NVIDIA a présenté Ising, une collection de modèles d'intelligence artificielle ouverts que la société décrit comme les premiers au monde conçus pour accélérer la transition vers des ordinateurs quantiques utiles. Lancés le 23 juin 2026, les modèles ciblent deux des problèmes les plus tenaces qui se dressent entre le matériel quantique expérimental actuel et le calcul pratique : la correction d'erreurs quantiques et l'étalonnage des qubits.
Ce lancement témoigne de la conviction de NVIDIA selon laquelle l'IA classique, fonctionnant sur les GPU qu'elle domine déjà, servira de tissu conjonctif rendant les machines quantiques viables. Le PDG de NVIDIA, Jensen Huang, a décrit la relation sans détour, décrivant l'IA comme le « plan de contrôle » des machines quantiques. Pour plus de contexte sur cette histoire, consultez notre plus d'articles sur l'IA.
L'IA comme plan de contrôle quantique
Les ordinateurs quantiques promettent de résoudre certains problèmes, tels que la simulation moléculaire et la cryptographie, bien plus rapidement que les machines classiques. Mais les processeurs quantiques actuels restent bruyants et sujets aux erreurs. Les qubits, unités de base de l’information quantique, perdent leurs états quantiques délicats en quelques fractions de seconde, et leur stabilité nécessite un étalonnage constant et précis.
C'est là que NVIDIA voit une ouverture. Plutôt que de rivaliser pour construire elle-même des processeurs quantiques, la société positionne ses logiciels d’IA et son infrastructure GPU comme couche qui gère, stabilise et corrige le comportement du matériel quantique construit par d’autres. Les modèles Ising sont destinés à aider les chercheurs et les fabricants de matériel informatique à appliquer l'apprentissage automatique pour détecter et corriger les erreurs et régler les qubits plus efficacement.
En publiant les modèles sous forme de poids ouverts, NVIDIA encourage la communauté plus large de la recherche quantique à les adopter, à les étudier et à les améliorer, une stratégie qui reflète l'approche des poids ouverts qui a remodelé le paysage des modèles linguistiques.
La correction des erreurs quantiques rencontre l'apprentissage automatique
La correction d'erreurs quantiques constitue le principal défi d'ingénierie dans ce domaine. Étant donné que les états quantiques s’effondrent lorsqu’ils sont observés directement, les chercheurs doivent utiliser des méthodes indirectes pour détecter et corriger les erreurs sans détruire les informations qu’ils tentent de protéger. Les techniques conventionnelles de correction d’erreurs nécessitent une surcharge énorme, avec de nombreux qubits physiques nécessaires pour former un seul qubit fiable ou logique.
L’apprentissage automatique offre un raccourci potentiel. Les modèles d’IA peuvent apprendre à reconnaître des modèles d’erreurs et à prédire des corrections à partir des données, réduisant ainsi potentiellement la surcharge et la latence des algorithmes de décodage traditionnels. Les modèles Ising de NVIDIA sont conçus pour combler cette lacune, en appliquant des réseaux neuronaux entraînés aux tâches de correction d'erreurs et d'étalonnage qui consomment actuellement beaucoup de temps et de calcul sur les systèmes quantiques.
Premiers résultats réels
La promesse est déjà testée sur du matériel réel. La société d'informatique quantique photonique Aegiq a annoncé avoir déployé les modèles Ising AI de NVIDIA pour automatiser l'étalonnage de son système quantique photonique, avec des résultats rapportés selon lesquels l'IA a réduit le temps d'étalonnage d'un facteur trois par rapport aux méthodes précédentes.
Pour un domaine où les heures de réglage manuel sont monnaie courante, ce type de réduction est significatif. Un étalonnage plus rapide, piloté par l'IA, pourrait permettre aux équipes de matériel quantique de consacrer plus de temps à effectuer des calculs utiles et moins de temps à simplement maintenir la stabilité de leurs machines. Aegiq a également combiné l'approche accélérée par NVIDIA avec des méthodes de réseau tenseur pour la simulation de fluides à grande échelle, pointant vers un modèle hybride dans lequel l'IA et les techniques d'inspiration quantique fonctionnent côte à côte.
Un pari plus large sur l'IA pour la science
Le lancement d'Ising fait partie d'une initiative plus large de NVIDIA dans le domaine du calcul scientifique dévoilée à peu près à la même période. Lors de la conférence ISC sur le calcul intensif, la société a présenté de nouvelles bibliothèques de logiciels destinées à la chimie, à la découverte de matériaux et même à la recherche de matière noire, tout en annonçant que sa technologie alimente désormais plus de 400 des 500 supercalculateurs les plus rapides au monde.
NVIDIA a également détaillé de nouvelles boîtes à outils d'agents d'IA pour les sciences de la vie et a mis en avant des partenariats avec des laboratoires nationaux construisant des supercalculateurs équipés de ses derniers processeurs. Le fil conducteur est la conviction que les modèles d’IA, de plus en plus performants et de plus en plus ouverts, peuvent servir d’accélérateurs à usage général pour résoudre les problèmes scientifiques les plus difficiles, de la découverte de médicaments à la physique quantique.
Les actions quantiques réagissent
Le marché a réagi rapidement à cette annonce. Les actions des sociétés d'informatique quantique ont fortement augmenté après le lancement des modèles Ising par NVIDIA, les actions axées sur le quantique, notamment D-Wave Quantum (QBTS), Rigetti Computing (RGTI) et Quantum Computing Inc. (QUBT), affichant toutes des gains notables. Les investisseurs ont interprété l'approbation de NVIDIA et ses outils d'IA ouverts comme une validation du fait que le secteur quantique se rapproche de la pertinence commerciale.
Ce rallye souligne à quel point le sentiment autour de l’informatique quantique est devenu étroitement lié au boom plus large de l’IA. Lorsque le leader des GPU publie des modèles explicitement conçus pour rendre le matériel quantique plus pratique, il recadre le quantique non pas comme un rival lointain de l’informatique classique, mais comme une frontière adjacente que l’IA aidera à apprivoiser.
Pourquoi les poids ouverts sont importants ici
La décision de NVIDIA de publier les modèles Ising sous forme de pondérations ouvertes est remarquable car la correction des erreurs quantiques est un domaine dans lequel les progrès ont traditionnellement été cloisonnés au sein des entreprises de matériel informatique individuelles et des laboratoires universitaires. Les modèles ouverts abaissent la barrière pour les chercheurs n’ayant pas accès à des décodeurs propriétaires pour expérimenter la correction assistée par l’IA.
Si l’approche ouverte s’impose, elle pourrait accélérer le type de progrès collaboratif et interinstitutionnel qui a propulsé les grands modèles linguistiques vers l’avant. Les chercheurs peuvent affiner les modèles sur les données de leur propre matériel, partager les améliorations et créer une boîte à outils commune plutôt que de réinventer les logiciels d’étalonnage et de correction pour chaque nouvelle plate-forme quantique.
La route vers une informatique quantique utile
L’informatique quantique a passé des années dans un état d’optimisme prudent, les chercheurs avertissant à plusieurs reprises que les machines tolérantes aux pannes et largement utiles resteront avant plusieurs années. NVIDIA ne prétend pas qu'Ising résout complètement ce problème. Au lieu de cela, l’entreprise parie que l’IA peut compresser le calendrier en éliminant les goulots d’étranglement techniques, un cycle d’étalonnage et une erreur corrigée à la fois.
La réussite de ce pari dépendra de l’efficacité avec laquelle la communauté des chercheurs adoptera les modèles et des performances réelles qu’ils offriront au-delà des premiers résultats d’Aegiq. Mais avec Ising, NVIDIA a tracé une ligne claire : l’avenir de l’informatique quantique utile, selon lui, reposera sur les fondations de l’IA.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
