---
title: Quand le calcul change de matière : louer un QPU, graver du diamant
source: https://synapx.fr/blog/quantique-cloud-diamant-fin-monoculture-silicium/
date: 2026-08-17
category: Sciences
site: SynapxLab
---
# Quand le calcul change de matière : louer un QPU, graver du diamant
Pendant cinquante ans, l'informatique a surtout perfectionné un même assemblage : des transistors en silicium, des processeurs généralistes, puis des GPU. Ce modèle reste central. Mais des processeurs quantiques accessibles dans le cloud et le retour de matériaux comme le diamant montrent qu'il n'est plus le seul horizon.
Il faut tenir ensemble deux idées : les machines nouvelles sont encore limitées aujourd'hui, et apprendre à les employer peut devenir utile bien avant qu'elles ne soient dominantes.
> Le sujet n'est pas de remplacer l'ordinateur classique, mais d'apprendre à distribuer chaque calcul vers le composant qui lui convient.
Au sommaire :
- L'informatique commence à changer de matière
- Louer un ordinateur quantique réel
- Douze photons et cent atomes
- Ce qu'un QPU fait réellement aujourd'hui
- Un terrain d'expérimentation chez SynapxLab
- Les limites physiques du silicium
- Ce que le diamant apporte et ce qu'il ne résout pas
- Transistors en diamant et puces refroidies par diamant
- Le serveur hybride
- À quoi pourrait ressembler un serveur en 2035 ?
- Préparer les architectures de demain
- Conclusion
```mermaid
flowchart TB
subgraph CALCUL["Formes de calcul — ce qui s'ajoute"]
A["CPU généraliste
orchestration"] --> B["GPU
calcul matriciel"]
B --> C["NPU
accélérateur IA"]
C --> D["Accélérateur photonique
prototypes"]
D --> E["QPU
noyaux combinatoires"]
end
subgraph MATIERE["Matériaux — ce qui les supporte"]
direction LR
G["Silicium
filière mature, 300 mm"] --> H["SiC et GaN
industrialisés"]
H --> I["Diamant
recherche et thermique"]
I --> J["Empilements 3D
nouveaux matériaux"]
end
MATIERE -.->|"contraintes thermiques
et électriques"| CALCUL
E --> F["Serveur hétérogène
chaque calcul à son composant"]
```
## L'informatique commence à changer de matière
Un CPU est conçu pour l'orchestration : exécuter une logique variée, gérer le système, faire circuler les données. Un GPU traite en parallèle de nombreuses opérations semblables. C'est pourquoi il convient au calcul matriciel, celui qui domine une grande partie de l'IA. Les NPU sont des accélérateurs spécialisés pour des opérations d'IA. Ce ne sont pas des remplaçants du CPU : ce sont déjà des composants complémentaires.
La diversification se poursuit dans deux directions. La première concerne la façon de calculer : CPU, GPU, NPU, accélérateurs photoniques, puis QPU, pour *Quantum Processing Unit*. La seconde concerne la matière : silicium, carbure de silicium ou SiC, nitrure de gallium ou GaN, diamant, puis de nouveaux matériaux et des empilements tridimensionnels.
Ce billet prolonge notre dossier sur [d'autres façons de calculer](/blog/calculer-autrement/), consacré au neuromorphique, à l'analogique, à la photonique et au biologique. Que peut-on réellement tester avec le quantique aujourd'hui, et pourquoi regarder le diamant sans lui prêter des pouvoirs qu'il n'a pas ?
Nous distinguerons toujours le **fait constaté aujourd'hui**, la **feuille de route annoncée par un industriel**, et la **spéculation assumée**.
## Louer un ordinateur quantique réel
**Fait constaté aujourd'hui.** Le 17 novembre 2025, OVHcloud a dévoilé sa Quantum Platform, présentée comme une solution européenne d'accès cloud à des ordinateurs quantiques, ou QaaS pour *Quantum as a Service*. Le principe est proche de ce que le cloud a apporté aux GPU : ne pas posséder la machine, mais envoyer un programme et payer son exécution.
La plateforme propose aussi quinze émulateurs, notamment Perceval et MerLin de Quandela, à partir de 0,03 € par heure. Un émulateur reproduit sur CPU ou GPU le comportement idéal ou bruité d'un circuit. Il reste classique, mais permet de développer et de répéter une expérience.
L'accès passe par un notebook Jupyter préconfiguré dans le navigateur. Un notebook est un document exécutable qui rassemble code, résultats et notes. On y choisit son kit de développement, par exemple Pulser pour Pasqal, Perceval pour Quandela ou Qiskit. Aucune configuration locale n'est nécessaire. Sur les QPU, la facturation est à la seconde, sans engagement, selon une logique pay-as-you-go.
On développe et règle le programme sur émulateur, où les essais sont bon marché et reproductibles, puis on envoie le job final sur la machine physique. L'émulation exacte devient très coûteuse à mesure que le nombre de qubits augmente : l'espace d'états croît exponentiellement.
**Feuille de route annoncée par un industriel.** OVHcloud annonce au moins huit QPU, dont sept européens, d'ici fin 2027. C'est une intention publiée, pas une capacité disponible au moment où ces lignes sont écrites.
## Douze photons et cent atomes
**Fait constaté aujourd'hui.** Le premier QPU disponible sur cette plateforme est Orion Beta de Pasqal, déployé depuis septembre 2025. Il utilise cent qubits constitués d'atomes neutres. Des lasers piègent ces atomes et permettent de les manipuler. Le 17 avril 2026, OVHcloud a annoncé la disponibilité de Belenos de Quandela : douze qubits photoniques, donc encodés dans des photons.
Ces deux machines ne se distinguent pas seulement par leur nombre de qubits. Elles incarnent deux physiques. Dans l'approche photonique de Quandela, l'optique linéaire manipule des photons à température ambiante dans des circuits intégrés en guides d'onde. La partie cryogénique est confinée aux détecteurs de photons uniques à nanofils supraconducteurs. Dans l'approche à atomes neutres, le calcul se construit par le contrôle spatial et laser des atomes.
Le raccourci « cent qubits est cent fois plus puissant qu'un qubit » est faux. Un registre de *n* qubits décrit un espace dont la taille croît en 2^n. Mais cet espace n'est utile que si un algorithme organise une interférence utile entre les états, et si les qubits restent cohérents assez longtemps. Sinon, ajouter des qubits ajoute aussi des sources de bruit.
Le bruit perturbe l'état quantique ; la décohérence est la perte de ce comportement sous l'effet de l'environnement ; la fidélité mesure la proportion d'opérations correctes. Elles déterminent la part du programme qui survit jusqu'au résultat.
## Ce qu'un QPU fait réellement aujourd'hui
Un QPU est un coprocesseur. Il ne stocke pas des fichiers, ne sert pas une page web et n'entraîne pas un modèle. Une machine classique prépare les données, formule le problème, appelle le QPU pour une partie précise, puis interprète le résultat. Le job quantique dure des millisecondes à des secondes ; le reste du système demeure classique.
Les usages étudiés sont l'optimisation combinatoire, les problèmes de graphes, la recherche opérationnelle, la chimie et la simulation moléculaire, ainsi que la recherche algorithmique. **Fait constaté aujourd'hui :** ce sont des champs de recherche et d'expérimentation. Un avantage pratique général n'est pas démontré à ce jour.
Le cas des atomes neutres donne une intuition concrète. Le problème du *Maximum Independent Set* ou MIS demande de choisir le plus grand ensemble de sommets d'un graphe sans prendre deux sommets reliés. Sur un graphe de disques unitaires, on peut placer les atomes aux positions des sommets. Le blocage de Rydberg interdit alors que deux atomes trop proches soient excités simultanément. La contrainte du problème est inscrite dans la géométrie même de la machine. MIS sur ces graphes est NP-complet : on ne connaît pas de méthode générale qui le résolve efficacement dans tous les cas.
Cette adéquation est réelle, mais bornée. Un graphe quelconque demande des « gadgets » de réduction pour être transposé dans cette géométrie. Ils consomment des atomes et ajoutent de la complexité expérimentale. La beauté du modèle ne dispense donc ni du coût d'encodage ni du test contre une méthode classique.
La correction d'erreurs construit un qubit logique fiable à partir de nombreux qubits physiques redondants, par exemple avec un code de surface. L'ordre de grandeur couramment évoqué est le millier de qubits physiques pour un qubit logique de très bonne qualité ; c'est un repère, pas un chiffre exact. En décembre 2024, Google a publié dans *Nature* une démonstration sous le seuil : agrandir le code réduisait le taux d'erreur logique. C'est une preuve de principe, pas une machine utile.
## Un terrain d'expérimentation chez SynapxLab
**Fait constaté aujourd'hui.** SynapxLab exploite un corpus juridique vectorisé avec BGE-M3. Un embedding est un vecteur numérique qui représente un segment de texte ; ici, chaque vecteur possède 1024 dimensions. Le corpus contient de l'ordre de 500 000 segments. Il est possible de construire un graphe sémantique : un sommet par segment, une arête lorsque leur similarité dépasse un seuil.
**Expérimentation possible et cadrée.** La chaîne pourrait suivre sept étapes. D'abord, les textes sont découpés en segments. Ensuite, BGE-M3 les encode. Troisièmement, on construit le graphe sémantique. Quatrièmement, on extrait un petit problème combinatoire : choisir des segments qui couvrent le plus de thèmes distincts sans redondance, sous une contrainte de budget de contexte. Cette sélection peut se formuler en MIS ou en QUBO, une formulation quadratique binaire, avec quelques dizaines de variables.
Cinquièmement, la même instance est résolue classiquement, par méthode gloutonne, recuit simulé ou solveur exact lorsque sa taille le permet. Sixièmement, on exécute ou expérimente la même formulation sur un QPU. Septièmement, on compare qualité de la solution, temps et coût, en ajoutant le coût de préparation que les démonstrations oublient souvent.
Le point essentiel est négatif : il ne s'agit pas d'envoyer des centaines de millions de tokens dans un QPU. L'encodage, le graphe et le filtrage restent des opérations classiques. Le QPU ne voit qu'un noyau combinatoire très petit. Il est peu probable que l'expérience donne aujourd'hui un gain de performance. Son livrable serait plutôt une interface : savoir découper un problème et le formuler de façon à pouvoir changer de moteur de calcul plus tard.
## Les limites physiques du silicium
Le silicium ne disparaît pas : il bénéficie d'une filière mature et de wafers de 300 mm. Mais la chaleur, la tension et la densité poussent l'électronique de puissance vers des matériaux à large bande interdite.
Les valeurs suivantes sont des ordres de grandeur issus de la littérature. Elles varient avec l'orientation cristalline et la qualité du matériau. La largeur de bande interdite indique notamment la capacité à tenir tension et température. La conductivité thermique indique la capacité à évacuer la chaleur. Le champ de claquage est la tension à partir de laquelle le matériau risque de conduire malgré lui.
| Matériau | Largeur de bande interdite | Conductivité thermique | Champ de claquage |
|---|---:|---:|---:|
| Silicium | ~1,1 eV | ~150 W/m·K | ~0,3 MV/cm |
| Carbure de silicium 4H (SiC) | ~3,3 eV | ~370-490 W/m·K | ~2,5-3 MV/cm |
| Nitrure de gallium (GaN) | ~3,4 eV | ~130-250 W/m·K | ~3,3 MV/cm |
| Diamant | ~5,5 eV | ~2 000-2 200 W/m·K | ~10 MV/cm |
SiC et GaN sont déjà industrialisés. Le diamant affiche des propriétés physiques remarquables, surtout pour la chaleur et les fortes tensions. Cela ne le place pas « devant » le silicium : il se situe une génération derrière SiC et GaN du point de vue de la filière industrielle.
## Ce que le diamant apporte et ce qu'il ne résout pas
**Fait daté.** À Zhengzhou, dans la province du Henan, Zhongke Fenyan porte un projet de base industrielle complète de semi-conducteurs de quatrième génération. L'investissement annoncé est de 1,5 milliard de yuans, soit environ 210 à 220 millions de dollars. Le projet prévoit 500 réacteurs MPCVD, pour dépôt chimique en phase vapeur assisté par plasma micro-ondes, et les 200 premiers sont prévus en service d'ici fin 2026. La production visée porte sur des wafers de diamant monocristallin de 2 à 4 pouces.
**Feuille de route annoncée par un industriel.** L'objectif affiché est environ 3 milliards de yuans de chiffre d'affaires en trois ans. Ce n'est pas un résultat. Et l'échelle reste sans commune mesure : 2 à 4 pouces de diamant monocristallin face aux wafers de silicium de 300 mm produits par millions.
La limite la plus structurante est le dopage de type n. Le dopage consiste à modifier volontairement un matériau pour contrôler ses porteurs de charge. Dans le diamant, le type n reste très difficile. Cela bloque une électronique complémentaire comparable au CMOS silicium, qui associe deux types de transistors. Le diamant n'est donc pas candidat au remplacement des processeurs en silicium.
Ses premiers terrains plausibles sont l'électronique de puissance, la radiofréquence, le radar, les systèmes militaires, la dissipation thermique des centres de données et les composants très denses. Le coût et l'absence de filière peuvent toutefois l'emporter.
## Transistors en diamant et puces refroidies par diamant
Il faut distinguer deux objets. Un transistor en diamant utilise le diamant comme matériau actif du composant. Il promet des qualités de tension et de température, mais rencontre les limites de dopage et de fabrication décrites plus haut. Une puce refroidie par du diamant reste une puce classique, posée sur ou associée à une pièce de diamant qui évacue sa chaleur. Cette seconde voie est plus proche d'un usage industriel à court terme.
**Fait publié.** Une équipe conjointe Fudan / Université de Pékin a rapporté dans *Nature Communications* des micro-LED InGaN de grande longueur d'onde reportées sur substrat diamant. Les bandes passantes de modulation annoncées sont de 2 850,4 MHz pour le jaune et 2 593,4 MHz pour le rouge, avec 0,056 pJ/bit et une liaison optique de 1,5 Gbit/s sur 1 mètre. Dans ce résultat, le diamant a un rôle thermique : l'échauffement tombe à 2 à 8 % de celui observé sur substrat de verre.
L'exemple est utile parce qu'il évite une confusion fréquente. Le diamant peut améliorer une puce sans devenir la puce. Kezhicheng fournit ainsi des diffuseurs thermiques ultra-fins en diamant de 3 pouces : ce sont des pièces de refroidissement, non des transistors. Pour les centres de données, où la chaleur et l'énergie sont déjà des contraintes lourdes, cette piste compte autant que la recherche d'un transistor entièrement nouveau. Notre dossier sur [l'infrastructure lourde de l'IA](/blog/colossus-ia-industrie-lourde/) en donne le contexte matériel.
## Le serveur hybride
La machine qui se dessine n'est pas une hiérarchie simple où le dernier composant remplace le précédent. C'est une composition. Le CPU conserve l'orchestration et la logique. Le GPU ou le NPU prend le calcul matriciel et l'IA. Un accélérateur photonique peut viser certaines opérations matricielles. Un QPU peut traiter certains noyaux combinatoires ou certaines simulations. Stockage et réseau sont eux aussi spécialisés. Les matériaux nouveaux servent à tenir les contraintes thermiques.
| Type de travail | Composant le plus adapté dans cette architecture | Limite à garder en tête |
|---|---|---|
| Orchestration et logique | CPU | Il reste le point de coordination |
| Calcul matriciel et IA | GPU ou NPU | Ne remplace pas les autres calculs |
| Certaines opérations matricielles | Accélérateur photonique | Usage ciblé |
| Noyau combinatoire ou simulation | QPU | Avantage pratique non démontré à ce jour |
| Chaleur et forte puissance | SiC GaN ou diamant selon le rôle | Le matériau ne dicte pas seul le calcul |
L'hybridation a un coût : déplacer les données, convertir le problème, vérifier le résultat et administrer plusieurs environnements. Un composant n'est utile que si son gain dépasse ce coût de bord.
## À quoi pourrait ressembler un serveur en 2035 ?
**Prospective assumée.** Un serveur de 2035 pourrait réunir CPU, GPU ou NPU, accélérateur photonique pour certains calculs matriciels, et accès distant à un QPU pour une classe restreinte de problèmes. Des diffuseurs en diamant pourraient équiper les zones les plus denses, et SiC ou GaN l'alimentation.
Chaque serveur ne recevra pas tous ces composants. Rien ne permet de garantir cette architecture ni son calendrier. Elle sert à poser les questions : quel calcul isoler, quelle interface conserver, quel coût mesurer ?
## Préparer les architectures de demain
Prendre de l'avance ne consiste pas à proclamer qu'une technologie est prête. Cela consiste à préparer les conditions qui rendent son adoption possible si elle devient pertinente. Pour le quantique, la première étape est de savoir extraire un noyau combinatoire petit, formalisable et comparable à une référence classique. Pour les matériaux, c'est de mesurer où la chaleur, la puissance ou la densité imposent une contrainte concrète.
L'analogie avec l'IA est éclairante. Avec des corpus propres, des API et des pipelines structurés, de nouveaux modèles s'intègrent en quelques semaines. Sans eux, il faut d'abord ranger les données et reconstruire les interfaces. L'enjeu est de substituer un moteur sans redessiner le système.
Dans ce cadre, les émulateurs quantiques ont un rôle raisonnable. Ils permettent de tester la formulation, de comparer les méthodes et d'écrire l'interface, sans attendre un QPU plus grand ni lui attribuer des résultats qu'il ne produit pas. Le jour où un accélérateur devient pertinent, le problème est déjà découpé, les métriques sont déjà définies et le comparatif classique existe.
## Conclusion
Le quantique et le diamant racontent une même transformation, mais à des rythmes très différents. Les QPU disponibles dans le cloud donnent un accès réel à des machines encore bruitées et limitées. Le diamant offre des qualités thermiques et électriques fortes, tout en restant freiné par son dopage, ses wafers et sa filière. Les confondre avec des remplaçants universels ferait perdre ce qu'ils ont de plus intéressant : leur spécialisation.
L'enjeu est de construire des logiciels capables d'appeler plusieurs moteurs et d'évaluer honnêtement leur résultat, leur temps et leur coût. Nous n'assistons pas à la disparition de l'ordinateur classique, mais à la fin de l'époque où un seul type d'ordinateur suffisait à tout faire.