En résumé :
- Microsoft dévoile Majorana 2, sa puce quantique topologique nouvelle génération, développée avec l’aide de l’IA agentique de Microsoft Discovery.
- Majorana 2 intègre une nouvelle pile de matériaux permettant une amélioration de fiabilité 1 000 fois supérieur à la génération précédente de qubits, avec une durée de vie moyenne des qubits de 20 secondes et des instances pouvant durer jusqu’à une minute.
- Microsoft prévoit désormais de mettre au point un ordinateur quantique évolutif d’ici 2029, réduisant ainsi de moitié son calendrier initial.
- Microsoft Discovery est désormais disponible pour tous. Cette plateforme dédiée à la R&D de pointe permet aux clients de déployer des équipes d’agents IA, guidées par l’expertise humaine, afin d’accélérer les découvertes scientifiques.
- La nouvelle application Microsoft Discovery propose une version locale des fonctionnalités principales de la plateforme, que les particuliers peuvent télécharger gratuitement et utiliser avec un compte GitHub Copilot.
Microsoft dévoile aujourd’hui Majorana 2, sa toute nouvelle puce quantique topologique, dotée d’une pile de matériaux de nouvelle génération et de qubits 1 000 fois plus fiables que leurs prédécesseurs. Grâce à ces progrès, l’équipe prévoit désormais de mettre au point un ordinateur quantique évolutif d’ici 2029, réduisant ainsi de moitié le délai initialement prévu.
En appliquant les avancées récentes de l’IA agentique spécialement conçues pour accélérer le processus scientifique et la collaboration, Microsoft surmonte les principaux obstacles en matière de fiabilité, de rapidité et de taille qui limitaient l’application de l’informatique quantique à des scénarios réels.
Par exemple, les qubits de la nouvelle puce peuvent maintenir leur état quantique 1 000 fois plus longtemps que ceux de la première génération, ce qui permet des calculs plus fiables. Alors que d’autres approches courantes mesurent la « durée de vie » d’un qubit en microsecondes, Majorana 2 offre une durée de vie moyenne des qubits de 20 secondes, avec certaines instances pouvant durer jusqu’à une minute. Cette amélioration est à peu près comparable à l’invention d’une batterie de téléphone qui, au lieu de se décharger en une journée, pourrait tenir près de trois ans avec une seule charge.
Cette fiabilité exceptionnelle, couplée à la grande rapidité (opérations en une microseconde) et la petite taille des qubits (1/100e de millimètre) ont mis l’équipe sur la voie d’un ordinateur quantique évolutif et commercialisable d’ici 2029. Selon Microsoft, une telle machine pourrait s’attaquer à des problèmes jugés insolubles dans les domaines de la santé, de l’approvisionnement alimentaire, du développement durable, de la production d’énergie et bien d’autres encore.
« Nous devons apporter chaque année des améliorations qui nous permettront de nous rapprocher de la réalisation d’un ordinateur qui, selon nous, aura une valeur commerciale et sociétale considérable », déclare Chetan Nayak, Technical Fellow chez Microsoft. « Nous continuons d’avancer selon cette feuille de route pour y parvenir, et par rapport à l’année dernière, nous sommes 1 000 fois meilleurs. »
Désormais, d’autres chercheurs en quête de percées scientifiques ou d’ingénierie peuvent tirer parti de la même expertise en IA agentique que celle utilisée par l’équipe quantique de Microsoft dans son programme Majorana.
L’entreprise annonce aujourd’hui la disponibilité générale de Microsoft Discovery, sa plateforme complète permettant aux organisations d’adopter une R&D d’avant-garde (Frontier). Celle-ci combine des agents IA spécialisés pour la recherche et le développement scientifiques, un Discovery Engine qui pilote les flux de travail de recherche et de raisonnement, ainsi qu’une sécurité, une gouvernance et une transparence de niveau entreprise.
Microsoft présente également, en préversion anticipée (early preview), une application Microsoft Discovery dotée de capacités clés, téléchargeable gratuitement et exécutable localement sur un ordinateur avec un compte GitHub Copilot, abaissant ainsi la barrière d’entrée vers la recherche avancée pilotée par l’IA.
Microsoft Discovery permet aux chercheurs de déployer des équipes d’agents autonomes, guidées par l’expertise humaine, capables de raisonner sur de vastes volumes de connaissances, de générer des hypothèses, d’optimiser les expériences, de valider des théories et d’apprendre en boucle continue. Des contrôles intégrés contribuent à garantir que la recherche reste alignée sur les priorités, les normes de sécurité et de conformité, ainsi que les exigences de sûreté.
« Depuis le lancement il y a un an, nous avons vu des clients activer des cas d’usage dans des secteurs critiques comme les sciences de la vie, la chimie et les matériaux, l’énergie, l’industrie manufacturière et les biens de consommation », déclare Aseem Datar, Corporate vice president, Product innovation pour Microsoft Discovery. « Avec des entreprises comme Syensqo qui développent des fluides de nouvelle génération pour la fabrication de semi-conducteurs, les possibilités d’impact sont considérables. »
Les scientifiques et ingénieurs de l’équipe quantique utilisent eux-mêmes les capacités d’IA agentique de Microsoft Discovery pour gérer les flux de travail, automatiser les mesures, optimiser la fabrication, identifier des défauts auparavant passés inaperçus et proposer de nouvelles solutions.
« L’IA agentique a imprégné presque tout ce que nous faisons, elle est devenue une composante très naturelle de notre façon de travailler », déclare Chetan Nayak. « Les agents peuvent vraiment accélérer les choses autant que vous le souhaitez. Cela peut se limiter à rassembler des informations et à les résumer, ou aller plus loin dans leur synthèse, voire dans la génération d’une hypothèse intéressante. Je pense que c’est extrêmement puissant dans la période actuelle. »
L’IA agentique peut aider à trouver de nouveaux matériaux
Majorana 1, introduite seulement l’an dernier, était révolutionnaire parce qu’elle employait un supraconducteur topologique, une catégorie spéciale de matériau capable de créer un état de la matière entièrement nouveau permettant une informatique quantique plus stable. Pour améliorer cette première validation de principe, l’équipe a réexaminé la pile de matériaux.
Le supraconducteur Majorana d’origine utilisait de l’aluminium, et Majorana 2 utilise du plomb, couramment employé pour protéger les personnes et les équipements contre les radiations dans les hôpitaux et les environnements industriels. Dans un ordinateur quantique, un supraconducteur en plomb aide à protéger les qubits fragiles contre les perturbations cosmiques susceptibles de les rendre instables – mais il a fallu des années pour comprendre comment surmonter d’autres compromis.
« C’était en réalité un changement assez important, et cela a entraîné de très, très grandes améliorations de la qualité des dispositifs », déclare Chetan Nayak.
Bien que cette piste de recherche sur les matériaux ait commencé bien avant l’avènement de l’IA agentique, celle-ci a été utilisée pour aider à gérer la fabrication du nouveau dispositif. Quant à Microsoft Discovery, il est utilisé plus largement pour les futurs travaux sur les matériaux de Majorana.
Des éléments critiques des dispositifs quantiques Majorana sont conçus atome par atome. Pour maintenir chaque atome à sa juste place, un autre matériau ou une impureté, peut être ajouté à la structure cristalline. Mais le surplus ou la manière de le faire peut perturber ; c’est donc un équilibre difficile à trouver, selon Zulfi Alam, Corporate vice president for Quantum chez Microsoft.
« Trouver la recette exacte, la bonne quantité à ajouter pour obtenir la structure énergétique souhaitée, exigeaient auparavant beaucoup d’expérimentation. Aujourd’hui, grâce aux simulations, vous pouvez voir où se situe la cible la plus probable. Et avec cette connaissance, idéalement, vous n’avez à expérimenter qu’une seule fois », a-t-il déclaré.
L’IA agentique peut analyser l’information à grande échelle
Le projet d’informatique quantique comporte de nombreux éléments interdépendants – logiciels, architecture, conception, pile de matériaux, procédés de fabrication, mesures, etc. Un changement dans un domaine a des répercussions qui peuvent nécessiter des ajustements ailleurs. Les agents IA aident l’équipe à suivre ces connexions complexes et interdépendantes, selon Chetan Nayak.
Le projet quantique dispose également d’énormes quantités de données – près de deux décennies, dans de nombreux formats différents. Avant l’IA, les données restaient enfermées dans des silos. « Lorsque vous exécutez des agents IA sur ces données, ils sont capables, en substance, de resynthétiser et d’établir des corrélations que nous, humains, ne pouvons pas voir, car aucun individu n’a une telle vision sur un volume de données aussi vaste », explique Zulfi Alam.
De plus, l’équipe quantique de Microsoft est répartie dans plusieurs pays, avec des spécialités très différentes, comme la physique, le génie mécanique et l’ingénierie des procédés. Il est impossible pour une seule personne d’être experte en tout. C’est un problème courant dans la recherche scientifique interdisciplinaire, et c’est pourquoi l’équipe de Microsoft a créé un agent IA chargé d’organiser et d’analyser l’information et de la rendre plus facile à trouver pour les autres.
« L’IA est capable de synthétiser des connaissances issues de toutes ces disciplines différentes », ajoute Zulfi Alam, ce qui épargne à chacun le temps et les efforts nécessaires pour interroger les spécialistes ou se documenter sur un autre sujet. L’IA agentique peut « traiter énormément d’informations en parallèle et en un temps extrêmement court pour vous fournir une recommandation », a-t-il déclaré. L’IA n’offre que des orientations ; elle ne décide pas. « Le chercheur est toujours dans la boucle. »
L’IA agentique peut accélérer les expériences
Créer un état topologique nécessite de régler des centaines de paramètres. Ensuite, la mesure, qui est essentielle pour effectuer des calculs quantiques, peut commencer. Lorsqu’ils sont réalisés par une personne, chacun de ces processus prennent des semaines. La mesure est si difficile et chronophage que l’équipe avait essayé de l’automatiser il y a quelques années à l’aide de modèles antérieurs de machine learning, mais cela n’avait pas été possible, précise Zulfi Alam.
En utilisant les capacités agentiques disponibles dans Microsoft Discovery, un agent IA spécialisé pour cette tâche a pu être créé, réduisant ainsi le temps de cycle de plusieurs ordres de grandeur, a-t-il déclaré.
Les capacités de reconnaissance de motifs de l’IA ont aidé à mesurer l’état du qubit – qui est une tâche difficile – et à détecter s’il y a un nombre pair ou impair de milliards d’électrons sur un fil semi-conducteur. Les agents IA exécutent le processus automatiquement et en continu, en construisant une carte 3D des conditions qu’un scientifique seul ne serait jamais capable de produire de la même manière, déclare Zulfi Alam.
« Utiliser l’IA agentique pour automatiser les mesures a changé la donne », ajoute Zulfi Alam. « Elle effectue des calculs et commence à dire : ‘Hé, où puis-je trouver le point le plus bas où tout fonctionne à peu près ?’ Et elle peut effectuer tous ces ajustements de tension en parallèle, ce qu’un humain ne peut pas faire. Le fonctionnement de notre esprit est plus linéaire. »
L’IA agentique peut réduire le bruit
Les données ne sont pas de l’information : elles doivent être filtrées, analysées et mises en contexte pour avoir du sens. Par exemple, l’équipe a développé un agent IA capable de combiner connaissances physiques, connaissances des dispositifs et connaissances institutionnelles afin de filtrer les données brutes issues du procédé de fabrication de l’équipe quantique et de détecter la lecture d’un capteur de température non étalonné qui faussait les résultats.
Zulfi Alam compare ce processus au résumé IA d’un appel Teams, capable de passer outre les échanges informels et de lister les trois ou quatre points clés. « C’est exactement ce que fait l’IA à plus grande échelle lorsque la science est en jeu », a-t-il déclaré.
Microsoft Discovery a été conçu comme une plateforme qui associe l’IA à la méthode scientifique, et nombre des outils d’IA agentique utilisés par l’équipe quantique sont transférables et pertinents pour l’exploration scientifique dans d’autres domaines.
Ce type fondamentalement nouveau de R&D de frontière permet à un scientifique « d’être le point d’ancrage et d’observer de très nombreuses disciplines en même temps avec une très grande fidélité, puis d’en tirer des corrélations », a déclaré Alam. « C’est l’essence même de ce que toute équipe de pointe et très performante veut accomplir. »