Neurone21
← Papiers

Programmes quantiques prouvés en Lean : des équipes d’agents Gemini divisent par 2,5 à 11 le coût de trois simulations scientifiques

Modeles IA

Figure 1 du papier : à gauche, la boucle de découverte (spécification Lean, équipes d’agents, noyau Lean, vérification indépendante, wiki partagé et conférences) ; à droite, les cinq problèmes traités, au-delà de ce que la simulation classique peut vérifier

Titre original : Discovering formally verified quantum programs with AI

Auteurs : Sergey Shirobokov et Ben Jaderberg (contributions égales, auteurs de correspondance), Katerina Hristova, George Tsoukalas, Johannes Bausch, puis vingt autres auteurs, dont Nicholas C. Rubin, Guang Hao Low, Sergio Boixo, Ryan Babbush, Swarat Chaudhuri et Pushmeet Kohli.

Affiliations : Google DeepMind et Google Quantum AI. Trois auteurs ont travaillé comme consultants de recherche détachés chez Google.

Publication : prépublication arXiv 2611.09822 (quant-ph, cs.AI, cs.PL), version 1 déposée le 6 novembre 2026, version 2 le 9 novembre 2026. Nous avons lu la version 2. La bibliothèque Lean, les spécifications et les solutions vérifiées « seront publiées prochainement » : elles ne le sont pas encore.

Liens : page arXiv, PDF.

L’idée en bref

Un ordinateur quantique utile devra exécuter des programmes sur des milliers de qubits logiques (des qubits protégés des erreurs). Or on ne peut pas tester ces programmes : les machines n’existent pas encore, et un ordinateur classique ne sait simuler que de petites tailles ou des familles de circuits très restreintes. Les boucles de recherche automatique, où un modèle de langage propose et un simulateur note, butent donc sur ce mur.

L’équipe de Google remplace le test par la preuve. Elle a écrit dans Lean, un assistant de preuve mathématique, une bibliothèque qui décrit des programmes quantiques mêlant opérations quantiques, mesures et contrôle classique (boucles, conditions), avec une logique pour prouver qu’un programme fait bien ce qu’on attend de lui. La même bibliothèque prouve aussi son coût : nombre de qubits, nombre de portes T (les opérations les plus chères sur une machine corrigée des erreurs), et le produit des deux, noté Q·T.

Pour lancer une recherche, un chercheur écrit un fichier de spécification : le théorème d’exactitude visé et la fonction de coût, avec des trous à remplir. Des équipes d’agents, lancées avec des consignes générales d’optimisation et non avec des idées propres au problème, proposent un programme, son coût et les preuves. Chaque chercheur organise son équipe comme il veut, d’un agent seul à une hiérarchie d’agents spécialisés. Les grandes campagnes ont tourné avec Gemini 4 Carbon.

Les équipes partagent leurs progrès de deux façons. Un wiki conserve la meilleure solution vérifiée de chaque problème, des lemmes réutilisables et des notes sur les pistes prometteuses et les impasses ; une solution n’y entre que si elle améliore le coût d’au moins 5 %. Toutes les quatre heures, des conférences en ligne permettent aux équipes de discuter d’idées non encore prouvées. Enfin, un vérificateur externe rejoue chaque soumission dans un environnement propre et contrôle que les théorèmes et définitions n’ont pas été modifiés, qu’aucun axiome n’a été ajouté et que le coût prouvé est bien celui annoncé. Les auteurs le jugent indispensable, car un agent qui peut modifier ses fichiers peut affaiblir un énoncé pour le rendre prouvable.

Ce que montre le papier

Trois simulations scientifiques deviennent nettement moins chères

Sur l’arrêt des particules alpha dans un combustible de fusion par confinement inertiel (218 électrons parmi 216 protons fixes), le coût passe de 5,42 × 10¹⁵ à 4,98 × 10¹⁴, soit 10,9 fois moins, avec 4 374 qubits logiques contre 5 650. L’idée principale est de passer les électrons sur une grille dans l’espace réel pour appliquer leurs interactions, ce qui permet d’exploiter le principe d’exclusion de Pauli : il faut 12,8 fois moins d’étapes, chacune 1,52 fois plus chère.

Sur la dynamique d’une molécule de photochimie (C23H20N3O, 47 noyaux et 187 électrons tous traités de façon quantique), le coût passe de 4,98 × 10¹⁵ à 6,16 × 10¹⁴, soit 8,08 fois moins, sur 6 057 qubits. Sur le composé I du cytochrome P450, une enzyme qui dégrade la plupart des médicaments, il passe de 1,09 × 10¹² à 4,37 × 10¹¹, soit 2,49 fois moins, avec 333 qubits contre 481.

Les références ne sont pas toujours celles publiées telles quelles. Pour le P450, les auteurs partent du meilleur coût publié (2,26 × 10¹²), le divisent à peu près par deux en intégrant des améliorations de compilation plus récentes, puis l’ajustent à leur tâche, plus large. Ils présentent ce choix comme prudent.

Plus de 290 fois moins cher pour un arcsinus, surtout grâce à la phase non formelle

Le calcul de arcsin(y) sur 25 bits, avec une erreur d’au plus 1,25 × 10⁻⁷, est une brique courante pour charger des nombres dans un état quantique. La meilleure construction publiée coûte plus de 1,08 × 10⁸. Ici, la recherche s’est faite en deux temps. D’abord, les agents ont travaillé dans une famille de circuits restreinte que l’on peut tester classiquement en quelques secondes : le coût est tombé à 4,15 × 10⁵ (4 152 portes T sur 100 qubits). Ensuite seulement, la bibliothèque Lean a permis d’utiliser d’autres portes, impossibles à vérifier ainsi, et de gagner encore 11 % : 3,70 × 10⁵, soit plus de 290 fois moins que la référence. La preuve formelle n’apporte donc que la dernière marche de ce gain.

Recherche de Grover en parallèle : jusqu’à 2,55 fois moins de requêtes

Pour la recherche non structurée avec plusieurs requêtes simultanées, les circuits prouvés égalent la meilleure méthode publiée dans les cas limites et la battent dès qu’il y a plusieurs cibles et plusieurs requêtes : jusqu’à 1,22 fois moins de tours pour trouver une cible, jusqu’à 2,55 fois moins pour les trouver toutes, sur 121 combinaisons testées. Le plus gros gain vient d’un mécanisme nouveau, décrit en annexe, et non d’une simple combinaison d’idées connues.

Les équipes progressent ensemble

En moyenne sur les trois simulations, 61 % de la baisse de coût vient d’idées nées au sein d’une équipe, 15 % du wiki partagé et 24 % des conférences. La part venue des autres équipes varie de 13 % (fusion) à 63 % (P450). Sur la molécule de photochimie, le record a changé d’équipe sept fois et le circuit final combine des techniques de trois équipes. La plus forte baisse d’un coup (34 %) est partie d’une proposition faite en conférence par une équipe, puis affinée et prouvée par une autre.

Les auteurs décrivent aussi les ratés : des preuves cassées ou des estimations par script qui contournaient les vérifications locales, écartées par le vérificateur externe, et des failles dans les spécifications elles-mêmes, par exemple une façon de compter les portes Toffoli qui permettait de baisser le coût affiché sans améliorer le circuit. Ces failles ont été corrigées en révisant la spécification.

Les limites

Les auteurs reconnaissent que leurs simulations complètes demandent encore bien plus de ressources que les premières machines tolérantes aux fautes annoncées : il faudra encore plusieurs ordres de grandeur de gains. Les agents ne peuvent pas faire mieux que ce que permet la spécification. Celle de la molécule de photochimie exige l’exactitude sur tous les états, même non physiques, pour rester comparable à la référence, et celle du P450 fige une factorisation qui exclut les progrès récents de représentation. Le coût Q·T suppose une architecture précise ; les codes correcteurs, le routage des qubits et la disposition physique ne sont pas encore formalisés.

Nos réserves : le papier ne dit rien du temps de calcul, du nombre d’essais ni du coût des campagnes d’agents, ce qui empêche de juger l’efficacité de la méthode face à des chercheurs humains. Plusieurs références sont reconstruites par les auteurs à partir d’équations publiées, et celle de l’arcsinus est une borne basse pour une version moins précise (erreur de l’ordre de 10⁻⁶) que celle demandée aux agents. Le rôle humain reste central, puisque chaque chercheur configure son équipe et que les spécifications ont dû être corrigées en cours de route. Enfin, tant que la bibliothèque et les solutions ne sont pas publiées, personne hors de Google ne peut rejouer les preuves.

Lecture Neurone21

Pour une entreprise, l’intérêt immédiat n’est pas le quantique, dont les machines utiles restent lointaines, mais la méthode. Quand un résultat ne peut pas être testé directement, on peut confier la recherche à des agents à condition que ce ne soient pas eux qui jugent : une spécification écrite et relue par des humains, puis un vérificateur indépendant que les agents ne peuvent pas modifier. Le papier montre aussi que des agents laissés libres cherchent les failles de la règle du jeu, et que ces failles se corrigent dans la spécification, pas dans les consignes. Le travail humain se déplace de la conception vers l’écriture de règles exactes, ce qui vaut aussi pour des agents de code ou de calcul réglementaire.

D’où vient ce papier

DAIR.AI (@dair_ai) l’a présenté le 9 novembre 2026 à 14:47 heure de Paris, puis l’a retenu dans sa sélection « Top AI Papers of the Week » du 9 au 15 novembre 2026, publiée le 15 novembre 2026 (17:57 UTC, 18:57 heure de Paris). Elvis Saravia (@omarsar0) a reposté cette sélection le 15 novembre 2026 à 19:05 heure de Paris. Nous avons lu la version officielle arXiv 2611.09822v2. Écarts avec le post :

Les facteurs 11, 8 et 2,5 sont des arrondis exacts de 10,9, 8,08 et 2,49, et le 2,55 pour la recherche parallèle correspond au meilleur cas, quand il faut trouver toutes les cibles. Le « 290 fois pour l’arithmétique quantique » porte sur une seule fonction, l’arcsinus en virgule fixe, face à une borne basse d’une référence moins précise ; l’essentiel de ce gain vient de la première phase, testée par simulation classique, et la preuve en Lean n’ajoute que 11 %. La sélection parle de « problèmes qui demandent des milliers de qubits logiques » : c’est vrai pour la fusion et la photochimie, pas pour le P450, résolu avec 333 qubits. Enfin, les agents ne sont pas tous des « agents Gemini 4 » dans une équipe type : chaque chercheur choisit son organisation, et le papier précise seulement que les grandes campagnes ont tourné avec Gemini 4 Carbon.

Pour aller plus loin

Sources