Les modèles IA Ising de NVIDIA ciblent le plus grand défaut de l'informatique quantique

Darius Baruo 14 avr. 2026 15h11

NVIDIA lance Ising, des modèles IA open-source qui offrent une correction d'erreurs quantiques 2,5 fois plus rapide et une précision 3 fois meilleure, accélérant potentiellement les systèmes quantiques tolérants aux pannes.

NVIDIA a lancé ses premiers modèles IA open-source spécifiquement conçus pour résoudre le problème fondamental de l'informatique quantique : des qubits qui échouent environ une fois toutes les mille opérations. La famille de modèles Ising, annoncée le 14 avril 2026, offre une correction d'erreurs 2,5 fois plus rapide et jusqu'à 3 fois plus précise que les méthodes existantes.

Ce taux d'erreur doit chuter à un sur mille milliards avant que les ordinateurs quantiques ne deviennent véritablement utiles pour les applications d'entreprise. NVIDIA parie que l'IA peut combler cet écart.

Deux modèles, un problème

Ising se lance avec deux composants spécialisés. Le modèle de calibration est un modèle vision-langage à 35 milliards de paramètres qui automatise le processus fastidieux de réglage des processeurs quantiques. Sur le nouveau benchmark QCalEval de NVIDIA — le premier test standardisé pour l'IA de calibration quantique — Ising-Calibration-1 a surpassé Gemini 3.1 Pro de 3,27 %, Claude Opus 4.6 de 9,68 % et GPT 5.4 de 14,5 %.

Les modèles de décodage gèrent la correction d'erreurs en temps réel en utilisant des réseaux neuronaux convolutifs 3D. La variante « Accurate » associée à PyMatching atteint 2,33 microsecondes par cycle sur le matériel GB300 tout en améliorant les taux d'erreur logiques de 1,53x. La variante « Fast » sacrifie une certaine précision pour la vitesse, atteignant 0,11 microseconde par cycle sur 13 GPU GB300.

Pourquoi c'est important pour le développement quantique

Les systèmes quantiques actuels nécessitent une intervention constante d'ordinateurs classiques pour corriger les erreurs avant qu'elles ne se propagent. C'est brutalement coûteux en calcul. L'approche de NVIDIA crée essentiellement un plan de contrôle piloté par l'IA qui peut évoluer parallèlement aux améliorations du matériel quantique.

L'entreprise a entraîné Ising-Calibration-1 sur des données de partenaires travaillant avec plusieurs types de qubits : qubits supraconducteurs, points quantiques, ions, atomes neutres et électrons sur hélium. Cette étendue suggère que les modèles devraient se généraliser à différentes architectures quantiques plutôt que d'être verrouillés à l'approche d'un seul fournisseur.

Les premiers adoptants incluent Harvard, le Fermi National Accelerator Laboratory, IQM Quantum Computers et le UK National Physical Laboratory. Academia Sinica est également de la partie.

Open source avec conditions

Tout est fourni sous la licence Open Model de NVIDIA : poids, frameworks d'entraînement, outils de génération de données synthétiques et recettes de déploiement. Les constructeurs de QPU peuvent affiner pour les caractéristiques de bruit spécifiques de leur matériel tout en conservant les données propriétaires sur site.

Le framework d'entraînement utilise la bibliothèque cuQuantum de NVIDIA et cuStabilizer pour générer des données synthétiques à la volée pendant l'entraînement PyTorch. Les points de contrôle pré-entraînés sont disponibles sur Hugging Face, le modèle de calibration étant également accessible via les plateformes NVIDIA NIM et Build.

Pour les équipes construisant des systèmes hybrides quantiques-GPU, Ising s'intègre à la plateforme logicielle CUDA-Q existante de NVIDIA et à l'interconnexion matérielle NVQLink. L'API en temps réel est construite sur CUDA-Q QEC et CUDAQ-Realtime.

Le calendrier de l'informatique quantique vers une utilité pratique reste incertain, mais NVIDIA se positionne clairement comme la couche d'infrastructure pour ce qui émergera. Avec une capitalisation boursière de NVDA à 4,67 mille milliards de dollars, l'entreprise a les ressources pour jouer la partie longue sur le quantique pendant que son activité GPU continue de générer de l'argent grâce à la demande en IA.

• nvidia
• informatique quantique
• intelligence artificielle
• ising
• correction d'erreurs