Nvidia lance Ising, des modèles IA ouverts orientés quantique
Le 14 avril 2026, coïncidant avec la Journée mondiale de la physique quantique, Nvidia a dévoilé Ising, sa dernière famille de modèles d’IA ouverts taillée pour répondre aux besoins des opérations quantiques. Cette annonce marque une percée majeure dans l’accélération du calcul quantique, avec des performances jusqu’à 2,5 fois plus rapides et une précision triplée pour la correction d’erreurs.
Pourquoi Ising ? Le défi du bruit quantique
L’informatique quantique repose sur des qubits, ces unités de base qui peuvent représenter simultanément une superposition de tous les états compris entre 0 et 1. Contrairement aux bits classiques, les qubits physiques sont intrinsèquement sujets au bruit et aux erreurs. Selon Sam Stanwyck, directeur des produits quantiques chez Nvidia : « Aujourd’hui, les meilleurs processeurs quantiques commettent une erreur environ une fois toutes les mille opérations. Mais pour devenir des accélérateurs utiles dans le cadre de problèmes scientifiques et d’entreprise importants, ce chiffre doit passer à une erreur sur un trillion, voire moins. »
C’est là qu’intervient Ising. L’IA constituera le plan de contrôle ou le système d’exploitation des machines quantiques, permettant de combler l’écart entre les performances actuelles et les applications concrètes à grande échelle.
Ising Calibration : le vision-langage qui étalonne les qubits
Le premier composant de la gamme Ising est un modèle vision-langage (VLM) de 35B paramètres nommé Calibration. Ce modèle est conçu pour interpréter et réagir rapidement aux mesures provenant de processeurs quantiques, automatisant en continu les mesures d’étalonnage quantique par des agents IA.
L’automatisation apportée par Ising Calibration réduit le temps nécessaire à l’étalonnage de quelques jours à quelques heures seulement. Cette capacité est particulièrement précieuse pour les chercheurs et entreprises qui travaillent sur des systèmes quantiques complexes et nécessitent une calibration continue et précise.
Ising Decoding : la correction d’erreurs en temps réel
Le second composant, Ising Decoding, comprend deux variantes d’un modèle de réseau neuronal convolutif 3D optimisées chacune pour la vitesse et la précision. Les modèles font respectivement 0,9M ou 1,8M paramètres et sont destinés à effectuer un décodage en temps réel pour la correction d’erreurs quantiques.
Les résultats sont impressionnants : selon l’étude technique NVIDIA, les modèles Ising Decoding sont jusqu’à 2,5 fois plus rapides et 3 fois plus précis que pyMatching, l’actuel standard open source de l’industrie pour la correction d’erreurs quantiques.
Marché quantique : 1,9 Md$ en 2025 vers 3 Md$ en 2028
L’annonce survient dans un contexte de croissance explosive du marché quantique. Selon le rapport QED-C State of Global Quantum Industry 2026, le marché mondial du quantique a atteint 1,9 Md$ en 2025, tandis que les effectifs mondiaux spécialisés exclusivement dans le quantique ont augmenté de 14 %.
Le consortium prédit une croissance annuelle de 30 % pour atteindre 3 Md$ d’ici 2028. Nvidia compte jouer un rôle clé dans cette évolution : « Notre leadership en matière d’IA va directement accélérer la mise au point d’ordinateurs quantiques utiles », affirme Stanwyck. « Les mêmes GPU qui font tourner l’IA mondiale peuvent faire fonctionner le control plane du matériel quantique. »
Écosystème Ising : GitHub, NIM et clients déjà équipés
Outre les modèles eux-mêmes, Nvidia propose un écosystème complet autour d’Ising :
- Le repository officiel sur GitHub
- Des microservices NIM pour accompagner le développement
- Un guide de flux de travail pour l’informatique quantique
- Des données d’entraînement et des recettes pour intégrer cela dans des workflows agentiques
Déjà, plusieurs acteurs majeurs ont adopté Ising : Atom Computing, le Fermi National Accelerator Laboratory, la Harvard John A. Paulson School of Engineering and Applied Sciences, l’université Cornell, IonQ, IQM Quantum Computers et bien d’autres institutions académiques et laboratoires de recherche.
Comparatif : Ising dans le portfolio open source NVIDIA
Ising s’ajoute à une famille déjà réputée de modèles ouverts Nvidia :
- Nemotron pour les systèmes IA agentique spécialisés
- Cosmos pour les systèmes d’IA physique
- Isaac GR00T pour la robotique
- Clara pour les modèles biomédicaux et sciences de la vie
- Apollo pour la physique de l’IA
- Alpamayo pour les véhicules autonomes
Tous ces modèles, ainsi que des données et frameworks associés, sont disponibles sur GitHub, Hugging Face et build.nvidia.com, offrant aux développeurs un contrôle total sur leurs données et leur infrastructure.
FAQ
Qu’est-ce qu’Ising Calibration ?
C’est un modèle vision-langage (VLM) de 35B paramètres capable d’interpréter et de réagir aux mesures provenant de processeurs quantiques, automatisant en continu les mesures d’étalonnage quantique par des agents IA.
Quelle est la performance réelle d’Ising Decoding ?
Jusqu’à 2,5 fois plus rapide et 3 fois plus précis que pyMatching pour la correction d’erreurs quantiques des qubits logiques, selon l’étude technique NVIDIA publiée sur leurs serveurs cloud.
Ising est-il vraiment open source ?
Oui, Ising est disponible sous licence permissive sur GitHub (NVIDIA/ising-models) et Hugging Face. Les modèles peuvent également être exécutés localement sur les systèmes des chercheurs.
Comment accéder aux modèles Ising ?
Trois voies principales : le repository GitHub officiel, la documentation développeur sur build.nvidia.com/ising, ou via les microservices NIM pour un déploiement simplifié avec tuning et inférence.
Qui utilise déjà Ising ?
Déjà adoptés : Atom Computing, Fermi National Accelerator Laboratory, Harvard Engineering, Université Cornell, IonQ, IQM Quantum Computers, Conductor Quantum, EeroQ et plusieurs autres laboratoires académiques et entreprises spécialisées.
Sources : Le Monde Informatique (14 avril 2026), NVIDIA Press Release.
