Comment bien structurer une démarche quantique ? L’exemple d’Allianz et de son Quantum Hub

Construire une feuille de route par période

« Je n’ai pas de boule de cristal, je ne peux pas donner de feuille de route précise pour l’avantage quantique », insiste Olivier Salomon. « Nous n’avons rien en production aujourd’hui. Et je ne suis pas sûr que qui que ce soit puisse prétendre utiliser le quantique au quotidien pour une application business », reconnaît-il.

Plutôt qu’un calendrier précis, son Hub a donc découpé la mission par périodes (court, moyen, long terme).

Aujourd’hui, l’équipe se concentre sur les fondations. Elle construit des formulations solides des problèmes à résoudre, ainsi que les « pipelines de données » (la chaîne des étapes qui transforment une donnée brute en donnée exploitable par un algorithme) nécessaires pour alimenter de futurs algorithmes quantiques.

Tester sur du vrai hardware quantique

Ces algorithmes sont testés, autant que possible, sur du vrai hardware quantique plutôt que sur des simulateurs/émulateurs, afin de mesurer l’écart entre la théorie et la réalité.

« Quand on fait tourner ces modèles sur le matériel quantique, les résultats sont beaucoup moins bons que ceux obtenus en simulation ». Olivier Salomon. Le bruit inhérent aux machines quantiques actuelles reste, selon lui, un obstacle de taille.

La suite viendra à moyen et long terme, avec la construction de prototypes fonctionnels, quand le matériel sera enfin assez mature pour démontrer une vraie valeur business aux dirigeants.

Centraliser l’expertise dans une structure dédiée

Plutôt que de laisser chaque métier explorer le quantique de façon isolée, Allianz a choisi, il y a un peu plus de deux ans, de regrouper l’expertise dans une structure unique, le Quantum Hub.

Ce Hub structure son travail en trois missions.

D’abord, tester concrètement les algorithmes et le matériel quantiques sur de vrais cas d’usage. Ce qui implique de les identifier avec les différents métiers, ce qui implique de leur parler.

Ensuite, construire un écosystème, en tissant des liens avec des start-up, aussi bien sur le matériel que sur le logiciel, et avec le monde académique.

Enfin, convaincre en interne pour évangéliser la technologie.

Traduire les besoins métier en quantique

Car les principaux freins de l’exploration quantique se situeraient aujourd’hui plutôt du côté des algorithmes, encore trop rares, et de la capacité des experts métier à traduire leurs problématiques business en question que le quantique sait adresser.

Ou plutôt qu’il « saura » adresser. Mais se pencher sur le quantique, même très en avance de phase, est loin d’être inutile, constate l’expert. Ce questionnement oblige les métiers à sortir des sentiers battus et à reformuler leurs problèmes autrement.

L’exercice révèle des pistes d’amélioration pour les algorithmes classiques déjà en production. Il ouvre également la porte à des algorithmes « quantum inspired », des méthodes de calcul classiques, mais conçues à partir de principes empruntés au quantique.

Construire les pipelines de données nécessaires pousse par ailleurs les équipes à mieux préparer et mieux sélectionner leurs données, un travail qui profite immédiatement aux pipelines classiques de l’assureur.

Décomposer les problèmes en briques testables

Le quantique ne remplacera pas un pipeline dans son ensemble, estime Olivier Salomon, il apportera un avantage sur des portions spécifiques d’un processus.

Pour illustrer cette approche, le Quantum Hub a mené plusieurs expérimentations, notamment avec des étudiants de CentraleSupélec.

La première porte sur la grêle (facteur important de sinistre pour un assureur). Il est impossible aujourd’hui de prédire un jour, voire une heure à l’avance, si un épisode de grêle va se produire, et où et avec quelle intensité.

« Un programme quantique repose en grande partie sur le sponsoring du comité exécutif. »

L’équipe a découpé le processus de modélisation d’Allianz de ces épisodes météorologiques en briques indépendantes pour identifier celles qui peuvent bénéficier d’un traitement quantique.

Une première brique consistait à repérer les traces de grêle dans des images radar, un problème de tri que les machines quantiques savent poser sous une forme mathématique appelée « Quadratic unconstrained binary optimization » QUBO.

Une seconde brique cherchait à modéliser la façon dont plusieurs variables météorologiques évoluent ensemble lors des épisodes extrêmes, à l’aide d’un modèle quantique génératif, le QCBM (Quantum Circuit Born Machine), capable d’apprendre des comportements statistiques complexes.

L’équipe a aussi construit un modèle de prévision à un jour, à partir d’un nombre restreint de variables (huit). Enfin, faute de données réelles suffisantes sur la grêle, l’équipe a généré des données synthétiques pour continuer à entraîner ses modèles classiques.

Comparer systématiquement les résultats aux méthodes classiques

Le second cas d’usage s’est penché sur la détection d’attaques à partir des logs des serveurs d’Allianz.

Le projet a été mené dans le cadre du PAQ (Programme d’Accompagnement de la filière du calcul Quantique en Île-de-France), porté par Teratec, l’écosystème de calcul intensif né de l’alliance entre le CEA et le secteur privé. Pour ce cas d’usage, l’éditeur espagnol Multiverse Computing a apporté son expertise en solutions « quantum-inspired », tandis que le constructeur finlandais IQM a mis à disposition sa machine à 20 qubits comme banc d’essai.

Chaque résultat obtenu a été comparé systématiquement à la meilleure solution « classique ».

« Quand on fait tourner ces modèles sur le matériel quantique, les résultats sont beaucoup moins bons que ceux obtenus en simulation. »

Trois enseignements en ressortent, liste Olivier Salomon.

D’abord, le simple fait de retravailler le pipeline dans l’optique du quantique a permis d’améliorer la partie classique, qui dépasse désormais les meilleures options du marché.

Ensuite, les modèles quantiques testés – des versions quantiques de techniques de détection déjà connues – se montrent déjà compétitifs face aux approches classiques, du moins en simulation.

« Je ne dis pas que nous avons atteint un avantage quantique », nuance l’expert, « c’était sur un jeu de données fixe, avec beaucoup de préparation en amont et des modèles taillés sur mesure pour nos besoins métier. Mais cela commence à donner des résultats intéressants. »

Une deuxième phase, avec du matériel plus puissant, est à l’étude. L’article scientifique qui tire le bilan de ces travaux doit être publié dans les prochaines semaines par Multiverse Computing et IQM.

Choisir ses partenaires sur leur compréhension du métier

L’évaluation d’un partenaire quantique repose sur plusieurs critères. Mais tout comme la technologie évolue, figer la grille d’évaluation, comme pour des contrats pluriannuels qui portent sur des millions d’euros avec des acteurs installés sur des technologies matures, n’aurait pas de sens.

Le premier critère d’Allianz est la capacité de la start-up à comprendre les métiers du groupe et à traduire ses problématiques en solutions quantiques.

« Nous voulons que les algorithmes quantiques s’adaptent réellement à nos besoins », insiste Olivier Salomon. « Nous ne cherchons pas des solutions clé en main, que nous testerions uniquement pour sortir un communiqué de presse avec le logo d’Allianz dessus. »

« Nous ne cherchons pas des solutions clé en main, que nous testerions uniquement pour sortir un communiqué de presse avec le logo d'Allianz dessus. »

Deuxième critère, l’accès à des outils de test. De plus en plus de métiers demandent à pouvoir expérimenter eux-mêmes. Le Quantum Hub attend des start-up qu’elles fournissent ces environnements.

Le troisième porte sur la capacité « à préserver de l’optionalité », selon l’expression d’Olivier Salomon, car « plusieurs familles de machines quantiques sont aujourd’hui en concurrence directe ». Allianz veille donc à répartir ses partenariats entre plusieurs technologies pour comparer leurs performances respectives.

Au passage, cette diversité de partenaires permet à l’assureur de « soutenir autant que possible l’écosystème quantique en Europe pour garder de la souveraineté sur ces technologies émergentes. »

Olivier Salomon surveille aussi les résultats publiés par ces start-ups sur arXiv et leur niveau de financement. « Ce sont d’excellents critères, et ils s’installeront durablement à mesure que nous progresserons vers le FTQC (NDR : Fault Tolerant Quantum Computing) », ajoute-t-il.

À l’ère des qubits logiques et de l’ordinateur quantique tolérant aux fautes, tous ces éléments devraient être complétés par la maturité de la feuille de route de chaque fournisseur, sa traction commerciale sur les marchés publics comme privés, la facilité d’accès à sa technologie, et la confirmation de sa maturité par des pairs scientifiques.

Obtenir un sponsoring au niveau du board

Un Quantum Hub n’a pas besoin d’être une armée. Chez Allianz, Olivier Salomon est… seul. Mais il peut compter sur un sponsorship extrêmement important puisque l’initiative vient du Board lui-même, plus exactement de la Chief Operating Officer d’Allianz, Barbara Karuth-Zelle.

« C’est sa conviction personnelle que le quantique peut apporter quelque chose à notre activité », explique Olivier Salomon. « Elle dirige aussi notre think tank IT de nouvelle génération, au niveau du groupe. Elle comprend très bien l’importance de ce travail de recherche pour préparer l’ère quantique. »

En tout état de cause, « un programme quantique repose en grande partie sur le sponsoring du comité exécutif », assure l’expert. Il est donc essentiel d’obtenir leur adhésion, conseille-t-il.

Sans ce soutien, ces programmes exploratoires ne survivent que difficilement à la période, encore longue et incertaine, qui précédera les premiers bénéfices.