des problèmes commercialement valables ?"
❓ Questions fréquemment posées (FAQ)
Principales différences :
- Jalon de correction d'erreur : Willow est le premier à démontrer une correction d'erreur quantique inférieure au seuil (les erreurs diminuent de manière exponentielle à mesure que la taille du qubit logique augmente). Le processeur Loon d'IBM fait la démonstration de composants clés de tolérance aux pannes, mais n'est pas encore parvenu à une mise à l'échelle complète en dessous du seuil.
- Nombre de Qubits : Willow a 105 qubits contre 120 qubits pour IBM Nighthawk (fin 2025). Le Condor d'IBM a atteint 1 121 qubits (2023) mais n'était pas optimisé pour la correction d'erreurs.
- Architecture : Tous deux utilisent des qubits transmon supraconducteurs avec correction d'erreur par code de surface. IBM se concentre sur la topologie de treillis lourd-hex ; Google utilise un treillis carré en 2D.
- Pile logicielle : Google propose Cirq (plus axé sur le NISQ, intégration de TensorFlow). IBM propose Qiskit (écosystème plus large, algorithmes plus tolérants aux pannes, accès plus large au cloud).
- L'ouverture : IBM offre un accès public étendu aux processeurs quantiques via IBM Quantum Network (niveau gratuit + premium). L'accès au matériel de Google est plus restreint et nécessite des partenariats.
En bref : Google est en tête pour les démonstrations de correction d'erreur ; IBM est en tête pour l'échelle des qubits, la transparence de la feuille de route et l'ouverture de l'écosystème.
Qu'est-ce que c'est ? Quantum Echoes est un algorithme quantique qui simule la dynamique de systèmes quantiques à plusieurs corps afin de mesurer les corrélateurs hors du temps (OTOC), des quantités qui révèlent comment l'information quantique est brouillée dans des systèmes complexes.
Pourquoi c'est important :
- Premier avantage quantique vérifiable sur un problème scientifique : Démonstration d'une accélération de 13 000 fois par rapport au superordinateur Frontier sur un problème qui intéresse réellement les physiciens (et pas seulement un benchmark synthétique comme Random Circuit Sampling).
- La vérifiabilité : Les ordinateurs classiques peuvent vérifier les résultats de Quantum Echoes sur des instances plus petites, ce qui permet d'avoir confiance dans les calculs quantiques plus importants - ce qui est essentiel pour la confiance dans les résultats quantiques.
- Applications à court terme : Permet la spectroscopie RMN quantique d'ici ~5 ans pour la R&D pharmaceutique, la caractérisation des matériaux et la biochimie.
- La voie de la tolérance aux fautes : Démontre qu'il existe des algorithmes quantiques utiles dans le régime NISQ (avant la tolérance totale aux fautes), ce qui motive le développement de matériel à court terme.
Détails techniques : L'algorithme utilise la protection de la symétrie et la post-sélection pour amplifier les signaux d'interférence OTOC(2). Il résiste au bruit (rapport signal/bruit de 2 à 3 sur le matériel NISQ) et son avantage quantique augmente de façon exponentielle lorsque la taille du problème augmente.
Ligne du temps par domaine d'application :
- 2026-2027 : Détection quantique : Google estime que la spectroscopie RMN améliorée par les quanta (via les échos quantiques) pourrait devenir pratique d'ici 5 ans pour les applications pharmaceutiques.
- 2027-2029 : Simulations en science des matériaux : Simulation quantique de petites molécules, de catalyseurs et de matériaux exotiques pour les entreprises désireuses d'adopter une technologie de pointe. Nécessite ~50-100 qubits logiques.
- 2029-2031 : Découverte de médicaments : Simulation quantique des interactions protéine-ligand, des voies de réaction et des propriétés moléculaires à une échelle utile aux entreprises pharmaceutiques. Nécessite 100 à 500 qubits logiques.
- 2031-2035 : Optimisation & Finance : Avantage quantique sur les problèmes d'optimisation du monde réel (logistique, optimisation de portefeuille, chaîne d'approvisionnement). Nécessite 500 à 1 000 qubits logiques et une correction d'erreur sophistiquée.
- 2035+ : Cryptographie : Algorithme de Shor cassant le cryptage RSA (nécessite des millions de qubits physiques, des milliers de qubits logiques). La cryptographie post-quantique sera largement déployée d'ici là, ce qui atténuera la menace.
Mises en garde : Ces délais supposent la poursuite de progrès exponentiels dans la correction des erreurs, la mise à l'échelle des qubits et le développement d'algorithmes. Des percées inattendues (par exemple, de meilleurs codes de correction d'erreurs, des améliorations algorithmiques) pourraient accélérer les délais ; des obstacles imprévus pourraient les retarder.
Transparence de la feuille de route :
- IBM : La plus transparente : une feuille de route publique détaillée jusqu'en 2029 (Nighthawk → Kookaburra → Cockatoo → Starling) avec des nombres précis de qubits, de portes et d'étapes de correction d'erreurs.
- Google : Une feuille de route moins précise pour l'après-Willow est accessible au public. Le cadre d'application en cinq étapes fournit une orientation stratégique mais manque de détails sur les étapes matérielles.
- Informatique atomique : Annonce d'une mise à l'échelle de plus de 5 000 qubits d'ici 2027 et d'une tolérance aux erreurs d'ici 2028 (atomes neutres). Ambitieux mais moins détaillé sur les spécificités de la correction d'erreur.
- IonQ : La feuille de route se concentre sur l'échelle métrique des qubits algorithmiques (#AQ) ; l'objectif est d'atteindre #AQ 64+ d'ici 2025, 100+ d'ici 2028. L'accent est moins mis sur le nombre de qubits bruts.
Approche technique :
- Google et IBM : Les deux visent des qubits supraconducteurs avec correction d'erreur par code de surface - des voies similaires avec des détails d'exécution différents.
- Atom Computing et QuEra : Les atomes neutres offrent un nombre de qubits plus élevé et une longue cohérence, mais des portes plus lentes et une correction d'erreur moins aboutie.
- IonQ et Honeywell/Quantinuum : Les ions piégés offrent la fidélité de grille la plus élevée (99,9%+) et une connectivité totale, mais ils sont confrontés à des problèmes d'échelle.
- PsiQuantum et Xanadu : Les approches photoniques promettent un fonctionnement à température ambiante et des architectures en réseau, mais nécessitent des millions de qubits physiques pour la tolérance aux pannes.
En bref : La force de Google réside dans la démonstration d'une correction d'erreur en dessous du seuil et d'un avantage quantique vérifiable. La force d'IBM réside dans sa feuille de route transparente et son écosystème ouvert. Atom Computing est en tête pour le nombre de qubits bruts. IonQ est en tête pour la fidélité de la porte. La période 2026-2029 déterminera l'approche la plus efficace.
Google Quantum AI Accès :
- Partenariats de recherche : Voie d'accès principale. Google collabore avec des institutions universitaires et des entreprises sélectionnées sur des projets de recherche quantique, en fournissant du temps de processeur dédié.
- Google Cloud (limité) : Certains services d'informatique quantique sont proposés par Google Cloud, mais l'accès au matériel de pointe (comme Willow) est limité.
- Simulateurs Cirq : Des simulateurs open-source sont disponibles gratuitement via Cirq pour les circuits jusqu'à ~30-40 qubits (en fonction de l'enchevêtrement).
- Ressources pédagogiques : Des tutoriels détaillés, des codelabs et de la documentation sont disponibles à l'adresse suivante quantumai.google.
IBM Quantum Access (plus ouvert) :
- Niveau gratuit : IBM Quantum Network offre un accès gratuit à certains processeurs quantiques (généralement de 5 à 7 qubits et certains systèmes de 27 qubits) à toute personne qui s'inscrit.
- Accès Premium : IBM Quantum Premium donne accès à des systèmes de pointe (Heron, Nighthawk) aux clients payants et aux partenaires de recherche privilégiés.
- Simulateurs de nuages : Des simulateurs à haute performance sont disponibles via la plate-forme IBM Quantum.
- Le plus grand écosystème : Plus de 200 membres du réseau Quantum d'IBM, dont des universités, des laboratoires nationaux et des entreprises du classement Fortune 500.
Autres options :
- Amazon Braket : Accès multifournisseur (IonQ, Rigetti, OQC, QuEra) via AWS avec une tarification à l'acte.
- Microsoft Azure Quantum : Accès à IonQ, Quantinuum, Rigetti via Azure cloud.
- IonQ Cloud : Accès direct aux systèmes d'ions piégés de IonQ.
Recommandation : Pour apprendre la programmation quantique, commencez par le niveau gratuit d'IBM (Qiskit) ou AWS Braket. Pour la recherche de pointe, poursuivez les partenariats universitaires avec Google ou IBM. Pour l'exploration commerciale, évaluez AWS Braket ou IBM Quantum Premium en fonction des besoins algorithmiques.
Ce que signifie l'expression "sous le seuil" : Dans la correction quantique des erreurs, le "seuil" est le taux d'erreur maximal du qubit physique en dessous duquel l'ajout de qubits supplémentaires à un qubit logique diminue le taux d'erreur logique plutôt que de l'augmenter. Pour les codes de surface, le seuil théorique est d'environ 1% par porte.
Pourquoi c'est difficile : Historiquement, tous les systèmes quantiques ont connu des taux d'erreur logiques augmenter lors de l'augmentation du nombre de qubits logiques (plus de qubits = plus d'erreurs accumulées). Il en résulte un cercle vicieux qui empêche de progresser vers la tolérance aux fautes.
Réalisation de Willow : Google a démontré qu'un qubit logique de distance 7 (49 qubits de données) a la moitié du taux d'erreur d'un qubit logique de distance 5 (25 qubits de données) - amélioration exponentielle. C'est la première fois qu'un système quantique franchit la barrière inférieure au seuil.
Pourquoi c'est important :
- Valide la théorie de la correction d'erreur : Il prouve que la correction d'erreur quantique par code de surface fonctionne en pratique, et pas seulement en théorie.
- Active la mise à l'échelle : Avec des performances inférieures au seuil, Google peut désormais passer à des systèmes de 100, 1 000, 10 000 qubits et plus, avec la certitude que les taux d'erreurs logiques continueront à diminuer.
- La voie de la tolérance aux fautes : Une CEQ inférieure au seuil est une condition préalable à la construction d'ordinateurs quantiques tolérants aux pannes, capables d'exécuter l'algorithme de Shor, la chimie quantique à grande échelle, etc.
- Jalon concurrentiel : Google est le premier à en faire la démonstration publique. Le processeur Loon d'IBM fait la démonstration des composants clés, mais n'a pas encore démontré une mise à l'échelle exponentielle sur plusieurs distances de code.
Prochaines étapes : Google doit maintenant démontrer que 10 à 20 qubits logiques fonctionnent simultanément, que les opérations logiques durent longtemps (des milliers de cycles de correction d'erreur) et que les ensembles de portes logiques sont universels (pas seulement la mémoire). Il s'agit là des prochaines étapes vers l'informatique quantique tolérante aux pannes.
🎯 Conclusion : La suprématie quantique de Google... et ce qui vient après
Les 2025 réalisations de Google Quantum AI - la correction d'erreur inférieure au seuil de Willow et l'avantage quantique vérifiable de Quantum Echoes - représentent des points d'inflexion dans l'histoire de l'informatique quantique. Pour la première fois, nous avons preuve que la correction d'erreur quantique s'étende comme le prévoit la théorie, et preuve que les ordinateurs quantiques peuvent résoudre des problèmes scientifiquement utiles plus rapidement que les superordinateurs classiques.
Pourtant, des défis restent à relever. Les 105 qubits et les 2 à 3 qubits logiques de Willow sont loin des 100 à 1 000 qubits logiques nécessaires pour des applications transformatrices. L'algorithme Quantum Echoes, bien que révolutionnaire, s'applique à une classe étroite de simulations physiques. La feuille de route en cinq étapes de Google reconnaît le défi du "déficit de connaissances" : relier les algorithmes quantiques à des cas d'utilisation réels nécessite une collaboration interdisciplinaire qui vient à peine de commencer.
La fenêtre 2026-2029 sera décisive. Google doit traduire la percée de Willow en matière de correction d'erreurs en systèmes de 10 à 100 qubits logiques, tandis qu'IBM étend sa feuille de route Starling à 200 qubits logiques. Atom Computing et IonQ pousseront les modalités de qubits alternatifs vers l'échelle utilitaire. Des start-ups comme PsiQuantum (photonique) et Rigetti (supraconducteur) chercheront à obtenir des avantages de niche. Les efforts de la Chine en matière de quantique, bien que moins transparents, continuent de progresser rapidement.
La course à l'informatique quantique tolérante aux pannes n'est plus une question de temps. si mais quand - et quelle entreprise y parviendra la première. L'approche de Google axée sur les algorithmes, son expertise approfondie en matière de AI et l'infrastructure de Santa Barbara la placent en tête de peloton. Mais l'écosystème ouvert d'IBM, sa feuille de route détaillée et ses partenariats avec le réseau Quantum offrent une vision concurrente de l'innovation quantique à grande échelle.
Pour les développeurs, les chercheurs et les entreprises : Le moment est venu de s'engager. Apprenez la programmation quantique via Cirq ou Qiskit. Explorer les algorithmes quantiques potentiels pour votre domaine. Établissez des partenariats avec des fournisseurs de produits quantiques pour identifier les cas d'utilisation de l'étape III. Les entreprises qui comprennent aujourd'hui les forces et les limites de la quantique seront en mesure d'exploiter les avantages de la quantique lorsqu'elle arrivera à la fin des années 2020 et au début des années 2030.
La révolution de l'informatique quantique n'est plus hypothétique. Elle est là, et s'accélère.
📚 Sources et références
- Google Quantum AI Blog : Découvrez Willow, notre puce quantique de pointe (9 décembre 2024)
- Publication de la nature : Correction d'erreur quantique sous le seuil du code de surface
- Google Research Blog : Faire fonctionner la correction d'erreur quantique
- Google Quantum AI Blog : La percée de l'algorithme Quantum Echoes (22 octobre 2025)
- Publication de la nature : Avantage quantique vérifiable dans les simulations de physique
- Google Quantum AI : Feuille de route en cinq étapes vers l'utilité quantique (13 novembre 2025)
- arXiv Preprint : Le grand défi des applications quantiques
- Google Quantum AI : Cirq : Cadre Python pour l'informatique quantique
- Google Quantum AI : Notre laboratoire - Campus Quantum AI
- L'initié quantique : Le Quantum AI de Google affiche une vitesse de 13 000 fois supérieure à celle du supercalculateur le plus rapide du monde
- CBS News : L'ordinateur quantique de Google fait une percée
- Forbes : Google AI présente une feuille de route en cinq étapes pour rendre l'informatique quantique utile
Article #2 de 20 dans la série "Top 20 Quantum Computing Companies Deep Dive" (Les 20 premières entreprises d'informatique quantique)
Suivant : Article #3 - IonQ : l'informatique quantique à ions piégés et la quête de #AQ 100
Précédent : Article #1 - IBM Quantum Deep Dive 2025
Kristof GeorgeAI Strategist, Fintech Consultant & Publisher of QuantumAI.co
Kristof George est un stratège numérique chevronné et un éditeur de fintech avec plus d'une décennie d'expérience à l'intersection de l'intelligence artificielle, du trading algorithmique et de l'éducation financière en ligne. En tant que force motrice de QuantumAI.co, Kristof a rédigé et publié des centaines d'articles évalués par des experts qui explorent l'essor du trading quantique, les systèmes de prédiction du marché basés sur AI et les plates-formes d'investissement de nouvelle génération.
Pourquoi faire confiance à Kristof George ?
✅ Expérience: 10 ans ou plus dans l'édition fintech, la conformité des affiliés et le développement de contenu AI.
🧠 Expertise: Connaissance approfondie des plateformes de trading algorithmique, des tendances de l'informatique quantique et de l'évolution du paysage réglementaire.
🔍 L'autorité: Cité dans les blogs du secteur, les réseaux d'évaluation des cryptomonnaies et les forums de surveillance indépendants.
🛡 Fiabilité: S'engage à vérifier les faits, à dénoncer les escroqueries et à promouvoir l'adoption éthique de AI dans la finance.
