1% du temps en calcul quantique, Quandela et Nvidia réduisent la latence, ce goulot d’étranglement inattendu

Relier un processeur quantique à un GPU classique ressemble moins à une “fusion” qu’à un câblage critique. Quandela mise sur des technologies Nvidia pour accélérer les échanges entre QPU et calcul classique, là où la latence peut écraser le gain quantique. Dans certains schémas hybrides, le quantique peut n’occuper qu’une fraction du temps total, le reste étant perdu en orchestration.

Le calcul hybride quantique-classique promet une montée en puissance progressive, sans attendre un ordinateur quantique universel et tolérant aux fautes. Sur le papier, l’idée est simple: confier au quantique les sous-tâches où il peut apporter un avantage, et laisser au classique (CPU, GPU) tout le reste, du prétraitement à l’optimisation. En pratique, la performance dépend d’un détail très “système”: la vitesse à laquelle les deux mondes se parlent.

Quandela, spécialiste français du quantique photonique, s’inscrit dans ce mouvement en travaillant sur l’intégration de son QPU avec l’écosystème d’accelerated computing de Nvidia. Le point clé n’est pas un nouveau type d’algorithme, mais une meilleure interconnexion entre processeurs, pour limiter les allers-retours et réduire les temps morts.

NVQLink: une interconnexion matérielle GPU-QPU pour couper la latence

Le calcul hybride fonctionne comme une chaîne de montage: une partie du travail est déléguée au QPU, puis le résultat repart vers le calcul classique qui décide de la suite. Si ce trajet passe par des couches réseau et logicielles trop lentes, le système se comporte comme une voiture de course coincée dans les embouteillages. C’est précisément ce que vise NVQLink, présenté comme un lien direct entre GPU et QPU, en contournant des réseaux traditionnels comme Ethernet ou InfiniBand ^[4].

Le principe est celui d’un “bus” spécialisé: au lieu de faire transiter les informations par des piles réseau généralistes, on cherche une voie plus courte, plus prévisible, et surtout compatible avec des échanges en temps réel. Dans un calcul hybride, la régularité compte autant que la vitesse: une latence instable complique l’orchestration, comme un métronome qui accélère et ralentit au hasard.

L’enjeu est mécanique: plus le système fait de cycles “classique quantique classique”, plus la communication devient dominante. La promesse de NVQLink est de rapprocher, au niveau matériel et logiciel, les deux parties du calcul, pour que le QPU ne soit pas un coprocessseur lointain mais un composant intégré à une chaîne de calcul accéléré.

Quandela: un QPU photonique raccordé à un GPU et à un contrôleur FPGA

Quandela a communiqué sur une validation d’intégration montrant comment un QPU photonique peut être connecté, via NVIDIA NVQLink, à un système associant un GPU Nvidia et un contrôleur quantique basé sur FPGA ^[3]. Ce triptyque dit beaucoup sur l’architecture réelle d’un calcul hybride.

Étape par étape, la logique est la suivante. Le GPU prend en charge des opérations massivement parallèles, par exemple l’évaluation de nombreuses hypothèses ou la mise à jour de paramètres dans un algorithme itératif. Le contrôleur FPGA sert d’interface “temps réel” pour piloter le QPU, gérer des séquences, synchroniser des signaux, et faire le pont entre l’électronique de contrôle et le reste du système. Le QPU exécute la partie quantique, souvent courte mais potentiellement décisive, puis renvoie des mesures qui alimentent le tour suivant.

En clair, le QPU n’est pas un bloc autonome: il dépend d’une orchestration serrée. C’est comme un accélérateur spécialisé dans un data center, sauf que ses contraintes physiques (contrôle, timing, stabilité des opérations) rendent la communication plus critique encore. Dans ce contexte, l’intégration annoncée par Quandela met l’accent sur la communication “en temps réel” rendue possible par NVQLink ^[3], un point central pour réduire les temps d’attente entre itérations.

Sur le papier, l’hybride vend une addition de performances. En pratique, une grande partie du résultat tient à l’architecture: là où un GPU peut être alimenté en continu, un QPU peut se retrouver sous-utilisé si le système passe son temps à préparer, transférer, synchroniser, puis interpréter. D’où l’intérêt d’une interconnexion dédiée, pensée pour ce type de boucle.

Le calcul hybride sort du laboratoire, du CEA à IQM

Le mouvement ne se limite pas à un duo Quandela-Nvidia. Le CEA défend l’idée que le calcul hybride quantique-classique a dépassé le stade de la théorie, avec des exemples d’intégrations réelles dans des environnements de calcul ^[2]. La logique est la même: raccorder un QPU à une infrastructure classique de haut niveau pour tester des usages, des chaînes logicielles et des flux de données.

Dans ce paysage, l’intégration d’un calculateur quantique du finlandais IQM à un supercalculateur allemand est citée comme une réussite ^[2]. Le message est clair: l’hybride se construit par assemblage, en branchant des briques hétérogènes, puis en mesurant ce qui bloque vraiment. Et ce qui bloque, très souvent, n’est pas l’idée mathématique mais l’ingénierie des interfaces.

Le CEA est également mentionné comme destinataire de l’ordinateur quantique Lucy de Quandela, avec un raccordement prévu au supercalculateur Joliot-Curie ^[2]. Ce type de couplage est révélateur: le quantique est traité comme une ressource que l’on connecte à un “cœur” HPC, au lieu de le considérer comme une machine isolée. Cela rapproche le quantique d’un modèle familier dans le calcul scientifique, celui des accélérateurs (GPU, FPGA) greffés à une infrastructure existante.

La question de fond devient alors: à quel moment l’accélérateur quantique produit un gain net, une fois payés les coûts de coordination? C’est là que les débats techniques sur la latence, la bande passante, la pile logicielle et la stabilité des échanges prennent le pas sur les annonces de performances théoriques.

Nvidia structure l’écosystème, de QODA à l’investissement dans Alice & Bob

Nvidia avance sur deux fronts: les outils logiciels et les partenariats industriels. Dès 2022, l’entreprise mettait en avant une plateforme de programmation unifiée, QODA, pensée pour aider les programmeurs à ajouter progressivement une accélération quantique à des applications existantes ^[5]. L’objectif est d’éviter un “grand saut” technologique: on garde des bases classiques, on introduit une brique quantique, puis on itère.

À cela s’ajoute une stratégie d’écosystème plus visible en 2026, avec un investissement de Nvidia dans la start-up française Alice & Bob, présenté comme son premier investissement dans une entreprise française du secteur quantique ^[1]. Selon la même source, cette opération s’inscrit dans la continuité d’un partenariat autour du calcul quantique hybride démarré en 2024 ^[1].

Sur le plan technique, Alice & Bob met en avant un qubit supraconducteur particulier, le qubit de chat, qui stocke l’information dans une combinaison de deux états de phase opposés, en référence au “chat de Schrödinger” ^[1]. Le détail compte, car Nvidia ne parie pas sur une seule voie matérielle: l’entreprise se place comme l’architecte de l’interface entre accélérateurs classiques et accélérateurs quantiques, quel que soit le type de QPU (photonique pour Quandela, supraconducteur pour Alice & Bob).

Traduction: Nvidia cherche à devenir l’équivalent du “système nerveux” de l’hybride, en fournissant le GPU, les briques d’interconnexion et les outils pour orchestrer des boucles de calcul mixtes. Dans cette logique, la valeur n’est pas seulement dans la puce quantique, mais dans la capacité à l’insérer proprement dans un flux de calcul existant, sans que la communication devienne le goulet d’étranglement.

La prochaine étape, pour l’ensemble du secteur, est moins une course à la démonstration isolée qu’une bataille d’intégration: mesurer, sur des workloads concrets, ce que l’on gagne quand le QPU est traité comme un accélérateur “proche” du GPU, plutôt que comme un service distant.

FAQ: comprendre l’intégration GPU-QPU

Qu’est-ce qu’un calcul hybride quantique-classique?
C’est une approche où un processeur classique exécute la majorité du programme et délègue des sous-tâches à un processeur quantique, avec des allers-retours itératifs entre les deux.

Pourquoi la latence entre GPU et QPU est-elle si critique?
Dans beaucoup d’algorithmes hybrides, le calcul se fait en boucles courtes. Si chaque itération impose des transferts lents et une orchestration lourde, le temps de communication peut dominer le temps de calcul quantique.

Que change NVQLink par rapport à un réseau classique?
NVQLink vise une communication plus directe entre GPU et QPU, en évitant des réseaux généralistes. L’objectif est de réduire la latence et d’améliorer la régularité des échanges ^[4].

Quel est le rôle d’un FPGA dans cette architecture?
Un FPGA peut servir de contrôleur temps réel pour piloter le QPU et synchroniser les opérations, en faisant l’interface entre l’électronique de contrôle quantique et le calcul classique ^[3].

Pourquoi Nvidia investit-il aussi dans des start-up quantiques?
Parce que l’hybride dépend d’un écosystème complet. Nvidia combine des briques logicielles, des interconnexions et des partenariats matériels, comme avec Alice & Bob, pour accélérer l’industrialisation de ces architectures ^[1].