Les ordinateurs quantiques peuvent résoudre des problèmes que les machines classiques ne peuvent pas. Des entreprises comme Nvidia et Microsoft ont déjà construit son infrastructure.
Photo by Sven Hoppe/picture alliance via Getty Images
Depuis des années, les centres de données IA et l'informatique quantique ont été traités comme des histoires séparées avec des problèmes distincts. L'un concerne les gigawatts, la tension du réseau et les conflits d'utilité concernant qui paie pour l'expansion. L'autre concerne la physique de laboratoire, le refroidissement cryogénique et les percées qui sont toujours à une décennie d'avance.
Cette séparation a commencé à s'effondrer. Microsoft $MSFT a poussé un processeur quantique conçu pour s'adapter aux empreintes des racks de serveurs standard. IBM $IBM a un ordinateur quantique fonctionnant à côté d'un supercalculateur classique. Et NVIDIA a lancé ce mois-ci Ising, une famille de modèles IA open source conçus spécifiquement pour gérer les erreurs qui affectent le matériel quantique, présentée comme la voie vers ce que l'entreprise appelle "l'informatique quantique superpuissante avec GPU".
C'est un changement notable pour une technologie qui a passé une décennie à être principalement couverte comme une curiosité de laboratoire ou une menace pour la cybersécurité. Le quantique entre dans la conversation sur l'infrastructure parce que l'infrastructure est là.
Il y a une supposition (et parfois un argument) que le quantique fera pour l'IA ce que les GPU ont fait. Intégrer, accélérer les choses, changer l'économie. Ce n'est pas ce que les personnes qui construisent réellement ces systèmes dire.
Ce qu'ils décrivent est une catégorie différente de machine. Les ordinateurs quantiques sont rapides pour un ensemble de problèmes étroit mais précieux que les machines classiques ont du mal à résoudre ou ne peuvent pas résoudre du tout. Concevoir de nouvelles chimies de batteries en est un. Modéliser les interactions moléculaires pour la découverte de médicaments en est un autre. Il peut construire des cellules photovoltaïques qui convertissent la lumière en électricité plus efficacement, ou optimiser des portefeuilles et des prix de dérivés d'une manière qui donne aux entreprises financières un avantage que les concurrents ne peuvent égaler.
Les mêmes machines peuvent également casser le cryptage qui sécurise la majeure partie d'Internet, c'est pourquoi les gouvernements et les entreprises migrent déjà vers la cryptographie post-quantique selon un calendrier fixé par les progrès du matériel plutôt que leurs propres préférences.
Ce qui a changé, c'est l'endroit où vit le processeur quantique. L'image émergente est celle où une unité de traitement quantique, ou QPU, est placée aux côtés d'un CPU et d'un GPU dans le même centre de données, se passant les charges de travail entre eux.
"Une idée reçue que beaucoup de gens avaient, c'est qu'une machine quantique est une entité autonome. Ce n'est pas le cas. Une machine quantique fait vraiment partie de l'écosystème. Elle se trouve juste à côté d'un hyper-échelonneur," a déclaré Zulfi Alam, vice-président de la division quantique chez Microsoft.
L'empreinte physique est modeste. Le design actuel de Microsoft s'intègre dans un rack de serveur standard et consomme environ 30 kilowatts, la plupart de cette consommation étant destinée à la réfrigération nécessaire pour refroidir les qubits à une fraction de degré au-dessus du zéro absolu. La partie froide elle-même, a dit Alam, est seulement de la taille d'une canette de soda. Tout le reste fonctionne à température ambiante.
Le modèle hybride n'est pas théorique. IBM a déployé des ordinateurs quantiques dans des instituts de recherche où ils sont utilisés aux côtés de superordinateurs classiques pour des charges de travail scientifiques réelles. Au RIKEN, l'institut de recherche phare du Japon, l'un d'eux est placé à côté du superordinateur Fugaku, exécutant des parties de simulations moléculaires qui sont transférées entre les deux machines.
Selon Jerry Chow, CTO de l'informatique quantique-centrée chez IBM, c'est une évolution. "Nous passons à un modèle de centre de données où nous examinons activement les CPU et GPU co-localisés avec des processeurs quantiques", a déclaré Chow. D'ici les années 2030, il a déclaré que l'industrie s'attend à repenser entièrement le superordinateur comme un système intégré de CPU, GPU et QPU.
Une chose que le quantique ne va pas faire, c'est faire disparaître la crise énergétique des centres de données.
"Considérez les ordinateurs quantiques comme des types d'ordinateurs différents pour des cas d'utilisation différents", a déclaré Marc Lijour, membre de l'IEEE qui enseigne dans le programme MBA de l'Université Internationale de Gestion. "Vous pouvez avoir une camionnette et une petite voiture de sport à deux places dans votre garage. Elles sont toutes deux bonnes dans ce qu'elles font. L'une ne réduit pas les coûts de l'autre."
L'entraînement et l'inférence de l'IA s'exécutent sur du matériel classique, avec des GPU traitant des mathématiques matricielles sur des ensembles de données énormes, et les ordinateurs quantiques sont mauvais pour ce type de charge de travail. Ils ne peuvent pas absorber le calcul de l'IA, ne peuvent pas l'exécuter plus efficacement et ne peuvent pas s'y substituer.
La différence d'échelle rend le point concret. Un seul rack des puces de formation à l'IA les plus populaires de NVIDIA consomme 120 à 140 kilowatts, et les systèmes de prochaine génération sont prévus pousser au-delà de 200. Un campus IA hyperscale fonctionne avec des dizaines de milliers de racks et peut consommer des centaines de mégawatts, avec certaines installations projetées pour atteindre un gigawatt. Une machine quantique supportant quelques milliers de qubits, en revanche, fonctionne avec environ 30 kilowatts au total.
Du côté de l'IA, cependant, la demande augmente. Les systèmes d'IA agentiques peuvent nécessiter des ordres de grandeur de calcul plus importants qu'une simple requête de chatbot parce qu'ils exécutent des milliers d'agents autonomes gérés par des agents superviseurs. Le quantique pourra éventuellement aider à optimiser certaines de ces charges de travail à la marge. Il ne va pas absorber la charge.
Pour les acheteurs d'entreprises essayant de comprendre ce que cela signifie pour leurs budgets, la réponse honnête est : pas grand-chose, pour l'instant.
"Je ne pense pas que nous soyons à l'année de la montée en puissance des centres de données quantiques," a déclaré Rodrigo Madanes, leader mondial de la technologie du prochain front de l'IA chez EY. Le calcul scientifique et les services financiers sont les deux industries stimulant la demande réelle des entreprises. La plupart des autres secteurs observent.
L'histoire quantique plus urgente pour les entreprises en ce moment, a déclaré Madanes, n'est pas du tout d'acheter du calcul quantique. Il s'agit de se préparer pour le jour quand l'ordinateur quantique de quelqu'un d'autre pourra casser le chiffrement actuel, une migration vers la cryptographie post-quantique qui est déjà en cours, peu importe la vitesse à laquelle le matériel mûrit.
« Les gens savent que ça arrive, » dit-il, « et nous devons bien faire cela. »
Rejoignez plus de 500 000 lecteurs qui commencent leur journée avec Quartz.
En vous abonnant, vous acceptez nos Conditions d'utilisation et notre Politique de confidentialité.
