IA Quantique : Classement Umanis

IA Quantique : Classement Umanis

Rédigé le 13/09/2019


IA quantique : D-Wave, IBM et Rigetti en tête du classement Umanis

Les promesses de l'informatique quantique sont des plus alléchantes. Alors que les ordinateurs actuels utilisent le bit comme unité fondamentale, les ordinateurs quantiques reposent sur le qubit (ou "quantum bit") qui s'exprime non seulement par des 0 et 1, mais également une superposition des deux. Grâce à cet espace multidimensionnel, la puissance de calcul théorique double à chaque nouveau qubit. Résultat : la vitesse d'une telle infrastructure augmenterait de façon exponentielle au fur et à mesure. Grâce à de telles machines, il deviendrait imaginable de venir à bout en quelques minutes de problèmes qu'un supercalculateur traditionnel mettrait des milliards d'années à résoudre. Les algorithmes d'intelligence artificielle pourraient figurer parmi les principaux bénéficiaires de ce nouveau domaine. Partant de ce constat, l'ESN française Umanis a dressé un premier benchmark des offres d'IA quantique.

Pour l'heure, D-Wave est le seul acteur retenu par Umanis dans son benchmark à commercialiser un supercalculateur quantique digne de ce nom, mais il reste limité en termes de traitements (voir le premier tableau ci-dessous). Les autres acteurs analysés se contentent pour le moment de proposer des simulateurs, principalement sous forme de services cloud. Ils permettent de commencer à développer et tester des applications en vue d'anticiper la commercialisation des futures offres. "Nous avons volontairement restreint le comparatif aux acteurs couvrant l'ensemble de la pile de l'IA quantique, du processeur quantique jusqu'aux logiciels de machine learning", explique Philippe Harel, AI practice director chez Umanis. "Seuls ces fournisseurs seront capables de proposer un environnement d'IA quantique intégré et industrialisable. Nous estimons que cette frontière sera atteinte d'ici 8 à 15 ans."

Matrice comparative d'Umanis des acteurs de l'IA quantique



Pour dresser sa matrice des acteurs de l'IA quantique, Umanis a retenu six critères classés en deux catégories : les critères de maturité technologique d'une part, les critères dit Momentum, regroupant des indicateurs plus qualitatifs (potentiel, communauté et investissement), d'autre part. La catégorie Momentum forme l'axe des abscisses et la catégorie Maturité celle des ordonnées.




De l'avis de Philippe Harel, certains des fournisseurs analysés se révèlent beaucoup plus matures que d'autres dans l'implémentation d'algorithmes de machine learning pour le calcul quantique. "Sur ce plan, D-Wave, IBM et Rigetti Computing sont en tête. A l'autre bout de l'échiquier, Intel, IonQ et Nokia ont une approche nettement plus matérielle", commente l'AI practice director chez d'Umanis, avant d'ajouter : "Si D-Wave est le seul à disposer pour l'instant d'une solution d'IA quantique industrialisable, elle se présente sous la forme d'un supercalculateur à installer et pas un service cloud managé utilisable immédiatement."

Un créneau sur lequel Microsoft pourrait avoir une carte à jouer estime l'expert. Certes son infrastructure quantique n'est encore pas achevée. Mais Microsoft mise sur une technologie (le fermion de Majorana ndlr) qui devrait lui permettre d'obtenir un environnement plus stable que ses concurrents et capable d'aligner un nombre plus important de qubits. "Derrière sa stratégie cloud figure également la promesse d'une offre d'IA quantique très intégrée, avec ses services cloud Azure, ses outils de développement Visual Studio et Visual Studio Code", ajoute Philippe Harel.

Alors que Google a annoncé en mars dernier avoir passé le cap des 72 qubits, IBM avance lui-aussi ses pions. Big Blue affiche "une offre industrielle proche de la commercialisation aux côtés de processeurs quantiques utilisables par la communauté", constate Philippe Harel. Quant à ses outils de développement, ils figurent parmi les plus pratiques, du fait notamment de la présence d'une interface graphique. Comme Microsoft, IBM a opté pour un modèle cloud.

Maturité : détail des critères analysés

  1. Hardware : niveau de confiance de la technologie en termes de fiabilité du calcul, capacité du qubit à rester stable pour prendre en charge des traitements de plus en plus longs, volume de qubit capables de travailler ensemble (plus ce nombre est grand, plus les algorithmes à exécuter pourront être complexes).
  2. Software : langages de programmation supportés, présence d'une interface graphique, diversité des algorithmes de machine learning pris en charge, des plus simples aux plus complexes (support vector machine, principal component analysis, deep learning...).
  3. Intégration : capacité à intégrer l'ensemble des composantes d'une IA quantique, des couches matérielles d'infrastructure quantique et aux couches logicielles incluant l'optimisation des algorithmes d'IA.

Momentum : détail des critères analysés

  1. Potentiel : capacité à maitriser la technologie quantique, à la faire évoluer et la faire monter en puissance en termes d'algorithmes de machine learning.
  2. Communauté : richesse des ressources et briques disponibles en open source autour des offres étudiées, importance et dynamise des communautés de développeurs gravitant au sein des différents écosystèmes (analyse de l'activité sur GitHub, GitLab, StackOverFlow...).
  3. Investissement : analyse des communications financières officielles réalisées par les acteurs (levées de fonds, investissements…), prise en compte des effectifs déclarés comme dédiés de près ou de loin aux sujets de l'IA quantique, décryptage des rapports des cabinets d'études sur le sujet...  


Source : Journal du net