La demande en IA atteint une échelle proche du quantique

L’informatique quantique est encore loin d’un usage commercial large. Pourtant, les gouvernements dépensent déjà beaucoup pour donner du poids au secteur. Les États-Unis investissent environ 2 milliards de dollars, avec des fonds liés à la fabrication de puces (circuits électroniques) et de composants quantiques (pièces nécessaires aux machines quantiques).

Ce qui ressemble à de la recherche peut surtout être une planification d’infrastructure, pour créer une couche de calcul plus profonde sous l’IA (intelligence artificielle).

Les stratégies nationales s’accélèrent

L’engagement américain comprend environ 1 milliard de dollars pour l’usine d’IBM à New York dédiée à la fabrication de puces quantiques, et 375 millions de dollars supplémentaires pour GlobalFoundries afin de soutenir la fabrication de composants quantiques. La France a aussi engagé 1,5 milliard d’euros pour sa stratégie quantique et la microélectronique (petits composants électroniques). Ce ne sont pas de simples aides de recherche. On est plutôt face à une politique industrielle stratégique.

Ceux qui ont suivi le cycle d’infrastructure de l’IA reconnaîtront le schéma. Avant que l’IA générative (IA qui produit du texte, des images, du code) devienne courante, la chaîne d’approvisionnement s’organisait déjà. Les GPU (processeurs graphiques, très utilisés pour l’IA), les puces avancées, la capacité cloud (serveurs loués à distance), les centres de données (bâtiments de serveurs), les équipements réseau et la demande en électricité sont devenus des éléments clés du thème IA.

L’informatique quantique est à un stade bien plus précoce, mais la logique est similaire. Les gouvernements veulent une capacité locale avant que la technologie ne devienne vraiment importante commercialement. Ils construisent les rails avant l’arrivée du trafic.

Cela ne veut pas dire que chaque entreprise du quantique est intéressante à acheter aujourd’hui. Mais cela montre que le secteur dépasse le laboratoire et passe à une planification d’infrastructure sur le long terme.

Informatique quantique : explication simple

Au plus simple :

• Les ordinateurs classiques utilisent des bits (0 ou 1)
• Les ordinateurs quantiques utilisent des qubits (0, 1, ou un mélange des deux en même temps grâce à la superposition, c’est-à-dire plusieurs états possibles à la fois)

Les qubits peuvent aussi être liés par l’intrication (l’état d’un qubit influence celui d’un autre, même séparé), ce que les systèmes classiques reproduisent difficilement. Cette façon de tester en parallèle un très grand nombre de solutions possibles peut donner un avantage sur certains problèmes qui prendraient des années à un ordinateur classique.

Cela dit, l’informatique quantique ne rendra pas toutes les tâches plus rapides. Ce n’est pas une version “améliorée” d’un ordinateur normal. Elle est surtout utile dans des cas précis : simulation de chimie (reproduire le comportement des molécules), analyse cryptographique (étudier ou casser des codes), optimisation à grande échelle (chercher la meilleure solution parmi d’énormes possibilités) et certaines tâches d’apprentissage automatique (méthodes par lesquelles un système apprend à partir de données).

Pour la plupart des usages actuels, surtout l’entraînement et l’inférence (utiliser un modèle déjà entraîné pour produire des résultats) de l’IA à grande échelle, les GPU restent l’outil principal. Des GPU comme les puces H200 de NVIDIA ou le supercalculateur IA Colossus de SpaceX sont encore surtout contrôlés par les leaders actuels du marché de l’IA.

L’informatique quantique peut devenir puissante, mais son avantage à court terme reste limité. Les opportunités les plus solides peuvent se trouver chez les entreprises qui construisent le pont entre les systèmes classiques d’aujourd’hui et les capacités quantiques de demain.

Progrès actuels dans le quantique

Les appareils quantiques actuels sont souvent décrits comme des systèmes NISQ (Noisy Intermediate-Scale Quantum) : des ordinateurs quantiques de taille intermédiaire, mais “bruyants”. “Bruyants” signifie qu’ils font encore beaucoup d’erreurs. En pratique : ces machines servent à expérimenter, mais ne sont pas assez fiables pour un déploiement commercial large.

Ces machines restent limitées par le taux d’erreurs, les besoins de refroidissement (souvent proche du zéro absolu) et le nombre de qubits. Et l’utilité ne dépend pas seulement de fabriquer la machine : il faut garder les qubits stables et réduire les erreurs.

Point positif : les progrès se font maintenant aussi sur l’architecture matérielle (la façon de concevoir la machine), pas seulement en théorie.

La puce Willow de Google a montré des avancées en correction d’erreurs (méthodes pour détecter et compenser les erreurs quantiques) et en performances mesurées par des tests comparatifs (benchmarks). L’annonce Majorana 1 de Microsoft évoque une architecture possible de qubits topologiques (qubits censés être plus stables grâce à des propriétés physiques), qui pourrait, si elle est confirmée à grande échelle, offrir une voie plus stable. IBM a aussi publié une feuille de route visant un avantage quantique à court terme (cas où le quantique fait mieux qu’un classique sur une tâche utile) d’ici fin 2026, puis une capacité tolérante aux pannes (fonctionne de façon fiable malgré des erreurs résiduelles) à plus grande échelle d’ici 2029.

Cela ne veut pas dire que le quantique commercial arrive immédiatement. Mais cela indique un passage de résultats isolés en laboratoire vers des trajectoires d’ingénierie plus claires. Le défi : passer à l’échelle, intégrer ces avancées dans des systèmes utilisables, et accepter que tous les jalons ne seront pas atteints à l’heure.

Le matériel progresse. Le calendrier commercial reste incertain.

Quand le quantique rencontre l’IA

La préparation est maximale. Les banques, les agences publiques, les acteurs de santé, les services d’énergie et les entreprises de défense gèrent des données qui doivent rester protégées pendant des années. L’adoption de l’IA augmente l’urgence, comme on l’a vu avec les résultats d’Okta. Plus les entreprises créent, stockent et déplacent des données sensibles, plus l’investissement dans une sécurité renforcée devient facile à justifier.

La trajectoire la plus probable est l’intégration, pas une rupture soudaine.

Les systèmes hybrides quantiques-classiques permettent de tester le quantique tout en s’appuyant sur l’informatique existante. Le système RacQ d’Equal1 et Dell en est un exemple : un système hybride monté en rack (format standard de baie de serveurs) pour se rapprocher d’un centre de données classique.
Les entreprises n’adoptent pas une technologie parce qu’elle est avancée. Elles l’adoptent si elle s’intègre aux processus, si des fournisseurs peuvent la maintenir, et si l’usage est clair.

Les systèmes hybrides créent aussi une demande pour le matériel de support : électronique de contrôle (circuits qui pilotent les qubits), systèmes cryogéniques (refroidissement extrême), composants analogiques (électronique qui traite des signaux continus), outils de traitement du signal, et calcul classique haute performance (ordinateurs très puissants).

Les points de croisement entre innovations quantiques et IA se résument à :

1. L’IA qui améliore les systèmes quantiques – apprentissage automatique (méthodes où un programme apprend à partir de données) pour aider la correction d’erreurs, l’étalonnage (réglages fins de la machine), la recherche de matériaux et la conception des systèmes (déjà en cours dans les labos)
   
2. Cybersécurité post-quantique – les entreprises mettent à jour le chiffrement (méthodes qui rendent les données illisibles sans clé) avant que des ordinateurs quantiques puissants ne menacent les systèmes actuels. (déjà porté par les dépenses publiques)
   
3. Systèmes hybrides quantiques-classiques – coprocesseurs quantiques (puces spécialisées qui assistent l’ordinateur principal) pour des tâches rares mais à forte valeur. (infrastructure naissante, encore limitée par l’ingénierie)
   
4. Charges de travail IA améliorées par le quantique – un possible soutien pour l’optimisation ou certains traitements d’apprentissage automatique.

C’est là que l’histoire d’investissement devient plus concrète. Les entreprises qui fournissent les “couches” permettant le quantique peuvent générer du chiffre d’affaires avant que le matériel quantique pur n’atteigne une échelle commerciale.

Les marchés anticipent

Le quantique a tous les ingrédients d’un récit de marché fort : sécurité nationale, demande liée à l’IA, puces avancées et disruption de long terme. Cela facilite aussi les excès de prix.

Certaines entreprises “pur quantique” attirent déjà des valorisations basées sur un marché futur pas encore installé. Le projet d’introduction au Nasdaq de Terra Quantum via une SPAC (société “coquille” cotée qui fusionne avec une entreprise pour la rendre publique) autour de 3,5 milliards de dollars de valorisation en est un exemple. Son focus sur les algorithmes (méthodes de calcul), les outils de sécurité et les systèmes hybrides est plus pratique, mais la valorisation dépend du rythme réel de la demande.

Les délais du matériel restent un risque.

• La feuille de route d’IBM donne des étapes, mais les délais peuvent glisser.
• L’approche des qubits topologiques de Microsoft peut compter, mais elle doit être confirmée à grande échelle.
• Les progrès de Google sur la correction d’erreurs sont importants, mais l’utilité commerciale est un autre test.

Les coûts comptent aussi. Le matériel quantique dépend de composants spécialisés, de refroidissement extrême, d’une fabrication très précise et de systèmes de contrôle complexes. En grandissant, les coûts pourraient ne pas baisser aussi vite que prévu.
Cela peut mettre sous pression les entreprises centrées sur le matériel, avant que les revenus ne soient suffisants pour financer ces dépenses.

Ce qui bouge chez VT Markets

VT Markets permet d’accéder tôt aux mouvements de marchés proches des innovations quantiques. L’opportunité à court terme se situe dans les couches qui peuvent bénéficier avant l’arrivée d’ordinateurs quantiques tolérants aux pannes (machines fiables à grande échelle).

Comme pour la construction de la chaîne d’approvisionnement IA, l’approche la plus simple est de voir le quantique comme un ensemble de couches, pas comme un seul pari. L’exposition la plus solide à court terme peut venir d’entreprises qui rendent possible l’écosystème, avant que des ordinateurs quantiques tolérants aux pannes n’atteignent l’échelle commerciale.

IBM a l’exposition la plus directe sur les marchés via sa feuille de route quantique et son rôle industriel. La pertinence de Nvidia est différente : l’entreprise se situe sur le pont entre processeurs quantiques et calcul classique, où la simulation (imiter le quantique sur des ordinateurs classiques), la correction d’erreurs et l’intégration des systèmes resteront importantes pendant des années.

Les acteurs de la cybersécurité peuvent offrir une exposition plus simple à court terme. Palo Alto Networks, Fortinet et CrowdStrike ne sont pas des acteurs “pur quantique”, mais ils sont proches des budgets de sécurité des entreprises que la migration post-quantique (mise à jour des protections pour résister au quantique) pourrait faire augmenter.

Le matériel quantique “pur” offre un potentiel plus élevé, mais aussi un risque d’exécution plus élevé. Acheter cette couche, c’est parier sur des avancées en physique, ingénierie et fabrication, pas seulement sur la demande.

L’informatique quantique n’est pas “le prochain IA” de façon simple. Elle a plus de chances de devenir une partie de l’infrastructure sous l’IA, la cybersécurité et le calcul avancé.

L’opportunité n’est pas de croire que le quantique va remplacer les GPU ou transformer l’IA du jour au lendemain. Elle se trouve dans les couches en construction : fabrication de puces, systèmes hybrides, matériel de contrôle et cybersécurité post-quantique.

Le thème mérite d’être suivi, mais l’investissement doit être sélectif et le risque principal est la valorisation. Si les actions liées au quantique intègrent déjà un marché “mûr” alors que le matériel n’est pas prêt, la tendance devient fragile.

Pour les investisseurs déjà exposés à l’infrastructure IA, l’idée n’est pas de courir après chaque titre sur le quantique. Il faut savoir où l’exposition au quantique existe déjà dans le portefeuille, et si c’est voulu.

Commencez à trader maintenant – Cliquez ici pour créer votre vrai compte VT Markets