À Shenzhen, la Chine ne mise pas seulement sur l’ordinateur quantique

Du 3 au 5 août 2026, Shenzhen a accueilli la cinquième conférence CCF sur le calcul quantique, organisée conjointement avec le cinquième Forum des sciences quantiques de la Grande Baie. L’événement a réuni plus de 2 400 participants, issus de près d’un millier d’universités, d’instituts de recherche, d’entreprises et de fonds d’investissement, ainsi que plus de 200 académiciens et experts. 23

Son slogan — « fusionner le quantique et l’intelligence, faire converger quantique, supercalcul et IA » — résume une orientation qui dépasse largement la seule course aux processeurs quantiques. Le terme chinois « liang-chao-zhi » désigne ici l’intégration du calcul quantique, du calcul intensif et de l’intelligence artificielle dans une même architecture de calcul scientifique.

Il ne s’agit pas, à ce stade, d’un plan national officiellement promulgué. Mais les interventions et propositions présentées à Shenzhen esquissent une feuille de route technologique aux implications stratégiques : faire de la puissance de calcul une infrastructure nationale, au même titre que les réseaux, l’énergie, les données et les capacités de recherche.

Que recouvre le modèle « quantique-supercalcul-IA » ?

L’idée n’est pas de remplacer les supercalculateurs par des machines quantiques, ni de confier toutes les tâches à l’IA. Il s’agit plutôt d’organiser une complémentarité entre trois niveaux :

• L’IA rendrait les systèmes quantiques plus utilisables, en améliorant leur conception, leur calibration, leur contrôle et leurs algorithmes ;
• Les supercalculateurs resteraient le socle immédiat du calcul scientifique, notamment pour les simulations à grande échelle et l’IA appliquée aux sciences ;
• Les futurs ordinateurs quantiques tolérants aux fautes formeraient une nouvelle couche de calcul, destinée à des problèmes scientifiques spécifiques hors de portée des machines classiques.

Cette vision transforme donc la question : l’enjeu n’est plus seulement de savoir qui construira la meilleure machine quantique, mais qui saura combiner efficacement les ressources de calcul, les données, les réseaux, l’énergie, les compétences et les applications. La conférence a d’ailleurs consacré près de 30 activités aux recherches fondamentales, aux technologies clés, aux normes, à l’industrialisation et aux rapprochements entre pouvoirs publics, entreprises et investisseurs. 23

L’IA, outil pour franchir le mur des erreurs quantiques

Le calcul quantique reste limité par la fragilité de ses qubits physiques. L’académicien de l’Académie chinoise des sciences Xiang Tao a comparé le taux d’erreur actuel, d’environ 1 %, aux niveaux nettement plus faibles requis pour des applications comme le déchiffrement cryptographique. Selon l’approche présentée à Shenzhen, l’IA pourrait contribuer à réduire cet écart de plusieurs ordres de grandeur. 1

Ses applications potentielles couvrent presque toute la chaîne technique :

1. Conception et calibration des puces : analyser les données expérimentales pour repérer les erreurs et ajuster les paramètres des composants ;
2. Correction et décodage des erreurs quantiques : identifier plus rapidement les erreurs et améliorer leur correction ;
3. Compilation des circuits quantiques : traduire les algorithmes de façon plus efficace pour les adapter au matériel disponible ;
4. Mesure et contrôle : piloter en temps réel des systèmes quantiques particulièrement sensibles ;
5. Optimisation des algorithmes variationnels : accélérer la recherche de paramètres et limiter les problèmes de « barren gradients », c’est-à-dire des gradients trop faibles pour permettre un apprentissage efficace. 1

L’IA ne serait donc pas uniquement une interface destinée aux utilisateurs finaux. Elle pourrait devenir un outil de base pour concevoir les puces, exploiter les logiciels quantiques et piloter les expériences, avec l’objectif de raccourcir les cycles d’essai, d’erreur et d’amélioration.

Une infrastructure intégrée plutôt qu’un projet isolé

L’académicien Xue Qikun a souligné que la convergence entre IA, supercalcul et quantique modifie déjà la recherche sur les matériaux quantiques et l’évolution des algorithmes quantiques. 1 Dans cette architecture, chaque technologie dépend des autres : les dispositifs quantiques ont besoin de calcul classique pour fonctionner, l’IA nécessite d’importantes capacités de traitement et les découvertes scientifiques reposent sur la combinaison de plusieurs types de ressources.

L’académicien de l’Académie chinoise d’ingénierie Gao Wen a proposé une infrastructure pilotée par le laboratoire de Pengcheng, articulée autour de trois objectifs : un calcul de niveau 10G, un réseau de niveau 10P et une intégration de 10 GW d’énergie propre. L’ambition affichée est de fournir des ressources coordonnées aux laboratoires nationaux. 1

Dans le contexte de la conférence, ces chiffres ne renvoient pas à une simple accumulation de serveurs. Ils illustrent une conception plus large de l’infrastructure : planifier simultanément la puissance de calcul, les interconnexions et l’approvisionnement énergétique. À mesure que les modèles d’IA et les simulations scientifiques deviennent plus gourmands, la disponibilité d’une énergie abondante et décarbonée devient elle aussi un facteur de compétitivité.

Les supercalculateurs, un socle déjà opérationnel pour l’IA scientifique

L’académicien de l’Académie chinoise d’ingénierie Zheng Weimin a décrit les supercalculateurs les plus avancés comme de véritables « ordinateurs géants pour l’IA », en particulier dans le domaine de la recherche scientifique. Dans cette lecture, le quantique ne constitue pas le point de départ de toute l’architecture, mais la couche suivante. 1

Cette hiérarchie offre un calendrier plus réaliste. Les ordinateurs quantiques ont encore d’importants obstacles à surmonter — taux d’erreur, correction des fautes et passage à l’échelle — tandis que les supercalculateurs et l’IA peuvent dès aujourd’hui soutenir la découverte de matériaux, la prédiction de structures protéiques et d’autres applications d’« IA for Science ». 1

Les chercheurs peuvent ainsi exploiter des infrastructures classiques déjà disponibles pour préparer les données, entraîner les modèles et tester les hypothèses, puis réserver les futurs systèmes quantiques aux problèmes pour lesquels ils présenteront un avantage réel. Cette approche évite d’attendre l’arrivée d’un ordinateur quantique universel et parfaitement fiable avant de commencer à produire des résultats scientifiques.

La découverte de matériaux comme démonstration concrète

L’un des exemples présentés à Shenzhen combine le principe de métallisation des liaisons sigma, issu de la théorie quantique des systèmes à plusieurs corps, avec un filtrage par IA. La méthode aurait permis d’examiner une base de plus de deux millions de matériaux et d’identifier 31 candidats supraconducteurs à haute température, dont 18 qui n’avaient pas été prédits auparavant. 1

L’intérêt de cet exemple n’est pas de montrer que l’IA remplace la physique. Il illustre plutôt une chaîne de travail distribuée :

• la théorie physique détermine les propriétés à rechercher ;
• l’IA explore rapidement un espace de candidats immense ;
• le supercalcul fournit la puissance nécessaire au traitement et à la validation des résultats.

L’académicien de l’Académie chinoise des sciences Gong Xinguo a également évoqué un usage de l’IA capable de transformer une question formulée en langage naturel en une suite de calculs et d’outils spécialisés. Des « compétences » d’IA pourraient ainsi aider à concevoir et à simuler des matériaux, puis à préparer leur synthèse, en réduisant la dépendance à l’égard d’un petit nombre d’experts capables de programmer des chaînes de calcul complexes. 1

Un parallèle avec l’initiative américaine Quantum Genesis

Gao Wen a comparé cette ambition chinoise à l’initiative Quantum Genesis du département américain de l’Énergie, annoncée en juin 2026. Les documents publics américains présentent notamment l’objectif de développer et de déployer des ordinateurs quantiques tolérants aux fautes, scientifiquement utiles, en coordonnant les efforts du gouvernement fédéral, des laboratoires nationaux et de l’industrie.

La comparaison porte surtout sur l’organisation des moyens. Les objectifs, les structures de financement et les calendriers des deux pays ne sont pas identiques ; il serait donc excessif d’en déduire qu’un camp domine déjà l’ensemble de la course. Le point commun est plutôt la volonté de traiter le quantique, l’IA et le calcul intensif comme des composantes d’une politique scientifique et industrielle plus vaste.

Une stratégie annoncée ou une orientation encore en discussion ?

La distinction est importante : le concept de « liang-chao-zhi » correspond au thème de la conférence et aux analyses et propositions formulées par les experts présents. Il ne constitue pas, sur la base des éléments disponibles, une nouvelle stratégie nationale officiellement publiée. 123

La réunion a néanmoins mis en avant plusieurs axes cohérents :

• utiliser l’IA pour améliorer le matériel, les logiciels et les algorithmes quantiques ;
• s’appuyer sur les supercalculateurs pour les applications scientifiques à court terme ;
• préparer le quantique à devenir une couche de calcul pour des problèmes complexes ciblés ;
• planifier ensemble le calcul, les réseaux, l’énergie propre et les laboratoires nationaux ;
• accélérer le transfert des résultats grâce à la coopération entre recherche, industrie, utilisateurs et investisseurs. 237

Le signal le plus notable de la conférence de Shenzhen n’est donc pas que le calcul quantique serait déjà entré dans une phase de généralisation. C’est plutôt que le récit de la compétition évolue : l’objectif n’est plus simplement de construire une machine plus puissante, mais d’assembler un système capable de transformer durablement la puissance de calcul en découvertes scientifiques et en applications industrielles.