Ma première leçon de quantique : j'avais tout faux, et c'était le meilleur point de départ

Le premier chapitre de mon apprentissage a eu raison de mon enthousiasme candide.

Il ne s'agit pas d'aller plus vite sur la même route, mais d'apprendre à se déplacer dans un espace qui n'obéit pas aux mêmes lois. Voici les trois marches que j'ai dû gravir, et la question très concrète qui donne un sens à tout l'édifice.

1. Désapprendre le bit avant d'apprendre le qubit
2. En informatique classique, l'unité d'information ne connaît que deux états : 0 ou 1.
3. Le qubit, lui, peut être placé dans une superposition de ces deux états de base, c'est-à-dire dans une combinaison des deux configurations à la fois.

Ce qui m'a le plus frappé, c'est que l'abstraction quantique repose sur une réalité tangible : 0 et 1 sont des états physiques, pas des symboles. Deux niveaux d'énergie électronique dans un atome, deux modes de polarisation d'un photon. Chaque ligne de code est une manipulation concrète de la matière elle-même. C'est cette continuité entre formalisme et réel qui donne à cette discipline toute sa beauté et sa rigueur.

1. Apprivoiser les amplitudes, et accepter la brutalité de la mesure
2. À chaque état de base est associé un poids, une amplitude, notées traditionnellement alpha ou beta. C'est ici que le sol se dérobe sous les pieds du dev classique que je suis : ces amplitudes ne sont pas des probabilités. Elles peuvent être positives, négatives, et sont en réalité des nombres complexes.
3. Loin d'être une curiosité théorique gratuite, cette nuance est le moteur de toute la discipline.

Des poids qui peuvent changer de signe, ce sont des contributions qui s'additionnent ou qui s'annulent, exactement comme deux vagues qui se renforcent ou se neutralisent. Programmer en quantique, c'est organiser ces interférences. Puis vient la sanction. On ne peut pas observer une superposition. Dès l'instant où l'on mesure le qubit, la superposition est perdue et le système retombe dans un état parfaitement classique : 0 ou 1. La probabilité d'obtenir l'un ou l'autre est donnée par le module au carré de l'amplitude correspondante.

Deux conséquences que je n'avais pas anticipées. D'abord, ces poids ne sont pas libres : la somme des modules au carré vaut toujours 1. On ne crée jamais de probabilité, on la distribue, ce qui explique qu'amplifier une réponse impose d'en affaiblir d'autres. Ensuite, une exécution unique ne dit presque rien : puisque chaque mesure ne rend qu'un tirage, on fait tourner un programme quantique des milliers de fois pour reconstituer la distribution des résultats. Le calcul est déterministe dans sa préparation, statistique dans sa lecture.

C'est précisément là que mon intuition initiale s'est effondrée. Même en supposant qu'une machine explore une multitude de possibilités simultanément, la mesure ne nous en restitue qu'une seule, tirée au sort. La responsabilité d'un algorithme quantique ne consiste pas à tout calculer d'un coup, mais à faire s'annuler les mauvaises réponses entre elles pour concentrer l'amplitude sur les bonnes avant que la mesure ne fige le résultat. Ce qu'il faut retenir de cette étape, en quatre points : une amplitude est un nombre complexe, pas une probabilité. Le carré de son module donne la probabilité de l'état associé. Les signes autorisent les interférences, donc la sélection des bonnes réponses. Et la mesure, elle, ne rend jamais qu'un seul résultat classique.

1. Le basculement vers l'exponentiel
2. Prenons trois bits classiques. Ils décrivent une seule combinaison à la fois, par exemple 010.
3. Trois qubits, en revanche, peuvent porter une superposition des huit configurations possibles, de 000 à 111, chacune avec son amplitude propre.
4. Chaque qubit ajouté double la taille de cet espace. Pour N qubits, ce sont 2 puissance N états qui coexistent dans la description du système, là où N bits classiques n'en désignent qu'un seul à la fois.
5. Quelques dizaines de qubits suffisent à décrire un espace que nos machines actuelles ne pourraient pas stocker. Cette croissance est vertigineuse, et elle constitue la ressource fondamentale de la discipline.

⬛ Le problème qui donne du sens à tout cela Pour ancrer cette théorie dans le réel, prenons le problème du voyageur de commerce. L'énoncé tient en une phrase : étant donné une liste de villes et les distances qui les séparent, quel est le plus court trajet passant une fois par chaque ville avant de revenir au point de départ ?

La simplicité de la question masque sa difficulté : Avec 5 villes, on compte douze itinéraires distincts, énumérables sur un coin de table. Avec 20 villes, on dépasse les soixante millions de milliards de trajets possibles.

Chaque ville ajoutée ne s'ajoute pas au problème, elle le multiplie. C'est l'archétype des problèmes d'optimisation combinatoire dits NP-difficiles (ndlr : un point que nous retrouverons plus tard dans un prochain chapitre de mon exploration), ceux pour lesquels les approches conventionnelles cessent rapidement de converger vers l'optimum dans un temps raisonnable. On les contourne aujourd'hui avec des heuristiques, c'est-à-dire en renonçant à la garantie d'avoir trouvé la meilleure solution.

C’est ici que la dernière pièce du puzzle se met en place. D'un côté, un espace de solutions dont la taille explose à chaque élément ajouté. De l'autre, une machine dont l'espace de description grandit exactement sur le même mode, en 2ⁿ. Là où un processeur classique doit visiter les candidats les uns après les autres, un registre quantique peut tous les héberger dans une même superposition, chacun porteur de son amplitude. Mais l'étape 2 interdit la conclusion facile, on ne lit pas cet espace, on en prélève un échantillon. Superposer les millions de milliards d'itinéraires ne sert donc à rien si le tirage final est équitable : on récupérerait une route au hasard, ce qu'un dé à soixante millions de milliards de faces pourrait faire.(Encore faudrait-il trouver le dé en question…). Tout l'art consiste à orchestrer les interférences pour éteindre l'amplitude des mauvais itinéraires et gonfler celle des bons, afin que la mesure ait de fortes chances de tomber sur une route courte. Un algorithme quantique ne trie pas les solutions, il déforme la distribution de probabilité en faveur des bonnes. Pour le moment c’est le terrain de jeu de L'algorithmique quantique : Les applications très concrètes en logistique, en planification de tournées ou en ordonnancement industriel.

⬛ Ce que je retiens de ce premier chapitre L’algoryhtmie quantique : c'est préparer des états physiques, orchestrer des amplitudes, provoquer des interférences, puis accepter qu'une unique mesure vienne trancher. La compétence recherchée n'est pas la puissance brute, c'est la mise en scène du calcul. J'ai commencé ce parcours en croyant qu'il s'agissait d'une question de parallélisme géant. Je le poursuis en comprenant qu'il s'agit d'une question de géométrie et de probabilités.

📚Pasqal (https://www.pasqal.com/fr/a-propos/) Un mot sur le programme que je suis, car il mérite d'être cité : le Quantum Quest de Pasqal , une plateforme d'apprentissage interactive et ouverte à tous, organisée en cinq modules qui vont des fondamentaux aux cas d'usage réels, en passant par les mathématiques, la physique des atomes neutres, l'optimisation et le machine learning. Ce que je viens de raconter n'est que le tout début du premier module. Merci à leurs équipes de rendre une matière aussi exigeante accessible à des développeurs venus du monde de l’informatique conventionnelle. Le programme est ici : https://community.pasqal.com/learning/

La suite du programme m'attend, et je continuerai à documenter ici ce que j'y apprends en éludant les migraines, les claviers jetés par la fenêtre et parfois les cris de joie (c’est plus rare).