JPMorgan, AMD et OQC inaugurent un data center quantique-IA à Londres : optimisation de portefeuille, machine learning quantique et découverte d'algorithmes inédits

Le 3 juin 2026, OQC, JPMorganChase et AMD ont annoncé une collaboration de recherche qui offre à une grande banque d'investissement un accès dédié à un data center quantique-IA physiquement intégré . L'installation londonienne, construite par OQC, associe un ordinateur quantique GENESIS à une infrastructure de calcul haute performance (HPC) et d'intelligence artificielle fournie par AMD, le tout au sein d'un environnement d'entreprise sécurisé . Loin d'être un simple cloud académique partagé, il s'agit d'un banc d'essai privé conçu pour permettre aux chercheurs de JPMorganChase d'évaluer des applications hybrides quantiques-classiques à court terme par rapport aux normes opérationnelles qu'exige le secteur des services financiers, notamment en matière de performance, d'évolutivité et de reproductibilité .

Le partenariat est structuré avec des rôles distincts. OQC fournit la couche matérielle quantique, en s'appuyant sur son architecture supraconductrice et son système de nouvelle génération GENESIS . AMD apporte l'infrastructure de calcul classique et d'IA qui rend possibles les flux de travail hybrides . JPMorganChase mobilise son programme de R&D quantique et IA de longue date, qui a déjà produit des algorithmes pour des cas d'usage allant de la valorisation d'options et l'analyse de risque à la détection de fraude et au traitement du langage naturel . Ensemble, les trois organisations se sont engagées sur une feuille de route de recherche ciblant plusieurs applications spécifiques aux services financiers.

Optimisation de portefeuille : tester des stratégies hybrides en conditions réelles

L'optimisation de portefeuille est l'un des cas d'usage de l'informatique quantique à court terme les plus cités en finance, et il figure en tête de l'agenda de cette collaboration. Les chercheurs de JPMorganChase utiliseront le nouveau data center pour tester des approches quantiques et hybrides quantiques-classiques destinées à améliorer la construction de portefeuille et les rendements ajustés au risque . L'objectif n'est pas une simple exploration théorique : la plateforme est explicitement conçue pour comparer les performances de ces flux de travail hybrides face aux exigences de latence, de réplication des données et de reproductibilité qu'une banque mondiale applique à ses systèmes de production .

L'historique plus large de la recherche quantique de JPMorganChase apporte ici un contexte essentiel. Le groupe de recherche appliquée en technologie de la firme a déjà produit des algorithmes quantiques novateurs pour l'optimisation de portefeuille, et s'est imposé comme l'une des institutions financières les plus actives dans l'exploration de l'intersection entre informatique quantique, IA et cryptographie . Avec un accès dédié à GENESIS, l'équipe peut désormais mener des expériences comparatives entre approches classiques, quantiques et hybrides dans des conditions qui reflètent ce qu'une véritable salle de marchés pourrait un jour exiger.

Le machine learning quantique passe de la théorie à l'expérience contrôlée

Le machine learning quantique est depuis longtemps un domaine d'intérêt académique, mais les tests rigoureux et reproductibles au sein de l'infrastructure sécurisée d'une banque étaient rares. Le centre londonien change la donne. Les partenaires ont déclaré que la plateforme servira à étendre les explorations des techniques de machine learning quantique applicables à la modélisation et à la prédiction financières .

Ce qui distingue cette initiative des expériences à plus petite échelle, c'est la colocalisation du processeur quantique avec des capacités de calcul IA haute performance. L'architecture est conçue pour des charges de travail mixtes en temps réel, rendant possible l'entraînement de réseaux neuronaux conventionnels et l'exécution de circuits quantiques au sein d'une seule et même boucle contrôlée . Pour JPMorganChase, les questions pratiques sont concrètes : les noyaux quantiques, les circuits variationnels ou les réseaux de neurones quantiques peuvent-ils apporter une valeur prédictive supplémentaire pour des tâches comme l'évaluation du crédit, la détection d'anomalies ou la classification des régimes de marché, lorsqu'ils sont testés à une échelle et avec une latence similaires à celles d'un environnement financier réel ?

De récentes étapes franchies par la banque dans le domaine quantique soulignent sa volonté de jeter un pont entre la recherche et la pratique. En mars 2025, des chercheurs de JPMorganChase – en collaboration avec Quantinuum, le Laboratoire National d'Argonne, le Laboratoire National d'Oak Ridge et l'Université du Texas à Austin – ont généré et certifié mathématiquement des nombres authentiquement aléatoires à l'aide d'un ordinateur quantique . Publiés dans Nature, ces travaux ont démontré non seulement une capacité théorique, mais un résultat tangible ayant des applications directes en sécurité, cryptographie et simulations de Monte-Carlo pour le trading. Le nouveau data center offre un espace pour poursuivre des recherches quantiques tout aussi rigoureuses et axées sur les résultats, au rythme choisi par la banque elle-même.

Modèles d'IA augmentés par le quantique pour la découverte de nouveaux algorithmes

L'axe de recherche le plus prospectif de la collaboration s'intéresse à la question de savoir si des modèles d'IA augmentés par le quantique peuvent accélérer la découverte d'algorithmes novateurs, spécialement conçus pour des cas d'usage financiers . Il ne s'agit pas simplement d'utiliser le matériel quantique pour accélérer les pipelines de machine learning existants ; c'est une exploration plus ouverte qui cherche à déterminer si l'IA – y compris les grands modèles de langage (LLM) et les systèmes d'IA spécialisés – peut aider à concevoir de meilleurs circuits quantiques, et si les processeurs quantiques peuvent en retour améliorer les modèles d'IA qui recherchent de nouveaux algorithmes financiers.

Deux directions de recherche distinctes mais liées s'inscrivent dans cet axe. La première est l'amélioration des circuits quantiques assistée par l'IA : utiliser l'IA pour accroître la performance et la fidélité des circuits quantiques eux-mêmes, rendant ainsi le matériel quantique plus utile en perfectionnant la couche logicielle qui le contrôle . La seconde direction cherche à savoir si des modèles d'IA augmentés par le quantique, potentiellement incluant des LLM, peuvent découvrir des algorithmes quantiques inédits et jusqu'alors inconnus – des algorithmes capables de résoudre des problèmes spécifiques d'optimisation financière ou de modélisation des risques plus efficacement que toute méthode classique ou quantique existante .

Cette approche s'inscrit dans une tendance plus large de l'industrie qui utilise le machine learning pour explorer le vaste espace de conception des circuits quantiques. Ce qui rend le projet londonien remarquable, c'est qu'il est ancré dans un domaine particulier – la finance – et qu'il est mené à l'intérieur du périmètre de sécurité d'une banque capable de définir précisément quels problèmes sont les plus pertinents sur le plan commercial. La combinaison de l'expertise métier, du matériel dédié et de l'environnement de données protégé en fait un banc d'essai unique pour la découverte d'algorithmes dans les services financiers.

Sécurité, évolutivité et la route vers des applications prêtes pour la production

La finalité de la plateforme va bien au-delà d'un algorithme unique. JPMorganChase a souligné que le data center sert de plateforme de test de sécurité de niveau professionnel, où les équipes de recherche académiques et d'entreprise peuvent évaluer les configurations logicielles hybrides classique-quantique par rapport aux normes de réplication des données, de tolérance aux pannes et de sécurité qui s'appliquent aux services financiers . L'inclusion d'AMD est particulièrement significative ici, car la couche classique doit gérer les volumes de données et les charges d'inférence que génère une grande banque, et non un jeu de données de référence simplifié.

L'installation devrait être pleinement opérationnelle dans les 12 mois suivant l'annonce de juin 2026, avec JPMorganChase comme premier utilisateur dédié . Ce calendrier s'aligne sur la trajectoire matérielle plus large d'OQC : le système GENESIS représente l'entrée de l'entreprise dans l'ère des qubits logiques, avec 16 qubits logiques capables de fournir des milliers d'opérations quantiques fiables, un seuil qu'OQC décrit comme le régime « KiloQuOp » . Tester des algorithmes hybrides sur un matériel qui est passé des qubits physiques bruités à des qubits logiques avec atténuation d'erreur est une étape clé pour démontrer si l'informatique quantique peut offrir un avantage pratique dans la finance.

Cette collaboration londonienne n'est pas le seul investissement de la banque dans les réseaux quantiques. En mars 2026, JPMorgan Chase a déployé séparément un réseau « crypto-agile » sécurisé par le quantique à haut débit, reliant deux centres de données sur des fibres optiques existantes, avec un troisième nœud quantique servant de plateforme de recherche pour les technologies quantiques de prochaine génération applicables au secteur bancaire . Pris ensemble, ces investissements signalent que JPMorganChase construit simultanément la couche de connectivité et la couche de calcul, préparant ainsi l'infrastructure pour un monde où les réseaux sécurisés par le quantique et les algorithmes augmentés par le quantique coexistent dans un environnement de production.

Pourquoi le centre londonien est bien plus qu'une simple annonce

La plupart des collaborations en informatique quantique entre fournisseurs de matériel et banques fonctionnent sur un modèle de cloud partagé, où les chercheurs d'une banque accèdent à un processeur quantique via Internet aux côtés d'utilisateurs académiques et commerciaux. L'installation d'OQC, JPMorganChase et AMD est différente : physiquement colocalisée, opérée de manière privée et construite spécifiquement pour la charge de travail et les exigences de sécurité d'une seule entreprise. Cette configuration permet des expériences que les modèles d'accès basés sur le cloud ne peuvent pas facilement reproduire, notamment des boucles hybrides étroitement couplées où le calcul HPC classique, l'inférence IA et les circuits quantiques doivent communiquer avec une latence mesurée en microsecondes plutôt qu'en temps d'aller-retour réseau.

Pour les services financiers, où quelques millisecondes de latence peuvent avoir un coût économique significatif, cette architecture de colocalisation pourrait s'avérer plus importante que le nombre brut de qubits. Le succès de cette collaboration ne se mesurera pas par des communiqués de presse, mais par la capacité de JPMorganChase à démontrer – sur de véritables charges de travail financières et par rapport à des benchmarks rigoureux – que les approches hybrides quantiques-classiques offrent une performance, une évolutivité et un rapport coût-efficacité que l'infrastructure purement classique ne peut égaler. Les axes de recherche sur l'optimisation de portefeuille, le machine learning quantique et la découverte d'algorithmes pilotée par l'IA sont les premiers pas concrets vers cette démonstration.