Du machine learning pour traiter les big data très volumineuses

L'analyse topologique des big data se heurte à une barrière computationnelle vertigineuse : un jeu de données avec 300 points possède 2^300 sous-ensembles possibles, ce qui requerrait selon Seth Lloyd, auteur principal, un ordinateur disposant d'autant d'unités de traitement qu'il existe de particules dans l'univers. C'est actuellement impossible à résoudre par les méthodes classiques.

Les chercheurs proposent de mobiliser l'informatique quantique, où l'information est encodée en qubits capables d'états superposés (0, 1, ou les deux simultanément). Pour le même jeu de 300 points de données, il suffirait alors d'un ordinateur quantique à 300 qubits — une capacité attendue dans les prochaines années. La topologie, branche de la géométrie qui identifie les propriétés invariantes même sous distorsion, s'avère particulièrement utile pour extraire les caractéristiques essentielles de structures complexes comme les réseaux électriques ou Internet.

Cette approche pourrait s'appliquer à l'analyse de l'économie mondiale, des réseaux sociaux, ou de tout système impliquant le transport à longue distance de biens ou d'informations. Des tests de faisabilité sont déjà en cours.