Dossier

Google Quantum AI met 105 qubits à l’épreuve de la contextualité quantique

IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse.

Intégrer ce passage sur votre site

Collez ce code dans votre article ou votre page : le lecteur prend la largeur disponible.

Thème

Transcription avec les sources de chaque passage

Token FM

Token FM, la radio de l'IA, faite par l'IA. Place au dossier.

Victor

Bonjour Elias, Google Quantum AI annonce avoir testé la contextualité quantique sur ses processeurs supraconducteurs, avec une épreuve distincte qui mobilise 105 qubits. Qu’est-ce qui est nouveau dans cette recherche ?

Elias

Alors, Google Quantum AI annonce avoir démontré la contextualité des mesures sur ses processeurs supraconducteurs, dans une étude publiée à la une de la revue Science, d’après Unite.AI. La contextualité, c’est l’idée qu’un résultat de mesure n’est pas forcément fixé à l’avance : il peut dépendre des autres mesures compatibles réalisées en même temps. Ce principe était surtout étudié dans de petits systèmes ; la recherche le met à l’épreuve sur des processeurs bien plus vastes, dont une expérience distincte atteint 105 qubits. Il faut séparer les deux résultats : le score de 98,3 % concerne le jeu du carré magique de Mermin-Peres, tandis que les 105 qubits correspondent à une autre épreuve. C’est une avancée expérimentale sur la manière de mesurer cette propriété à une échelle plus importante, mais pas encore la preuve qu’un ordinateur quantique résout mieux n’importe quel problème.

Victor

Comment fonctionne le jeu qui permet de tester cette propriété ?

Elias

Google Research explique le principe à l’aide d’une grille de 3 cases sur 3, dans laquelle chaque case reçoit un signe plus ou un signe moins. Les règles imposent que le produit des signes soit positif pour chaque ligne et négatif pour chaque colonne, mais aucune grille préparée à l’avance ne peut respecter les deux exigences partout. On transforme cette contradiction en jeu : deux participants reçoivent séparément une ligne ou une colonne, puis doivent donner des réponses qui concordent sur la case commune. Une stratégie classique établie avant la partie ne peut réussir que dans 8 manches sur 9 au maximum ; une stratégie quantique peut, en théorie, gagner à chaque manche. Dans le jeu du carré magique de Mermin-Peres, les processeurs de Google ont remporté 98,3 % des parties, alors que la meilleure référence classique est de 88,9 %, d’après Unite.AI. La différence entre ces deux scores est donc un indice expérimental lié à ce jeu et à ses règles, pas une mesure universelle de la puissance des ordinateurs. Bon, l’image de la grille aide à comprendre l’idée : les réponses quantiques ne sont pas lues dans un tableau caché établi avant les mesures, elles sont liées aux mesures réalisées ensemble. Mais cette explication ne signifie pas que chaque calcul quantique exploite déjà cette propriété, ni que le jeu démontre à lui seul une accélération utile.

Victor

À qui ces épreuves peuvent-elles servir, et que signifie le résultat obtenu avec 105 qubits ?

Elias

Pour les équipes qui développent ces processeurs, l’intérêt peut être de disposer d’un test plus informatif sur leur fonctionnement. Une épreuve distincte a impliqué 105 qubits et a dépassé des stratégies classiques évaluées avec des ressources limitées, d’après Brief IA. Cette comparaison porte sur des méthodes classiques dans un cadre de calcul donné ; elle ne montre pas que toute stratégie classique possible échouerait à produire le même résultat. Google présente aussi les expériences comme un moyen de repérer des anomalies matérielles susceptibles de passer inaperçues avec d’autres contrôles. Un test de ce type peut apporter un renseignement sur la façon dont les composants fonctionnent ensemble, mais les résultats disponibles ne quantifient pas à eux seuls combien de défauts sont détectés ni quelle amélioration concrète en découle. Les expériences n’ont pas non plus simulé de calculs en chimie ou en science des matériaux. Ces domaines sont évoqués comme des applications possibles à terme, mais ils ne font pas partie des tâches accomplies dans l’expérience. La portée pratique immédiate se situe donc dans l’évaluation du matériel et de ses propriétés, plutôt que dans la démonstration d’un nouvel outil pour les chimistes ou les spécialistes des matériaux.

Victor

Quelles limites faut-il garder en tête pour interpréter ces résultats ?

Elias

La limite principale est que cette étude ne démontre pas que les ordinateurs quantiques sont globalement supérieurs aux ordinateurs classiques. Elle établit un résultat dans des jeux précis, avec des règles précises, et l’expérience ne mesure pas le temps nécessaire pour résoudre une tâche pratique ni un gain sur un algorithme particulier. La contextualité pourrait contribuer au fonctionnement de certains algorithmes quantiques, comme le suggèrent des travaux théoriques évoqués par Google Research, mais cette possibilité n’est pas vérifiée ici par une démonstration d’accélération. Il y a aussi une nuance importante dans la montée en taille : dans l’un des jeux, l’avantage quantique diminue quand le nombre de qubits augmente, donc ajouter des qubits ne fait pas automatiquement grandir l’écart avec les stratégies classiques. Pour l’épreuve à 105 qubits, il faut également considérer que les méthodes classiques comparées étaient soumises à des limites de ressources ; cela rend le résultat intéressant, sans en faire une preuve inconditionnelle d’impossibilité classique. Enfin, les applications en chimie et en science des matériaux restent des perspectives, puisque ces expériences n’ont pas exécuté de simulation dans ces domaines. La publication dans Science, après une première diffusion en prépublication en décembre 2025, permet de situer le travail dans son parcours scientifique, mais le point décisif reste ce qui a effectivement été mesuré : des corrélations quantiques et des performances dans des épreuves conçues pour les tester.

Victor

Qu’est-ce qu’il faut retenir de cette avancée pour la suite ?

Elias

À retenir, Google Quantum AI a mis la contextualité des mesures à l’épreuve de processeurs supraconducteurs, avec un score de 98,3 % dans le jeu de Mermin-Peres et une expérience distincte menée jusqu’à 105 qubits. Le premier chiffre dépasse la référence classique de 88,9 % dans ce jeu, tandis que le second résultat concerne des stratégies classiques comparées sous des contraintes de ressources. Google présente aussi ces tests comme un outil qui pourrait aider à examiner le matériel et à repérer certaines anomalies. C’est une piste de diagnostic et un résultat de recherche, pas encore une démonstration d’usage industriel ni la preuve que le calcul quantique surpasse le calcul classique dans tous les domaines. L’intérêt est réel pour mesurer une propriété singulière et étudier les processeurs à plus grande échelle, mais il faut garder les conclusions à la mesure des expériences réalisées. Les chercheurs n’ont pas testé de simulation en chimie ou en science des matériaux, et ils n’ont pas établi que la contextualité accélère un algorithme particulier. Ce travail indique donc ce que ces processeurs peuvent montrer dans des tests bien définis, et aussi ce qu’il reste à prouver avant d’en tirer une promesse générale.

Victor

Merci Elias pour ces explications.

Une erreur ?

Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.

Signaler une erreur

Un mot pour la rédaction ?

Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.