Google a appris à sa puce quantique à se régler toute seule, pendant qu'elle calcule

Un ordinateur quantique, ça se dérègle en permanence. Pas une fois par an : en continu, pendant qu'il travaille. Jusqu'ici la parade était toujours la même, on arrête le calcul, on recalibre à la main, on relance. Google Quantum AI vient de publier dans Nature, le 8 juillet, une méthode qui supprime cette pause : la machine se règle elle-même, en cours de route, en apprenant de ses propres erreurs. Résultat annoncé : environ 20 % d'erreurs en moins et une stabilité 3,5 fois meilleure.

C'est le genre d'annonce qui ne fait pas de bruit parce qu'elle ne bat aucun record de vitesse. Elle règle juste un problème de plomberie qui empêchait ces machines de tourner plus de quelques heures d'affilée.

Le problème : une machine qui se désaccorde toute seule

Une puce quantique manipule des qubits (le qubit est l'équivalent quantique du bit, sauf qu'au lieu de valoir 0 ou 1 il peut porter un mélange des deux tant qu'on ne l'a pas lu). Pour les piloter, on leur envoie des signaux électriques dont il faut régler très finement la fréquence, l'amplitude et la phase. Des milliers de réglages, littéralement.

Sauf que ces réglages ne restent pas bons. La température bouge d'un poil, un composant vieillit, et la valeur parfaite d'hier devient la valeur médiocre d'aujourd'hui. C'est ce qu'on appelle la dérive (les paramètres s'éloignent lentement de leur point optimal, sans prévenir). Imaginez un piano à mille cordes qui se désaccorde tout seul pendant que vous jouez, et l'accordeur qui doit vous interrompre toutes les deux heures. Voilà l'ambiance.

L'astuce : recycler un signal qui existait déjà

Ce qui rend le papier malin, c'est qu'il n'ajoute aucun capteur. Il réutilise une donnée que la machine produisait déjà et jetait à moitié.

Pour survivre à ses propres erreurs, un ordinateur quantique fait tourner en permanence un code correcteur (on étale une seule information utile sur des dizaines de qubits physiques, de façon à repérer et réparer une erreur sans avoir à lire l'information elle-même, ce qui la détruirait). Ce code crache en continu des détections d'erreur : des petits signaux qui disent "il s'est passé quelque chose ici" sans dire précisément quoi. Normalement, ça sert uniquement à réparer le calcul en cours.

Google donne à ces détections un deuxième métier : nourrir un agent d'apprentissage par renforcement (une IA qui n'apprend pas sur un jeu de données figé, mais en tâtonnant, en gardant ce qui fait baisser son score d'erreur et en abandonnant le reste). L'agent lit le flux d'erreurs, tourne les boutons, regarde si ça va mieux, recommence. Plus de 1 000 paramètres de contrôle ajustés en direct, sur la puce Willow, sans jamais mettre le calcul en pause.

Les chiffres

Sur un système déjà calibré par des experts humains, l'agent gratte encore 20 % de taux d'erreur logique (la fréquence à laquelle une erreur passe à travers la correction et corrompt vraiment le résultat). C'est le chiffre le plus parlant : ce n'est pas 20 % pris à une machine mal réglée, c'est 20 % pris à la meilleure calibration manuelle disponible.

Les chercheurs ont ensuite injecté volontairement de la dérive dans le matériel pour voir qui tient le coup. Avec l'agent aux commandes, la stabilité est 3,5 fois meilleure. Et pendant ces essais, les taux d'erreur descendent sous une erreur pour mille cycles de correction avec le code de surface, et une pour cent avec le code couleur (deux façons concurrentes d'organiser la correction, la première plus économe, la seconde plus pratique pour certaines opérations).

Le point qui m'a le plus intéressé est ailleurs, dans les simulations : ils sont montés jusqu'à environ 40 000 paramètres à piloter, et le nombre d'itérations nécessaires pour que l'agent apprenne ne grimpe pas avec la taille du système. Autrement dit, ça ne s'écroule pas quand la machine grandit. Pour une technologie dont tout le pari consiste à passer de 100 qubits à des centaines de milliers, c'est exactement la propriété qu'on veut voir.

Petit rappel utile : Willow, c'est la puce de 105 qubits que Google avait sortie en décembre 2024, celle qui avait montré que le taux d'erreur baissait quand on ajoutait des qubits au lieu d'exploser. Là on ne change pas le matériel, on change la façon de le conduire.

Ce que ça vaut vraiment

Restons lucides sur deux choses. D'abord, la dérive du test de stabilité a été introduite artificiellement par les chercheurs, ce qui est pratique pour mesurer proprement mais reste un scénario de laboratoire. Ensuite, les auteurs écrivent eux-mêmes qu'il leur faut une intégration plus serrée entre l'agent et le processeur, et de meilleures méthodes d'apprentissage, pour aller plus loin. Traduction : c'est une belle démonstration, pas un produit fini.

Perso, ce qui me plaît là-dedans, c'est la radinerie de la solution. Pas de nouveau matériel, pas de capteur en plus, pas de qubits supplémentaires à payer. Juste un flux de données qu'on avait sous le nez et qu'on utilisait à moitié, branché sur une IA qui tourne les boutons mieux et plus souvent qu'un humain. Si vous voulez creuser, le billet de Google est ici, la version gratuite du papier est sur arXiv, et The Quantum Insider en a fait un résumé plus détaillé que le mien.