Numérique

Alain Connes, éminent mathématicien français et lauréat de la médaille Fields en 1982 pour ses contributions majeures à la théorie des algèbres de von Neumann, s'est exprimé publiquement sur les enjeux éthiques et sociétaux liés à l'intelligence artificielle.

Dans son intervention sur France Info, le chercheur a souhaité alerter l'opinion publique sur les risques potentiels du développement accéléré de l'IA, mettant en avant la nécessité de préserver certaines valeurs face à cette évolution technologique.

Microsoft propose un kit de développement quantique gratuit conçu pour démocratiser l'accès à la programmation quantique. Il inclut le langage Q#, spécialement créé pour l'informatique quantique, et s'intègre étroitement avec Visual Studio pour faciliter la prise en main. Le kit permet de simuler jusqu'à 30 qubits logiques sur un ordinateur classique et plus de 40 qubits via le cloud Azure.

L'outil offre des ressources pédagogiques pour découvrir des concepts clés comme la téléportation quantique, qui transmet l'état quantique d'une particule de manière sécurisée. Le code développé n'aura pas besoin de modification pour fonctionner ultérieurement sur l'ordinateur quantique topologique que Microsoft développe actuellement.

Microsoft rejoint ainsi IBM dans cette course au développement d'outils quantiques accessibles. Ces plateformes visent à préparer les développeurs aux applications futures de l'informatique quantique dans l'IA, la climatologie et la modélisation moléculaire, où les gains de temps de calcul seraient révolutionnaires.

Selon les données actuelles, la Chine s'impose comme le leader incontesté des supercalculateurs, surpassant nettement les États-Unis en puissance de calcul globale. Ces machines ultra-puissantes sont capables de traiter les algorithmes les plus complexes à une vitesse extraordinaire, ce qui les rend essentielles pour de nombreux domaines stratégiques.

Les applications des super-ordinateurs couvrent des enjeux majeurs : modélisation du changement climatique, prospection pétrolière et développement technologique militaire. Cette suprématie chinoise en calcul haute performance reflète un investissement massif dans les infrastructures numériques et constitue un avantage compétitif significatif en recherche scientifique et innovation technologique.

IBM annonce une avancée majeure dans le développement de processeurs quantiques : un premier prototype opérationnel de 50 qubits. Parallèlement, l'entreprise s'engage à mettre à disposition de ses clients un second ordinateur quantique équipé d'un processeur de 20 qubits, basé sur des qubits supraconducteurs améliorés fonctionnant à 15 millikelvins.

Cette progression s'inscrit dans une dynamique d'accélération. Depuis le lancement de sa plateforme Cloud Computing dédiée au calcul quantique en mai 2016, IBM a augmenté progressivement la capacité de ses processeurs : 5 qubits initialement, puis 16 qubits un an après. La plateforme IBM Q a déjà séduit plus de 60 000 utilisateurs qui ont réalisé plus de 1,7 million d'expériences de manipulation de qubits.

Le document transmis ne contient aucune information substantielle sur le sujet annoncé par le titre. Il s'agit uniquement de l'interface d'accès au site (gestion des cookies, menus de navigation, rubriques). Le contenu réel de l'article sur le rapport Villani, sa date de publication, ses enjeux et ses détails n'est pas accessible dans le texte fourni. Une évaluation de pertinence ne peut être effectuée sans accès au contenu éditorial réel.

Le machine learning permet aux systèmes d'apprendre de nouveaux comportements grâce à l'analyse de données et à des modèles mathématiques. Sa véritable valeur dépend des objectifs fixés : certaines organisations en feront un différenciateur stratégique (comme Google ou l'e-commerce), tandis que d'autres l'utiliseront pour réduire les coûts opérationnels. Pour la majorité des entreprises, il deviendra simplement un instrument pratique plutôt qu'une compétence clé.

La contextualisation des algorithmes s'avère cruciale : un modèle généralisé doit être entraîné sur des données fortement adaptées à chaque infrastructure. Cette adaptation ne peut pas être ponctuelle, elle doit être continue. Les défis deviennent alors organisationnels et techniques : mettre en place des flux de données continus, collecter dynamiquement les informations d'entraînement, et maintenir à jour les modèles au fur et à mesure de l'évolution de l'infrastructure. Sans cette démarche d'amélioration constante, les algorithmes risquent d'accélérer les défaillances plutôt que de créer de la valeur.

Des mathématiciens et ingénieurs de l'université technique du Danemark ont développé un algorithme capable de gérer un milliard de voxels pour optimiser des structures de grande taille, là où les méthodes existantes se limitaient à quelques millions. En le faisant tourner sur le supercalculateur Curie du CEA pendant plusieurs jours, ils ont pu appliquer cette technique d'optimisation topologique à une aile complète de Boeing 777, exploitant les données géométriques et aérodynamiques publiques de la Nasa.

Le programme ajoute et répartit itérativement la matière pour maximiser la rigidité tout en minimisant le poids. Après une centaine d'itérations, le résultat est frappant : l'algorithme reproduit spontanément des structures naturelles connues, comme des longerons courbés et des microstructures poreuses aux bords d'attaque et arrière, rappelant la géométrie interne des os d'oiseau. Cette convergence entre optimisation numérique et sélection naturelle valide une théorie établie : pour une rigidité maximale, la matière doit être répartie de manière poreuse plutôt que concentrée.

L'aile optimisée serait 2 à 5 % plus légère qu'une aile conventionnelle, ce qui représenterait une économie de 40 à 200 tonnes de carburant par avion et par année. Bien que les techniques actuelles de fabrication ne permettent pas encore de réaliser ces structures avec la précision requise, les imprimantes 3D métal pourraient le permettre d'ici une dizaine d'années selon les experts.

Créé en 1995 par la NSA, l'algorithme de hachage SHA-1 génère une empreinte unique à partir de données arbitraires, permettant authentification, signatures électroniques et sécurisation des transactions. Bien que des failles théoriques aient été identifiées dès 2005, le NIST n'a recommandé son abandon qu'en 2011, la puissance de calcul requise restant inatteignable.

Les chercheurs de Google Research et CWI Amsterdam viennent de concrétiser l'exploit en produisant deux fichiers PDF différents partageant la même empreinte SHA-1. Appelée SHAttered, cette collision a nécessité 9 milliards de milliards d'itérations, équivalent à 6 500 ans de calcul CPU ou 110 ans de calcul GPU. Elle expose un risque majeur : apposer une même signature électronique sur deux documents différents pour perpétrer des fraudes.

Malgré l'abandon par les grands acteurs (Google, Microsoft, Mozilla), SHA-1 demeure largement déployé : 35 % des sites web l'utilisent dans leurs certificats, 10 % des systèmes de paiement bancaire s'en servent, et GIT repose dessus. Les chercheurs publieront le code source de l'attaque dans 90 jours et proposent un outil de détection sur shattered.io.