Théorème du seuil en correction d’erreurs quantiques

L’essentiel

• La puce Willow de Google a maintenu un qubit logique de 101 qubits et de distance 7 à 0,143 % ± 0,003 % par cycle de correction d’erreurs.
• Établi au milieu des années 1990, le théorème du seuil dit que les erreurs logiques diminuent exponentiellement avec la distance du code dès que les erreurs physiques passent sous un seuil.
• Le taux d’erreur logique de Willow a baissé d’un facteur Λ = 2,14 ± 0,02 chaque fois que la distance du code augmentait de deux.
• La durée de vie effective du qubit logique a dépassé celle du meilleur qubit physique de la même puce d’un facteur 2,4 ± 0,3, soit au-delà du point d’équilibre.
• La vitesse du décodeur aux grandes distances, et la persistance du comportement sous le seuil au-delà de quelques centaines de qubits, sont les prochaines étapes après Willow.

Quand Google a annoncé que sa puce Willow était passée sous le seuil d’erreur du code de surface, la plupart des titres y ont vu une mise à jour de tableau de scores : puce plus grande, meilleur chiffre, affaire classée. Ce cadrage passe à côté de la physique, et la physique est la partie intéressante. Le théorème du seuil de la correction d’erreurs quantiques n’est pas une courbe de progrès graduel : c’est une frontière mathématique nette, qui retourne toute la logique de la redondance dès qu’on la franchit.

Voici ce que je trouve encore passionnant après des années passées auprès de grands systèmes redondants : partout ailleurs en ingénierie, ajouter des pièces ajoute des façons de tomber en panne. Sous le seuil, la correction d’erreurs quantiques inverse cette règle : empiler davantage de qubits physiques par qubit logique rend le système exponentiellement plus fiable, et non moins. Au-dessus du seuil, la même redondance aggrave les choses, sans zone intermédiaire douce. Le qubit logique de 101 qubits et de distance 7 de Willow, avec un taux d’erreur de 0,143 % ± 0,003 % par cycle, montre à quoi ressemble « sous le seuil » ; une démonstration antérieure à 17 qubits et distance 3, proche de 3 %, montre à quoi ressemble « pas encore ».

La redondance est censée se compliquer, pas se simplifier

Voyons comment les ingénieurs classiques gèrent la défaillance. Les grappes RAID répartissent les données sur plusieurs disques pour qu’une panne de disque ne fasse rien perdre, mais chaque disque en plus est aussi un composant de plus qui peut mourir, et les fenêtres de reconstruction deviennent plus risquées à mesure que les grappes grandissent. Les réacteurs d’avion embarquent des capteurs en triple exemplaire et des circuits hydrauliques de secours pour la même raison, et les détecteurs de particules du type CERN utilisent une logique de vote majoritaire sur des couches de trajectographie qui se recouvrent, pour rejeter les coups de bruit sans jamais savoir quel canal précis ment. Dans tous ces systèmes, plus de pièces signifie plus de surcharge de coordination et plus d’occasions indépendantes de panne.

Le théorème du seuil de la correction d’erreurs quantiques

Le théorème du seuil, établi au milieu des années 1990 avec les travaux d’Aharonov et Ben-Or, énonce précisément ceci : si le taux d’erreur physique par opération, p, reste sous une valeur critique p_th (qui dépend de l’architecture, environ 0,1 à 1 % pour les codes de surface supraconducteurs), alors coder un qubit logique sur un patch croissant de qubits physiques supprime exponentiellement le taux d’erreur logique. La relation varie à peu près comme (p/p_th) élevé à la puissance (d+1)/2, où d est la distance du code, c’est-à-dire le plus petit nombre d’erreurs de qubits physiques capable de retourner l’état logique codé sans que le décodeur s’en aperçoive, ce qui explique aussi qu’un code de distance d corrige jusqu’à (d−1)/2 erreurs arbitraires sur un seul qubit. Au-dessus de p_th, l’exposant joue contre vous : davantage de qubits physiques signifie seulement davantage d’occasions indépendantes d’accumuler des erreurs non corrigées plus vite que le décodeur ne peut les rattraper.

Le code de surface qu’utilise Willow dispose les qubits en damier : des qubits de « données », qui portent l’information codée, et des qubits de « mesure », qui extraient de façon répétée l’information de parité (le « syndrome ») sur leurs voisins, sans jamais mesurer directement, donc sans l’effondrer, l’état logique lui-même. Ces défauts de syndrome se comportent mathématiquement comme les quasi-particules exotiques évoquées dans notre article sur les anyons unidimensionnels : des excitations qui portent une information topologique plutôt qu’une simple valeur marche/arrêt. Un décodeur classique (celui de Google fonctionne en temps réel, avec l’aide de l’apprentissage automatique) reconstruit alors la configuration d’erreurs la plus probable à partir de tout l’historique des mesures de syndrome et la corrige par logiciel, sans toucher directement à l’état quantique fragile.

Cette étape de décodage est fondamentalement un problème de signal contre bruit, le même type de jugement que nous avons décrit en pesant un candidat trou noir primordial face à une fluctuation de bruit dans des données d’ondes gravitationnelles. Le décodeur ne voit jamais directement l’erreur réelle ; il ne voit qu’un motif d’indices corrélés et doit déduire, statistiquement, ce qui s’est le plus probablement passé. C’est structurellement la même astuce que la logique de vote majoritaire de l’électronique des détecteurs de particules, un contrôle de cohérence redondant et spatialement recouvrant, sauf que la version quantique croît de façon exponentielle, parce que les chemins d’erreur indépendants se composent de manière combinatoire quand la distance du code augmente.

Les chiffres sous le seuil de Willow face à une puce près du seuil

L’article de Google dans Nature décrit deux mémoires de qubit logique à code de surface sur Willow, aux distances 5 et 7. La version de distance 7 utilisait 101 qubits physiques et a tenu un taux d’erreur logique de seulement 0,143 % ± 0,003 % par cycle de correction d’erreurs. Chaque fois que la distance du code augmentait de deux, de d=3 à d=5 puis d=7, le taux d’erreur logique baissait d’un facteur Λ = 2,14 ± 0,02, soit une suppression exponentielle et non une amélioration linéaire due aux qubits ajoutés.

Cette courbe exponentielle explique aussi pourquoi Willow est le premier processeur à franchir ce que le domaine appelle le point de gain net (« break-even ») : la durée de vie effective du qubit logique a dépassé celle du meilleur qubit physique de la même puce d’un facteur 2,4 ± 0,3. Autrement dit, la correction d’erreurs a réellement aidé au lieu d’ajouter du bruit net à celui qu’elle devait réparer, ce qui est tout l’enjeu et la partie vraiment difficile à réussir. À comparer avec une démonstration antérieure de correction d’erreurs répétée, de l’ETH Zurich (Krinner et al., Nature 605, 669, 2022), qui utilisait un code de surface de distance 3 avec 17 qubits supraconducteurs et mesurait une probabilité d’erreur logique d’environ 3 % par cycle, au niveau du meilleur qubit physique de ce dispositif ou un peu moins bien.

C’est autre chose : la preuve qu’on se trouve du mauvais côté du seuil. Dix-sept qubits disposés à la distance 3 près de p_th n’apportent presque rien : on paie le coût de coordination de la redondance sans toucher la récompense exponentielle. Cent un qubits disposés à la distance 7, nettement sous p_th, donnent un qubit logique qui survit à son meilleur composant. Même idée, régime opposé, et le théorème du seuil est la raison pour laquelle les deux chiffres ne se trouvent pas du tout sur la même courbe.

Pourquoi le théorème du seuil de la correction d’erreurs quantiques regarde vers l’avenir

La question tournée vers l’avenir n’est pas de savoir si la correction d’erreurs sous le seuil fonctionne, car Willow a déjà répondu. Elle est de savoir si elle passe à l’échelle des milliers de qubits physiques qu’exigera un ordinateur tolérant aux fautes utile. C’est autant un problème de packaging et de matériaux qu’un problème de physique, le même type de mur d’échelle que les fabricants de puces classiques rencontrent avec les substrats avancés ; voyez les difficultés qu’Intel a eues à sortir ses substrats à cœur de verre pour mesurer la difficulté de la mise à l’échelle physique, même sans étrangeté quantique. Chaque distance de code supplémentaire achète des taux d’erreur logique exponentiellement meilleurs, mais exige aussi plus de qubits physiques, plus de câblage et plus de débit de décodage en temps réel, le tout en croissance simultanée.

Rien de tout cela ne change le résultat central : une fois sous p_th de façon fiable, plus grand est simplement meilleur, d’une manière que rien dans l’ingénierie redondante classique ne prépare à voir. Les prochaines étapes à suivre sont la vitesse du décodeur aux grandes distances et la persistance du comportement sous le seuil quand les puces dépassent quelques centaines de qubits, en route vers les millions nécessaires aux vrais algorithmes tolérants aux fautes. L’équipe de Google a déjà esquissé les codes de surface dynamiques comme étape suivante après ce résultat. Je parierais que le cadrage par le « seuil » restera en usage pendant des années, parce que c’est le seul chiffre qui dit de quel côté de la courbe se trouve réellement votre matériel.

@online{scienceshot-theoreme-du-seuil-correction-2026,
  author       = {Turner, Alex},
  title        = {{Théorème du seuil en correction d’erreurs quantiques}},
  organization = {ScienceShot},
  date         = {2026-11-02},
  year         = {2026},
  url          = {https://scienceshot.com/fr/post/theoreme-du-seuil-correction-derreurs-quantiques}
}