La plomberie cachée de la correction d'erreurs quantique : décodage en temps réel et états magiques

Chaque démonstration de qubits logiques que vous avez lue cache un problème moins glamour. Les qubits, c’est la partie facile à montrer sur une diapositive. Le plus difficile, c’est la tuyauterie : quelque chose doit lire les signaux d’erreur sur la puce, déterminer ce qui a mal tourné et renvoyer une correction avant la prochaine opération. Il y a aussi la porte T, une seule opération qui avale discrètement la majeure partie du budget matériel.

Avant de lire : Nous avons couvert les premières démonstrations de qubits logiques dans La percée des qubits logiques : sortir du bruit quantique et la suppression exponentielle des erreurs de Google dans Google Willow : comment la réduction exponentielle des erreurs a accéléré l’échéancier quantique. Cet article porte sur la machinerie que ces expériences dépendent discrètement.

Table des matières

• Le décodeur a une échéance
• Les états magiques, ou la taxe de la porte T
• Helios prend la voie des ions piégés
• Le bilan
• Sources

Le décodeur a une échéance

Un cycle de code de surface sur Willow dure environ une microseconde. Dans l’article sur Willow, Google rapporte un décodage en temps réel à une distance de code de 5, avec une latence d’environ 63 microsecondes. La réponse du décodeur arrive donc des dizaines de cycles après l’erreur. Ça va tant que le décodeur suit le rythme du flux entrant. S’il prend du retard, même léger, la file d’attente grossit comme les fils Slack non lus après un long week-end, et le calcul cesse d’en être un.

Google a aussi testé AlphaQubit, un décodeur neuronal que DeepMind a décrit dans Nature en 2024. Dans des simulations, il a réduit les erreurs logiques d’environ 30 pour cent par rapport à un décodeur par appariement corrélé. Le hic : un ordinateur quantique dépend maintenant d’un modèle d’apprentissage automatique qui tourne sur du silicium classique pour lui dire quand il s’est trompé. Une division du travail qui a de quoi rendre humble.

Le saviez-vous? Le décodeur est un logiciel classique ordinaire, qui tourne sur du matériel posé à côté du réfrigérateur. La partie la plus critique en temps d’un ordinateur quantique est, au fond, un système de contrôle en temps réel avec une échéance mesurée en microsecondes.

Les états magiques, ou la taxe de la porte T

Les portes de Clifford sont les opérations relativement peu coûteuses à protéger par correction d’erreurs. Le calcul universel exige un ingrédient de plus, habituellement une porte T, et le code de surface ne peut pas l’appliquer de façon tolérante aux fautes à lui seul. La solution de contournement est l’état magique : une ressource préparée d’avance et consommée pour appliquer la porte T. Bravyi et Kitaev ont posé les bases théoriques en 2005. Le nom sonne comme du marketing. La facture, elle, non.

Pendant des années, la réponse standard était la distillation : on envoie plusieurs états magiques bruités dans une usine et on en ressort quelques-uns propres. Ces usines pouvaient occuper plus de qubits que le calcul qu’elles servaient. En 2024, Craig Gidney et ses collègues ont proposé la culture d’états magiques, qui fait croître un état dans une petite zone de la puce et le vérifie au fur et à mesure. L’argument : une qualité de sortie comparable, pour une fraction du surcoût.

Le surcoût continue de baisser, et ça change les calculs de l’article précédent. En 2019, Gidney et Ekerå estimaient qu’il faudrait environ 20 millions de qubits bruités et huit heures pour factoriser une clé RSA de 2048 bits. En 2025, Gidney a publié une estimation mise à jour : moins d’un million de qubits bruités et moins d’une semaine de calcul. Une baisse d’un facteur vingt en six ans, qui devrait donner des sueurs froides à quiconque gère une autorité de certification.

Helios prend la voie des ions piégés

Helios, de Quantinuum, annoncé en novembre 2025, fonctionne avec 98 qubits à ions de baryum et affiche une fidélité des portes à deux qubits d’environ 99,92 pour cent. Les ions piégés peuvent interagir avec beaucoup plus de partenaires que les voisins supraconducteurs fixes, ce qui signifie moins d’opérations d’échange pour rapprocher les qubits lors d’une vérification de code. Le compromis, c’est la vitesse. Les portes à ions sont lentes, donc le décodeur a plus de marge entre les cycles. Cette marge est toutefois dépensée par les portes elles-mêmes, et le coût total d’une opération logique est le chiffre qui compte vraiment.

Le bilan

Voici mon problème avec la couverture actuelle. Les résultats de décodage de Google sont évalués par les pairs, et ils tiennent la route. Je n’ai pas trouvé de successeur publié de Willow avec des résultats comparables : côté Google, on parle donc toujours de la puce de 2024. Les chiffres de Helios viennent d’un lancement d’entreprise et de documentation technique ; traitez-les comme des affirmations tant qu’un tiers ne les a pas reproduits.

J’aimerais voir une porte T logique exécutée de bout en bout, avec le décodeur dans la boucle, à une distance de code de sept ou plus, publiée avec ses statistiques d’échec plutôt qu’en vitrine. Personne ne fait de communiqué pour une table de recherche rapide, mais un qubit qu’on ne peut pas corriger à temps pourrait tout aussi bien ne pas exister. La correction d’erreurs était autrefois un problème de théorie. C’est maintenant un problème d’exploitation, et c’est là que le bon génie d’ingénierie se montre ou se fait démasquer.

Sources

• Google Quantum AI, ‘Quantum error correction below the surface code threshold’, Nature (2024)
• Bravyi et Kitaev, ‘Universal quantum computation with ideal Clifford gates and noisy ancillas’, Physical Review A (2005)
• Gidney, Newman, Brooks et Jones, ‘Magic state cultivation: growing T states as cheap as CNOT gates’, arXiv:2409.17595 (2024)
• Gidney et Ekerå, ‘How to factor 2048 bit RSA integers in 8 hours using 20 million noisy qubits’, Quantum (2021)
• Gidney, ‘How to factor 2048 bit RSA integers with less than a million noisy qubits’, arXiv:2505.15917 (2025)
• Quantinuum, annonce du lancement de Helios (novembre 2025)
• Google DeepMind, ‘AlphaQubit: Learning to decode quantum errors’, Nature (2024)