L’intelligence artificielle d’entreprise continuera de s’appuyer principalement sur les architectures classiques dans les prochaines années. C’est la conclusion de Gartner, qui affirme qu’aucune charge de travail d’IA à l’échelle de l’entreprise ne sera exécutée sur du matériel quantique avant 2028, et que la computation accélérée par GPU restera la base de tous les environnements de production pertinents.

Le cabinet de conseil lance aussi un avertissement aux DSI : une grande partie des solutions vendues aujourd’hui sous le nom de « Quantum AI » ne fait pas tourner d’intelligence artificielle sur des ordinateurs quantiques, mais utilise des algorithmes hybrides ou des techniques inspirées de la computation quantique fonctionnant sur une infrastructure conventionnelle.

Les points clés en 30 secondes

• Gartner exclut que l’IA d’entreprise utilise des ordinateurs quantiques avant 2028.
• Aucune preuve scientifique évaluée par des pairs ne démontre de supériorité quantique dans des charges de travail réelles d’IA.
• La majorité des solutions « Quantum AI » actuelles utilisent des GPU et des algorithmes classiques.
• Le cabinet recommande de séparer les budgets consacrés à l’IA et à la computation quantique.
• Les DSI devraient continuer à privilégier GPU, GenAI, cloud et cybersécurité plutôt que des projets quantiques.

Alors qu’IBM, Google, Microsoft, IonQ ou PsiQuantum poursuivent le développement de matériel quantique, Gartner considère qu’il reste un long chemin avant que cette technologie puisse rivaliser avec les infrastructures d’IA actuelles.

« Quantum AI » ne veut pas dire intelligence artificielle quantique

Un des messages principaux du rapport, c’est que le marché utilise le terme Quantum AI avec une largeur de sens excessive. Selon Gartner, quand de nombreux fournisseurs annoncent des solutions d’IA quantique, ils parlent en réalité de technologies très différentes. Le cabinet distingue quatre catégories.

La première est l’IA classique, basée sur des modèles de deep learning, transformers ou apprentissage par renforcement exécutés sur CPU, GPU ou TPU. La seconde concerne les algorithmes inspirés par la computation quantique, qui reprennent des concepts de la mécanique quantique mais tournent entièrement sur du matériel traditionnel. Troisièmement viennent les modèles hybrides, où de petits circuits quantiques collaborent avec des systèmes classiques de HPC ou d’IA, généralement dans des projets de recherche. Seul le quatrième groupe constitue une véritable IA quantique : des algorithmes dont l’exécution dépend réellement de processeurs quantiques.

Aucun avantage démontré face aux GPU

Pour Gartner, le problème tient au fait qu’il n’existe toujours aucune preuve scientifique évaluée par des pairs démontrant qu’un ordinateur quantique exécute une charge de travail d’IA d’entreprise mieux qu’une infrastructure accélérée par GPU. Y parvenir supposerait de relever simultanément plusieurs défis : un matériel beaucoup plus stable, des systèmes efficaces de correction d’erreurs, de nouvelles couches logicielles spécialisées et des algorithmes conçus spécifiquement pour les architectures quantiques.

Tant que ces quatre éléments n’évoluent pas de concert, la computation quantique restera une plateforme de recherche plutôt qu’une alternative viable pour exécuter des modèles d’IA à usage professionnel. C’est aussi la conclusion à laquelle arrivait une expérience récente de D-Wave : même un résultat impressionnant sur une simulation très spécifique ne suffit pas à remplacer les centres de données IA classiques.

Séparer le budget IA et la computation quantique

Le cabinet adresse aussi un message clair aux responsables technologiques : mélanger les budgets alloués à l’IA et à la computation quantique peut créer des attentes irréalistes, parce que ces deux technologies ont des horizons très différents. L’IA générative offre déjà des gains mesurables en productivité, automatisation ou service client, avec des retours qui peuvent apparaître en moins de deux ans. La computation quantique, elle, n’a pas encore prouvé d’avantages équivalents dans des applications réelles d’IA.

Gartner conseille donc de traiter les projets quantiques comme des initiatives de recherche et développement, pour éviter qu’ils ne détournent des ressources destinées à des plateformes d’IA déjà génératrices de valeur.

Les DSI restent fidèles au GPU, au cloud et à la cybersécurité

La computation quantique ne figure toujours pas parmi les priorités majeures d’investissement des DSI. Selon Gartner, les budgets technologiques les plus importants restent concentrés sur l’IA générative, l’IA agentique, l’infrastructure cloud et la cybersécurité. Les entreprises qui financent déjà des projets quantiques le font avec des investissements nettement inférieurs, sans attendre de retours économiques à court terme.

Cela n’empêche pas certains grands acteurs de garder un pied dans les deux mondes : à Londres, OQC, JPMorgan Chase et AMD ont ouvert un laboratoire dédié à la combinaison quantique-IA, mais précisément dans une logique de recherche, pas de production immédiate.

Ce que doivent faire les entreprises

Plutôt que de recommander d’ignorer la computation quantique, Gartner prône une stratégie pragmatique : tirer parti dès aujourd’hui des algorithmes inspirés par la computation quantique fonctionnant sur GPU, qui peuvent améliorer l’optimisation, la simulation, l’analyse de graphes ou certains types d’apprentissage automatique.

Le cabinet recommande aussi que tout pilote quantique intègre dès le départ des critères objectifs de succès et des conditions claires d’annulation si aucune amélioration significative n’est démontrée face aux solutions classiques, une logique proche de celle déjà prônée par Gartner pour la gouvernance des agents d’IA en entreprise. Enfin, le cabinet invite à suivre l’évolution du secteur en se concentrant sur les qubits logiques, la correction d’erreurs et les logiciels de contrôle, plutôt que sur le nombre total de qubits physiques annoncé par chaque fabricant. Ce sont ces indicateurs, selon Gartner, qui détermineront réellement quand la computation quantique pourra commencer à rivaliser avec les architectures traditionnelles en IA.

Questions fréquentes

Quand Gartner prévoit-il que l’IA d’entreprise utilisera des ordinateurs quantiques ?

Le cabinet estime qu’aucune charge de travail d’IA à grande échelle ne sera exécutée sur du matériel quantique avant 2028.

Existe-t-il déjà un avantage démontré pour l’IA quantique ?

Non. Gartner affirme qu’aucune preuve évaluée par des pairs ne montre de supériorité quantique dans des charges d’IA en production.

Qu’est-ce exactement que « Quantum AI » ?

Au sens strict, c’est de l’intelligence artificielle qui fonctionne sur du matériel quantique. Gartner note que de nombreux produits actuels utilisent ce terme pour des techniques hybrides ou des algorithmes inspirés de la computation quantique qui tournent en réalité sur GPU.

Que recommande Gartner aux entreprises ?

Prioriser l’IA qui génère déjà de la valeur, garder séparés les budgets IA et quantique, et mener les pilotes quantiques avec des objectifs et des métriques clairs pour leur réussite ou leur annulation.

D’autres acteurs combinent-ils déjà quantique et IA ?

Oui, mais surtout à titre expérimental : OQC, JPMorgan Chase et AMD ont par exemple ouvert un laboratoire commun à Londres.

Source : Gartner, Gartner Predicts Enterprise AI Workloads at Scale Will Not Run on Quantum Hardware Through 2028.