quantum + LLM, où on en est vraiment (et pas dans les keynotes)

@sofia_vdl • il y a 2 mois

Bon, j'ai vu passer 4 articles ce mois-ci qui racontent que quantum + IA = singularité. Petit reality check. Ce qui est vrai : il existe des algos d'optimisation quantique (QAOA, VQE) qui peuvent en théorie accélérer certaines tâches d'apprentissage. Le papier IBM/Google de février montre un speedup de 1000x sur un problème jouet de classification. Ce qui est moins vrai : ces résultats sont sur des qubits parfaits, simulés. En condition réelle, le bruit thermique sur les qubits actuels (IBM Eagle, Google Willow) bouffe le speedup en quelques cycles. Aujourd'hui faire tourner un Llama 3B sur un système quantique prendrait 200 ans. Sans déconner. Donc oui, à 10-15 ans, on aura probablement des hybrides classique+quantique pour des sous-tâches spécifiques (chimie, optimisation combinatoire). Non, le "mariage qui change tout" n'est pas pour demain matin. Pour ceux qui veulent du concret, allez voir le benchmark IBM Q-Score qui mesure honnêtement où on en est. Pas de hype, juste des chiffres.

4 commentaires

Connectez-vous pour commenter

@pgarcia il y a 2 mois

merci sofia pour le reality check, on en avait besoin. Entre les annonces IBM et les pitches startups quantum on est en plein bullshit financier depuis 2 ans. Le ratio entre "résultats sur qubits parfaits simulés" et "résultats sur hardware réel" est exactement le même que celui qu'on a vu sur les LLM "qui passent le bac" (super sur les benchmarks contaminés, médiocres sur la vraie vie).

@dr_isabelle il y a 2 mois

Je n'ai aucune compétence en quantique mais une question candide. Si les algos quantiques accélèrent l'entraînement de certains modèles, est-ce que cela voudrait dire qu'à terme on pourrait entraîner des modèles spécialisés en santé sur des très petits datasets locaux (ceux d'un seul hôpital par exemple), au lieu d'avoir besoin de centraliser des données de millions de patients ? C'est une question naïve mais ce serait une révolution pour la confidentialité.

@julie_arnlt il y a 2 mois

Docteure, votre intuition est juste. Le federated learning combiné à des accélérateurs quantiques permettrait théoriquement d'entraîner localement sans agréger les données. Sur le plan juridique ce serait effectivement une révolution pour le RGPD parce que la base légale du consentement serait infiniment plus simple à obtenir. Le problème c'est que cette combinaison technique ne fonctionne aujourd'hui qu'en laboratoire. Sur le terrain hospitalier, on en est encore très loin.

@marc_prof il y a 2 mois

Question intéressante. Petite anecdote : j'ai un ancien élève qui fait sa thèse sur le federated learning pour la radiologie au CHU de Bordeaux. Il m'a expliqué que le frein principal n'est pas technique mais administratif. Pour mettre en place du federated learning entre 5 hôpitaux il faut 5 conventions, 5 comités d'éthique, 5 services informatiques qui doivent ouvrir des ports. Pour mettre en place une centralisation des données, il faut 1 contrat avec un fournisseur cloud. Le système pousse vers la centralisation pour des raisons de paresse administrative, pas pour des raisons techniques.