Mythos 5 et Google viennent de bouleverser l’informatique quantique

La bascule en une phrase

L’informatique quantique vient de recevoir un double électrochoc: Mythos 5 montre qu’une IA peut découvrir de nouvelles conceptions de circuits au-delà des meilleurs repères publiés, et Google montre qu’un goulot d’étranglement majeur de la correction d’erreurs peut être attaqué sur du matériel réel [1][3].

Ces deux annonces ne racontent pas exactement la même chose, mais elles se complètent. D’un côté, il faut réduire le nombre de qubits et d’opérations nécessaires pour exécuter des algorithmes utiles. De l’autre, il faut fabriquer des états quantiques assez propres pour que ces opérations ne s’effondrent pas sous le bruit. Anthropic travaille sur la compression algorithmique. Google travaille sur la qualité d’un ingrédient fondamental.

Ce que Mythos 5 a vraiment découvert

Anthropic explique avoir donné à Claude des descriptions en langage courant pour huit tâches de conception de circuits quantiques, accompagnées d’un évaluateur automatique capable de vérifier la correction des propositions et d’attribuer un score de coût [1]. Dans l’article soumis à arXiv le 15 octobre, les auteurs décrivent un cadre évolutif où des grands modèles de langage proposent des circuits, puis un évaluateur indépendant les vérifie et les note [2].

Le résultat central est fort: sur des tâches couvrant le calcul numérique, la chimie, l’optimisation, la simulation quantique et la théorie des nombres, les circuits découverts réduisent à la fois le nombre de portes Toffoli et le nombre de qubits par rapport à l’état de l’art dans sept cas sur huit [2]. Le huitième cas échappe à cette lecture simple, mais il est particulièrement intéressant: la recherche a trouvé une nouvelle architecture réversible pour l’inversion modulaire dans les corps premiers, rendant utilisable en circuit quantique l’algorithme classique divsteps [2].

Il ne s’agit donc pas d’une simple génération de texte scientifique. Mythos 5 écrivait des programmes Python générant des circuits, recevait le retour d’un vérificateur, puis repartait pour améliorer ses propositions. Anthropic indique que Claude Mythos 5 a pu fonctionner dans cette boucle sans intervention humaine entre les itérations, en proposant un circuit, en recevant un score et en ajustant la tentative suivante [1]. Pour un benchmark d’addition de points sur courbe elliptique, l’entreprise affirme que le modèle a trouvé une nouvelle approche après 53 heures d’exécution avec une intervention humaine minimale [1].

Pourquoi ces circuits comptent

Dans le quantique, les promesses abstraites ne suffisent pas. La question pratique est impitoyable: combien de qubits, combien de portes, combien de temps de calcul? Les portes Toffoli sont cruciales parce qu’elles figurent parmi les opérations coûteuses qui dominent de nombreux calculs quantiques tolérants aux fautes [1].

Anthropic insiste sur une idée importante: les gains ne viennent pas uniquement du matériel. Ils peuvent aussi venir d’une meilleure conception des circuits. L’entreprise rappelle que l’estimation du nombre de portes Toffoli nécessaires pour simuler FeMoco, le cluster fer-soufre de la nitrogénase, est passée d’environ 50 000 milliards en 2017 à environ 340 millions après des années de progrès algorithmiques [1]. Si une IA peut accélérer ce type de recherche structurelle, et pas seulement optimiser localement quelques portes, l’impact peut devenir considérable.

L’exemple le plus parlant est celui de l’inversion modulaire. Dans un ordinateur classique, on peut écraser ou effacer des données intermédiaires. Dans un circuit quantique, les opérations doivent être réversibles: le travail temporaire doit être « décalculé » au lieu d’être jeté. Anthropic indique que Claude a trouvé une façon d’éviter le stockage complet de l’historique des branches de divsteps, en le déduisant directement de l’état arithmétique en évolution [1]. Dans la famille de conceptions obtenue, un circuit utilise 12% de qubits en plus que la plus petite conception précédente, mais 17 fois moins de portes [1].

Quantum Computing Report ajoute que le cadre a produit de fortes réductions de coût espace-temps sur plusieurs sous-routines, avec des gains annoncés de 4,1x à plus de 9 100x en coût TQ par rapport à des références conçues à la main [5]. Il faut rester précis: ce sont des résultats de conception et de benchmark, pas une machine quantique universelle déjà prête à résoudre des problèmes industriels. Mais la méthode change clairement la manière de chercher.

Ce que Google a changé avec les magic states

Google, de son côté, vise un autre verrou: les magic states. Dans le calcul quantique tolérant aux fautes, certaines opérations sont relativement faciles à protéger, tandis que d’autres ont besoin d’états ressources spéciaux. Ces magic states sont consommés quand ils sont utilisés, ce qui signifie qu’un grand ordinateur quantique doit en produire continuellement [3].

Le problème est leur coût. Google rappelle que certaines estimations suggèrent que jusqu’à 95% de la capacité d’un ordinateur quantique pourrait être consacrée à fabriquer ces états, plutôt qu’à exécuter le calcul recherché [3]. La distillation de magic states peut nettoyer les erreurs, mais elle peut aussi exiger énormément de matériel. L’approche de Google, appelée magic-state cultivation, fonctionne davantage comme un filtre: on injecte un état bruité, on effectue des contrôles coordonnés, on rejette les tentatives ratées et on conserve l’état purifié [3].

Sur le processeur Willow, Google Quantum AI affirme avoir démontré cette cultivation sur matériel réel, avec une réduction d’erreurs d’environ 40 fois par rapport aux états non cultivés et des T-states atteignant une fidélité logique annoncée de 99,99% [3]. Phys.org résume le même résultat publié dans Science: une réduction d’un facteur 40 et une fidélité d’au moins environ 99,99% [4].

Les limites: rendement, échelle et prochaines étapes

Le résultat de Google ne signifie pas qu’un ordinateur quantique universel utile est arrivé. Les exécutions les plus strictes ne conservaient qu’environ 8% des tentatives, selon les résumés de ScienceAlert et Phys.org [6][4]. Ce filtrage fait partie du principe même de la méthode, mais le rendement reste essentiel pour estimer la taille réelle d’une future machine.

Google indique aussi avoir démontré un transfert d’un code couleur de distance 3 vers un code de surface de distance 5, ce qui suggère que les états cultivés peuvent survivre à un passage vers une architecture de correction d’erreurs plus standard [3]. ScienceAlert note toutefois que cette étape vers un code plus large a introduit des erreurs supplémentaires, ce qui en fait une prochaine cible d’ingénierie plutôt qu’une chaîne complète déjà résolue [6].

L’état actuel du sujet est donc clair: deux preuves expérimentales et algorithmiques majeures, mais pas une révolution terminée. Mythos 5 montre que l’IA peut aider à découvrir des primitives quantiques moins coûteuses. Google montre qu’un ingrédient non-Clifford clé peut être nettoyé sur du matériel supraconducteur réel. L’un réduit la charge de travail; l’autre améliore le carburant.

Pourquoi ces deux percées vont ensemble

Le point commun est la pression sur les ressources. Le quantique tolérant aux fautes ne deviendra pas utile simplement en empilant plus de qubits. Il faut tout compresser: moins de portes, moins de qubits auxiliaires, de meilleurs encodages, de meilleurs états, de meilleurs décodeurs et un meilleur contrôle matériel.

Le travail d’Anthropic montre que la recherche automatisée peut repenser des briques de calcul sous contraintes quantiques [2]. Celui de Google montre qu’une technique longtemps discutée pour les magic states peut sortir de la théorie et des simulations pour fonctionner sur un processeur supraconducteur réel [3][4]. Ensemble, ils suggèrent que la course au quantique utile sera une course de co-conception entre algorithmes, compilateurs, correction d’erreurs et dispositifs physiques.

La conclusion prudente est aussi la plus intéressante: personne n’a cassé la cryptographie du jour au lendemain, et personne n’a livré cette semaine un ordinateur quantique tolérant aux fautes généraliste. Mais entre Mythos 5 qui découvre de nouvelles structures de circuits et Google qui réduit les erreurs des magic states sur Willow, le champ vient de recevoir deux preuves concrètes que les estimations de ressources restent compressibles. C’est précisément là que se trouve la percée.

Sources des dernières 72 heures

1. [1]Designing more efficient quantum circuits with Claude16 oct. 2026, 02:00
2. [2]Quantum magic state cleanup cuts errors 40-fold in first successful hardware test17 oct. 2026, 02:00
3. [3]Google's Quantum Computer Just Achieved a Major Breakthrough With 'Magic States'16 oct. 2026, 02:00
4. [4]Discovering state-of-the-art quantum circuits with large language models15 oct. 2026, 19:59
5. [5]Harvard, Anthropic, and QuEra Use LLMs to Discover Quantum Circuits with Up to 9,100x Lower Resource Costs17 oct. 2026, 02:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.