NVIDIA rend le calcul quantique concret avec Ising, premiers modèles d’IA ouverts pour ordinateurs quantiques

Par Quentin Le 15 Avr 2026 à 06 h 38

NVIDIA présente Ising, une nouvelle famille de modèles IA ouverts destinée à accélérer et fiabiliser le calcul quantique. L’objectif est de rendre les processeurs quantiques plus utiles pour les applications d’IA, grâce à une calibration automatisée et à un décodage d’erreurs en temps réel. Les modèles s’intègrent à l’écosystème CUDA-Q et s’accompagnent de ressources pour la recherche. NVIDIA vise des gains sensibles de vitesse et de précision afin de rapprocher le quantique d’un usage opérationnel.

Les modèles IA NVIDIA Ising pour ordinateurs quantiques apportent jusqu’à 3x de gain de performances

L’informatique quantique est évoquée comme le prochain grand cap du calcul depuis des décennies. De nombreuses entreprises y travaillent depuis des années, et seules quelques-unes commencent à franchir un palier tangible.

NVIDIA propose déjà CUDA-Q, une plateforme de développement open source pour le calcul quantique. Agnostique au qubit, elle fonctionne avec les QPU et différentes modalités de qubits, et facilite les flux hybrides quantique-GPU.

A presentation slide titled 'Announcing NVIDIA Ising' describes it as the world's first open models for building quantum processors, highlighting features like 'Ising Calibration,' 'Ising Decoding,' and benefits such as delivering the world's best performance and unlocking quantum-GPU supercomputing.

A presentation slide titled 'Announcing NVIDIA Ising Open Model Family for Quantum Computing' introduces 'Ising Calibration' and 'Ising Decoding' with associated technologies 'Vision Language Model (VLM)' and 'Convolutional Neural Network (CNN),' alongside 'Cookbook' and 'Open Research' initiatives.

Aujourd’hui, NVIDIA annonce sa première famille de modèles IA quantiques open source, baptisée Ising. L’objectif est d’aider chercheurs et entreprises à concevoir des processeurs quantiques réellement utiles, en particulier pour des usages d’IA.

Le principal frein du calcul quantique se trouve dans la calibration des processeurs et la correction d’erreurs. Les qubits sont bruités et commettent encore de nombreuses erreurs. À l’heure actuelle, un processeur quantique génère une erreur environ toutes les mille opérations ; pour viser des usages pratiques, ce taux devrait descendre à une erreur sur mille milliards d’opérations. NVIDIA estime que l’IA est la clé pour lever ce frein et rendre les processeurs quantiques fiables à grande échelle.

A presentation slide titled 'NVIDIA Ising Calibration' shows three key points: 'World’s Best On Calibration Benchmark,' '15x Smaller Model Than Alternatives,' and 'Days → Hours Calibration Time Human Versus AI Agent.'

A presentation slide titled 'NVIDIA Ising Decoding' highlights three key benefits: '2.5x Faster Than Alternatives,' '3x More Accurate Than Alternatives,' and '10x Less Training Data Needed.'

Ising réunit deux modèles de pointe, personnalisables.

Ising Calibration: un modèle vision-langage capable d’interpréter rapidement les mesures des processeurs quantiques et de réagir en conséquence. Des agents IA peuvent automatiser la calibration continue, faisant passer le travail de plusieurs jours à quelques heures.
Ising Decoding: deux variantes d’un réseau de neurones convolutionnel 3D — l’une optimisée pour la vitesse, l’autre pour la précision — pour réaliser le décodage en temps réel dans le cadre de la correction d’erreurs quantiques. Les modèles Ising Decoding seraient jusqu’à 2,5x plus rapides et 3x plus précis que pyMatching, la référence open source actuelle.

The NVIDIA slide titled 'Quantum Workloads Are AI Workloads' shows a timeline from 'Today's Systems' to 'Quantum-GPU Supercomputers,' highlighting 'QEC Decoding' and 'QPU Calibration.'

The image shows the NVIDIA Open Quantum Platform with sections highlighting CUDA-Q as a quantum-GPU platform, cuQuantum for GPU-accelerated QPU and circuit simulation, and NVQLink as a reference architecture for low latency integration, featuring a woman working on a laptop, a quantum circuit diagram, and an equipment rack.

Selon NVIDIA, ces modèles Ising offrent une accélération jusqu’à 2,5x et une précision multipliée par 3 pour le décodage, une étape clé de la correction d’erreurs. Autre point marquant: Ising Calibration serait 15x plus compact que les alternatives, tandis qu’Ising Decoding aurait besoin de 10x moins de données d’entraînement.

NVIDIA indique que ses modèles Ising ouverts sont déjà déployés chez des chercheurs, des institutions académiques et des entreprises. Une étape supplémentaire vers des systèmes quantiques robustes et réellement exploitables.

NVIDIA