L'optimisation quantique est une application pratique directe de l'informatique quantique. De plus, les acteurs peuvent déjà l'utiliser, même avec les ordinateurs quantiques naissants et imparfaits actuellement disponibles. Le site Volkswagen Groupe, Daimler, Ericsson, TotalAirbus (y compris avec le Défi de l'informatique quantique d'Airbus – AQCC)), Boeing, EDFsont des exemples d'entreprises dont les projets de recherche en cours portent sur l'optimisation quantique. Les jeunes entreprises de logiciels quantiques telles que QCWare et Zapata Computinget de grandes entreprises informatiques telles que Google mettent également en avant l'optimisation quantique comme une catégorie pour leurs cas d'utilisation.

Par ailleurs, en février 2019, l'Agence américaine des projets de recherche avancée de la Défense (DARPA) a créé tout un programme axé sur l'optimisation quantique : Optimisation avec les dispositifs quantiques bruyants à échelle intermédiaire (ONISQ). Meanwhile, the Dubai Electricity and Water Authority (DEWA) also seeks to use quantum computing to address energy “and other” optimization and management (DEWA Nouvellesjuillet 2018).

En ce qui concerne l'optimisation quantique, le futur monde quantique est donc déjà presque là. Ses impacts peuvent avoir lieu demain, mais c'est maintenant que l'avenir est créé.

Et là, nous sommes confrontés à un premier obstacle. Pour susciter l'intérêt et l'action dans le domaine quantique, les acteurs doivent d'abord pouvoir imaginer le bénéfice de leur investissement. Ils doivent donc d'abord être en mesure de prévoir le monde quantique. Or, cela est particulièrement difficile (voir Hélène Lavoix, Prévoir le futur monde de l'intelligence artificielle quantique et sa géopolitique, L'analyse rouge (équipe), 28 October 2019). As a result, because it is challenging to understand quantum information science, hardly anyone outside quantum scientists and engineers consider current and future usages, as well as impacts of quantum technologies. This lack of awareness – with the exception of cryptography, takes place even in areas as crucial as security, defense, politics and geopolitics.

L'intérêt et les discussions sur le QIS restent l'apanage d'un cercle extrêmement restreint de scientifiques et d'ingénieurs. Pourtant, ceux qui doivent considérer les impacts des technologies quantiques, prendre des décisions sur l'utilisation et le financement, envisager des réponses et des stratégies qui doivent inclure les technologies quantiques, ne sont, la plupart du temps, ni des scientifiques ni des ingénieurs quantiques.

Cette série sur la prospective stratégique et les technologies quantiques cherche donc d'abord à stimuler l'imagination autour du futur monde quantique émergent. Elle vise à le faire d'une manière qui soit compréhensible pour les personnes qui ne sont ni des scientifiques ni des ingénieurs quantiques. Par conséquent, elle cherche également à contribuer à combler le fossé entre diverses communautés, ayant des antécédents, des connaissances et des intérêts différents.

Cet article commence à imaginer pratiquement le futur monde quantique. Il se concentre sur une première façon dont l'informatique quantique est susceptible d'avoir un impact sur l'avenir, à savoir par l'optimisation quantique.

We first explain what are algorithms, quantum algorithms and quantum optimization algorithms, aiming for a “good enough understanding”.

Then, we use a concrete case – a research project involving quantum optimization that the Volkswagen group started with D-Wave in 2017 – to improve our comprehension of quantum optimization’s application. We therefore provide our imagination with concrete elements that will act as building blocks for foresight.

Finally, we imagine ways governments will use quantum optimization n the future, and even, actually, could already start using them, in the present. From solving the problem of “AI and the future of work” to possible quantum optimised resource management, we give examples of the way quantum optimization could revolutionise government. We then turn to possible applications for defence, armies and security. Finally, we look at what that may imply in terms of international influence and global power distribution.

Une compréhension suffisante des algorithmes d'optimisation quantique

Cette partie s'adresse aux lecteurs qui ne sont ni des scientifiques quantiques ni des ingénieurs. Elle s'adresse donc à tous ceux qui prendront de plus en plus de décisions concernant l'informatique et les sciences de l'information quantiques, qui utiliseront ces technologies et qui interagiront dans un monde où les technologies quantiques fonctionnent. Les lecteurs intéressés trouveront dans la bibliographie quelques références pour des approches techniquement ciblées (et avancées).

Algorithmes et algorithmes quantiques

Dans la vidéo suivante, David Gosset, chercheur en informatique quantique chez IBM, nous donne des explications claires sur un algorithme et un algorithme quantique. Il souligne pourquoi ils sont différents.

Algorithmes d'optimisation quantique

Les algorithmes d'optimisation sont des algorithmes qui visent à trouver la meilleure solution à un problème parmi un ensemble de solutions, compte tenu de certaines contraintes.

When the problem involves many variables, it becomes impossible to run optimization algorithms on classical computers, even supercomputers, because too much computing power is needed. Quantum computers thus become the computing machine of choice. They are faster and use less resources (Ehsan Zahedinejad, Arman Zaribafiyan, “Combinatorial Optimization on Gate Model Quantum Computers: A Survey”, 16 August 2017, arXiv:1708.05294).

Actuellement, deux grands types d'ordinateurs quantiques sont disponibles. Nous pouvons utiliser des ordinateurs adiabatiques, tels que ceux développés par D-Wave, ou des ordinateurs quantiques basés sur des portes (pour une explication détaillée des types d'informatique quantique, par exemple, les Académies nationales des sciences, de l'ingénierie et de la médecine, L'informatique quantique : Progrès et perspectiveschapitre 2, 2019).

La plupart des efforts actuels en matière d'informatique quantique sont basés sur des portes. Nous avons, par exemple, IBM et son offre de nuage quantique, IBM-Qavec un microprocesseur de 53 qubits maximum et Google et son microprocesseur de 54 qubits, Sycamore (Le nouvel ordinateur quantique d'IBM de 53 bits est la machine la plus puissante que vous puissiez utiliser, Revue technologique du MIT, 18 September 2019; Elizabeth Gibney, “Bonjour le monde quantique ! Google publie une déclaration de suprématie quantique qui fait date“, Nature,23 octobre 2019).

D-Wave and IBM machines are currently available for commercial use; Google’s machine is not. D-Wave’s computers, because if the chosen approach, are especially well suited to quantum optimization (see D-Wave’s explanation). Pour les algorithmes d'optimisation, D-Wave offre actuellement une puissance de calcul plus élevée.

Considering the so-far small number of qubits available and the high level of noise (for gate-based computers), “Quantum Optimization Approximation Algorithm” (QAOA) is the favoured current approach. Edward Farhi, Jeffrey Goldstone, Sam Gutmann developed it (“A Quantum Approximate Optimization Algorithm”, 14 November 2014, arXiv:1411.4028). The algorithm’s aim is to find an approximate or “good enough” solution for the optimisation problem and not the best solution (Ibid.). It is thus a compromise. It allows for using the new power of quantum computing even though the number of qubits is still small and the rate of errors or noise this small amount of qubits produces is still high. The results obtained are nonetheless better than what could be done with classical computing.

Déballage de Volkswagen et optimisation quantique du flux de trafic de la vague D

Avec l'aimable autorisation du groupe VW

Le groupe Volkswagen (VW) a commencé dès 2017 à projet de recherche pour l'optimisation des flux de trafic with D-Wave. Computer scientists at Volkswagen sought to find a way to prevent traffic-jam in mega-cities, such as Beijing. They used taxi traffic data to optimize the taxis’ route and movements. They sought to be able to apply those findings in quantum optimization algorithms to other cases.

Un an plus tard, le groupe VW a poursuivi le développement du projet avec D-Wave, tout en en lançant de nouveaux. Martin Hofmann, Directeur de l'information de VW, explique leurs projets de recherche dans la vidéo ci-dessous :

Présentation de Volkswagen et de D-Wave sur leur projet lors de la
Sommet du Web
in Lisbon, Published on 6 Nov 2018 – (The first 10 min are on quantum computing and D-Wave, if you have time to watch that part)

Le groupe VW et D-Wave travaillent à

  • Optimiser les voies de circulation pour une flotte de taxis (projet initial).
  • Trouvez la vitesse idéale à la milliseconde près qu'une voiture à conduite autonome devrait utiliser ; envoyez en temps réel le signal permettant à la voiture d'utiliser cette vitesse. L'objectif est d'éviter tous les arrêts et ralentissements. En attendant, comptez sur les arrêts aux feux de circulation.
  • Optimize when and where taxis are needed. Here both quantum optimisation and deep learning are used. The latter seeks to predict taxis’ demand according to time and place. The final prototype succeeds in sending predictions to taxi drivers up to one hour in advance, which also reduces unproductive times and related costs.
  • Optimiser les itinéraires et les types de véhicules dans une ville, dans des circonstances d'embouteillage.
  • The final objective would be to build a quantum-artificial intelligence “augmented mobility system” for a city, made of various predictive and optimization algorithms permanently interacting with objects, and controlled.

Premièrement, cette étude de cas nous montre que l'optimisation peut également devoir être associée aux derniers progrès de l'intelligence artificielle (IA), c'est-à-dire l'apprentissage profond. Cela confirme ce que nous attendions lorsque nous avons commencé notre plongée profonde dans le futur monde quantique (par exemple The Coming Quantum Computing Disruption, Artificial Intelligence and Geopolitics – 1, 2018). En effet, le rapport de consensus de 2019 L'informatique quantique : Progrès et perspectives des Académies nationales des sciences, de l'ingénierie et de la médecine des États-Unis sont également liées en termes d'applications potentielles (voir p. 86). Le couplage de l'optimisation quantique et de l'apprentissage approfondi facilite l'imagination des applications.

Second, “time criticality” appears to be an ideal issue for quantum optimization (Tobias Strobl “Résoudre les problèmes du monde réel avec l'informatique quantique“, BMI, nd). In other words, quantum optimization is particularly interesting when a problem involves “time-components”.

Enfin, les acteurs de la recherche sur les applications de l'optimisation quantique changent. Ce point sera très probablement aussi vrai pour tous les types d'utilisation de l'informatique quantique. Ici, nous voyons le groupe VW non seulement développer de nouvelles possibilités pour son noyau traditionnel de production industrielle. Volkswagen voit également de nouvelles activités possibles émerger (Strobl fait une remarque similaire en ce qui concerne les nouveaux modèles commerciaux, ibid).

Les acteurs verront ainsi leur expertise s'accroître avec la recherche et au fur et à mesure qu'ils se construiront sur les réalisations. Parallèlement, ils verront également s'ouvrir des domaines entièrement nouveaux, dans lesquels ils pourront entrer grâce à la nouvelle expertise développée. En conséquence, leur activité peut évoluer, même de manière substantielle.

Nous assistons ainsi à la double émergence d'usages et de champs totalement nouveaux, et d'acteurs changeants.

Imaginer un monde avec l'optimisation quantique

En gardant à l'esprit l'étude de cas du groupe VW et de D-Wave d'une part, les problèmes et les questions majeures pour les autorités politiques d'autre part, nous pouvons maintenant imaginer des moyens d'appliquer l'optimisation quantique au gouvernement.

Nous faisons ici un saut de confiance dans les capacités et la créativité des chercheurs en algorithmes quantiques et dans la capacité des acteurs à créer des équipes multidisciplinaires les incluant.

Vers une planification intelligente de la politique 3.0 ?

Résoudre le problème de l'IA et de l'avenir du travail

L'impact de l'intelligence artificielle sur le travail est une préoccupation actuelle et majeure qui tient beaucoup de gens éveillés la nuit. En effet, au-delà de la peur excessive et des rassurances mal placées,

“…there is consensus in academic literature that AI will have a considerable disruptive effect on work, with some jobs being lost, others being created, and others changing.”

Rapport de consensus, The British Academy for the Humanities and Social Sciences and The Royal Society, "L'impact de l'intelligence artificielle sur le travail: Une synthèse des données probantes sur les implications pour les individus, les communautés et les sociétés", septembre 2018.

Alors que de grandes parties du monde souffrent déjà d'un chômage de longue durée et que la pauvreté des travailleurs et les inégalités sont globalement en augmentation, une pression accrue sur le travail et la subsistance pourrait déclencher des sentiments croissants d'injustice et d'indignation, avec, à leur tour, toute une série d'impacts négatifs (ibid. pp.34-37 ; FMI Perspectives de l'économie mondiale, octobre 2019, chapitre 2; Richard Partington, “L'inégalité : est-elle en train de s'aggraver et pouvons-nous l'inverser ?“, The Guardian, 9 Sept 2019; Durukal Gun et al. “L'éléphant dans la salle“, Barclays2 juin 2017 ; Barrington Moore, Injustice). Ces effets négatifs pourraient alors faire boule de neige, converger et s'intensifier, jusqu'à la guerre civile et au conflit international.

Cependant, l'IA est également considérée comme bénéfique. En outre, compte tenu de ses facteurs de motivation, l'IA continuera presque certainement à se développer et à se propager (voir ★ Intelligence artificielle - Forces, moteurs et enjeux et articles spécifiques sur chaque conducteur). La question clé, compte tenu de l'impact possible sur le travail, devient donc : comment gérer la perturbation ?

If we use the British Academy consensus report, then we find that future pressure on work results not only from AI but also from other factors. Moreover, one of the challenges is to manage a “time lag between the adoption of technology and its benefits appearing” (pp. 28-31).

We are thus actually faced with a problem of optimization, including many factors, compounded with “prediction” and including time-critical components.

Thus, we may imagine that quantum optimization and deep learning will greatly contribute – to remain cautious – to solve the transition to a world where various types of narrow AI will increasingly carry out many tasks (see, for more details, notre série sur l'IA).

Considering the vast amount of detailed data on citizens available to political authorities, those could be put to good use to optimize capabilities, training and education, and future changing work needs. To alleviate fears about choice and freedom – but honestly, which freedom is there in unemployment and living below poverty line – the necessity to offer (real) choices to citizens may be integrated from the start into the design of the new quantum-AI designed job disruption mitigation planning. Throughout their lives, the new planning platform will present citizens with series of choices for training and new guaranteed possible jobs. The quantum training possibilities will consider the citizens innate and acquired specificities, as well as their tastes. They will prepare them, ahead of time, to jobs that, for some, do not yet exist.

We shall thus become able to optimize dynamically and over the long period citizens’ skills, tastes and historically constructed socialisation, education and training, AI production of AI workers, as well as job markets and need for talents.

Optimisation quantique et algorithmes d'IA pour le gouvernement

D'autres types d'optimisation quantique et d'algorithmes d'IA peuvent être créés avec, comme objectif, de mieux gérer le problème des ressources. Cette question est susceptible de devenir de plus en plus cruciale et difficile à résoudre compte tenu des décennies de développement non durable et de changement climatique. Un premier exemple d'un tel cas, au niveau d'une ville, est le partenariat stratégique entre la Dubai Electricity and Water Authority et Microsoft pour l'optimisation énergétique (Communiqué de presseMicrosoft, 28 juin 2018).

Emergency situations, with evacuation of large flows of people, are also candidates for the use of quantum optimization. They are a direct application of the VW Group and D-Wave research (Strobl, Ibid.). This application is even more interesting in the case of earthquakes. Indeed, we still do not know how to foresee earthquakes, thus evacuation under duress is crucial. Seismologic prediction, may also progress, thanks to quantum simulation, quantum sensing and metrology (e.g. University of Waterloo event, “Les applications potentielles de l'informatique quantique dans la géophysique d'exploration“, Feb 2019; Vladimir Kuznetsov, “Perturbations des champs géophysiques et mécanique quantique“, 2017).

Les politiques industrielles et commerciales, les infrastructures, les services publics peuvent également bénéficier de l'utilisation de ces algorithmes d'optimisation quantique.

Actually, this reminds us very much of central planning at state-level, as developed notably since World War I (e.g. Michael DiNoto, “Centrally Planned Economies: …” 1994; Andrew Gilg, Planning in Britain: Understanding and Evaluating the Post-War System, 2005). Toutefois, cette nouvelle planification serait réalisée avec des moyens insoupçonnés jusqu'alors.

Vers un nouveau type de gouvernement ?

Compared with past central planning, we may wonder about the ideal type of unit for the new “quantum planning”. Could we, for example have to consider different scales according to different types of quantum optimization and AI algorithms? In other words, some quantum optimization problems could best be solved at city level, some at state level, others at region levels, others again at “specific areas” levels, etc.

Meanwhile, new types of staff and units will have to be included within states’ ministries and agencies, as well as at other levels of government (cities, regions, etc.). These will need to include multidisciplinary teams allowing for the creation of the new quantum optimization and AI algorithms. All necessary expertise will have to be included, not only of quantum algorithms researchers. Indeed, the aim will be to avoid a dangerous “over-technicisation” and to avoid losing accumulated understanding and expertise. On the contrary, we need to create teams that benefit from thousands of years of accumulated knowledge across disciplines.

Au fur et à mesure que la recherche progresse pour mettre au point les meilleurs algorithmes d'optimisation quantique et d'IA possibles, de nouvelles connaissances et compétences, parfois complètement inattendues, se développeront, parallèlement à de nouvelles façons de gouverner. Comme nous l'avons vu dans le cas du groupe VW, le ou les différents acteurs impliqués vont donc changer. Nous verrons progressivement émerger une nouvelle forme d'autorités politiques, comme le prévoit la transition paradigmatique en cours.

Défense, armées et pouvoir

Defence and armies are clients of choice for the use of quantum optimization and AI algorithms. The DARPA (ibid.) already singled out “scheduling, routing, and supply chain management in austere locations that lack the infrastructure on which commercial logistics companies depend” as likely benefiting from quantum optimization.

Optimisation quantique pour les environnements extrêmes

We could most probably go further, first, with optimisation taking place not only in “austere locations”, but also in extreme environments.

Par environnements extrêmes, nous entendons : le froid (Arctique et Antarctique), le chaud (opérations sous des vagues de chaleur intense par exemple), haute meret souterrain (voir notre série sur Sécurité des environnements extrêmes).

La future puissance de calcul quantique et les algorithmes d'optimisation pourraient traiter les variables et facteurs supplémentaires liés aux caractéristiques extrêmes de ces environnements. En outre, ils pourraient également tenir compte de leurs changements en fonction du changement climatique et des événements météorologiques extrêmes.

Vers le champ de bataille de l'IA quantique

Deuxièmement, on pourrait aussi imaginer d'aller plus loin que l'optimisation de la logistique actuelle, ainsi que du déploiement.

Mules quantiques

Par exemple, l'optimisation quantique et les algorithmes d'IA pourraient gérer le couplage de véhicules autonomes avancés (par exemple des drones) avec des soldats pour livrer en temps réel les nouvelles munitions nécessaires, ou d'autres armes mieux adaptées à l'ennemi ou au terrain ou à un changement d'action.

This would be a quantum variation and improvement on even the most advanced army mules (e.g. Matthew Cox, “Des mules robotisées pourraient se déployer avec des conseillers de l'armée en Afghanistan“, Militaire.com18 juillet 2019).

Quantum optimized cyber defense… and attack

En attendant, toujours grâce à l'optimisation, des cyber-attaques pourraient être menées pour désarmer l'ennemi, ouvrir telle ou telle défense, interdire le renforcement, etc. Il faut ici tenir compte de toutes les nouvelles capacités technologiques dont dispose l'ennemi (voir Intelligence artificielle, puissance de calcul et géopolitique - 2).

Le besoin de nouveaux concepts et d'une nouvelle doctrine

Il va sans dire que le fait de pouvoir bénéficier d'ordinateurs quantiques utilisables et d'algorithmes appropriés fera pleinement partie du nouvel armement et des capacités de l'armée du futur. De nouveaux concepts, doctrines et formations seraient probablement nécessaires pour créer les soldats et les armées les mieux à même de tirer profit des nouvelles possibilités créées par les algorithmes de l'IA quantique.

The quantum geopolitical disruption – The die is not cast!

Si nous continuons à être optimistes et à imaginer que tous ces algorithmes quantiques et d'IA tiennent leurs promesses, alors les pays qui pourront les créer, les déployer, puis utiliser non seulement chaque système d'algorithmes mais aussi tous les systèmes ensemble, seront d'abord beaucoup plus forts. En effet, leurs autorités politiques assureront alors pleinement la sécurité des gouvernés. Ils seront ainsi renforcés dans leur légitimité.

En attendant, les pays bénéficiant d'un gouvernement adapté aux quanta seront également plus riches, tandis que les ressources de l'État, notamment grâce à un écosystème industrie-science optimisé et à des taxes, augmenteront.

Dans l'ensemble, le recours à une optimisation quantique réussie pour le gouvernement permettra de renouveler et de renforcer le contrat social. Ce n'est pas seulement que les autorités politiques réussiront à adapter le contrat social au nouveau paradigme. Elles réussiront également à mettre le nouveau paradigme au service du contrat social.

By the same token, such a country will also be more powerful. Having been able to create, design and organise the novel tools of government necessary for tomorrow’s world, the political authorities will have developed the corresponding skills and knowledge. Those, in turn will boost the country and its political authorities’ influence abroad, including in symbolic terms.

Inversement, l'incapacité à créer et à développer un tel nouveau gouvernement risque d'entraîner rapidement un pays au bas de l'échelle de la répartition relative du pouvoir.

Les technologies quantiques, comme nous l'avons vu ici avec les progrès que l'optimisation quantique permettra, ouvrent un nouveau jeu international très perturbateur. Certains États sont déjà très avancés en termes d'investissements et de développement d'écosystèmes propices. Pourtant, les dés ne sont pas jetés. La nouveauté même du changement de paradigme, la capacité de penser hors des sentiers battus et, stratégiquement, de saisir et de créer des opportunités, sera probablement le terrain de jeu, pour ceux qui veulent jouer le jeu.


Image présentée par Gerd Altmann à partir de Pixabay - Domaine public.


Bibliographie

Pour une approche technique des algorithmes d'optimisation quantique

Ashley Montanaro (mathematician), “Quantum algorithms: an overview”, Nature,, npj Informations sur les quanta, volume 2, article number: 15023 (2016), https://doi.org/10.1038/npjqi.2015.23

National Academies of Sciences, Engineering, and Medicine; Emily Grumbling and Mark Horowitz, Editors; “Chapter 3: Algorithmes quantiques et applications“, in L'informatique quantique : Progrès et perspectives; a Consensus Study Report, Washington, DC: The National Academy Press (2019), pp.57-94.

Patrick J. Coles et al. (for computer scientists) “Quantum Algorithm Implementations for Beginners”, 10 April 2018, arXiv:1804.03719v1

Olivier Ezratty (ingénieur), rapport de 504 pages, Comprendre l'informatique quantique, septembre 2019 (en français).

Références

DiNoto, Michael; “Centrally Planned Economies: The Soviets at Peace, the United States at War”; The American Journal of Economics and Sociology, Vol. 53, No. 4 (oct. 1994), p. 415-432.

Gilg, Andrew, Planning in Britain: Understanding and Evaluating the Post-War System, SAGE, 2005.

Gun, Durukal, Christian Keller, Sree Kochugovindan, Tomasz Wieladek, “L'éléphant dans la salle“, Barclays2 juin 2017.

Kuznetsov, Vladimir, “Geophysical field disturbances and quantum mechanics”, E3S Web of Conferences 20, 02005 (2017) DOI: 10.1051/e3sconf/20172002005.

Moore, B., Injustice: Social bases of Obedience and Revolt(Londres : Macmillan, 1978)

L'Académie britannique des sciences humaines et sociales et la Royal Society ; "L'impact de l'intelligence artificielle sur le travail: Une synthèse des données probantes sur les implications pour les individus, les communautés et les sociétés" ; septembre 2018.

Publié par Dr Helene Lavoix (MSc PhD Lond)

Dr Hélène LavoixPh. D. Lond (relations internationales), est la présidente-directrice générale de The Red Team Analysis Society. Elle est spécialisée dans la prospective stratégique et l'alerte pour les relations internationales et les questions de sécurité nationale et internationale. Elle s'intéresse actuellement à la guerre en Ukraine, à l'ordre international et à la montée de la Chine, au dépassement des frontières planétaires et aux relations internationales, à la méthodologie de la SF&W, à la radicalisation ainsi qu'aux nouvelles technologies et à la sécurité.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

FR