-

Nous voici au 43e épisode des entretiens Decode Quantum, un beau record d’endurance deux ans après avoir démarré cette série juste avant le premier confinement covid et qui ne s’arrêtera pas pour autant lorsque nous serons débarrassés de l’affreux virus. Et je suis bien évidement toujours en duo avec Fanny Bouton pour vous faire découvrir les acteurs de l’écosystème quantique au sens large du terme.
Pour cet épisode, nous recevons les deux cofondateurs de la startup de logiciels quantiques ColibrITD lancée en 2019, Hacène Goudjil et Laurent Guiraud.
Hacène Goudjil est un entrepreneur du numérique. Il a surtout une belle expérience dans le business development dans de nombreuses entreprises du numérique, aussi bien dans l’édition des logiciels que dans les services. Il a aussi fondé Business Development Responsable, une entreprise socialement responsable dédiée au coaching de consultants en recherche d’emplois.
[...]
-

Pour ce 36e épisode des entretiens Decode Quantum, Fanny Bouton et moi-même recevons Simon Perdrix, qui est directeur de recherche à l’Inria et spécialisé d’une manière générale dans la dimension logicielle et outils logiciels du calcul quantique. Au-delà de sa spécialité assez pointue, il nous a permis de faire un tour de la recherche française dans le domaine des logiciels et algorithmes quantiques.
[...]
-

L’un des domaines d’applications du calcul quantique est le machine learning. Cela fait des années que de nombreux algorithmes de machine learning et même de deep learning ont été conçus pour les calculateurs quantiques. Ils devraient en théorie permettre d’accélérer certains calculs, notamment ceux de l’entraînement des modèles associés. Mais tout ceci ne fonctionne pas encore de manière opérationnelle car les développeurs sont dépendants de contraintes matérielles. Les ordinateurs quantiques actuels, comme ceux d’IBM, ne sont pas encore assez puissants (en nombre de qubits) et fiables (en termes de bruit pendant les calculs car ceux-ci ont une nature profondément analogique). Comme cela a pu être le cas pour les débuts du machine learning et du deep learning, la théorie logicielle progresse donc en parallèle avec le matériel. On attend encore l’étape équivalente à celle de l’arrivée des GPU de Nvidia en 2012 qui a fait décoller le deep learning.
[...]