Quantifier la valeur de l’informatique quantique dans les services financiers

Le département américain de l’énergie a déclaré cette semaine qu’il dépenserait 625 millions de dollars au cours des cinq prochaines années pour développer une douzaine de centres de recherche consacrés à l’intelligence artificielle (IA) et à l’informatique quantique. 340 millions de dollars supplémentaires proviendront du secteur privé et du milieu universitaire, réunissant l’Oncle Sam avec IBM, Amazon et Google pour appliquer la plus haute technologie de pointe à une variété de secteurs verticaux et d’applications.

Dans une interview avec Karen Webster, le Dr Stefan Wörner, leader mondial de la finance quantique et de l’optimisation chez IBM, a déclaré que nous nous rapprochions du passage du Rubicon de l’informatique quantique du concept aux applications du monde réel.

Le principe de base de l’informatique quantique est qu’il peut s’attaquer à des tâches avec une vitesse aveuglante et une précision précise qui ne sont pas possibles avec des ordinateurs «ordinaires». Dans un exemple célèbre, un ordinateur quantique de Google à la fin de l’année dernière aurait résolu une équation en quelques minutes qu’il aurait fallu 10000 ans aux ordinateurs les plus rapides actuels.

IBM n’est qu’un nom technologique de renom développant des logiciels d’informatique quantique, mais IBM Quantum a déclaré la semaine dernière qu’il avait fait des progrès dans l’amélioration du matériel et des logiciels pour augmenter les performances de l’informatique quantique.

De même, Amazon Web Services a récemment annoncé la disponibilité générale d’Amazon Bracket, conçu pour tester et simuler des algorithmes sur des ordinateurs quantiques simulés.

Réduire les faux positifs des IF

Explorant les façons dont l’informatique quantique peut dynamiser le secteur financier, Wörner a déclaré à Webster qu’il y avait trois domaines d’intérêt: l’optimisation, l’apprentissage automatique (ML) et les simulations dites «de Monte Carlo».

«Dans chacun de ces domaines, il existe certains algorithmes qui, selon nous, pourraient avoir le potentiel d’aider – non seulement en termes d’accélération des choses, mais aussi en termes d’amélioration de la qualité des résultats», a-t-il déclaré.

Cela peut s’étendre au ML, où la classification et la segmentation des clients des services financiers (ou «cotes de risque») peuvent être améliorées, tout comme la détection des fraudes.

Wörner a noté que «un gros problème dans la détection de la fraude, par exemple, est la fraude par carte de crédit. S’il y a un faux positif, alors l’entreprise doit faire un suivi et découvrir ce qui se passe, ce qui conduit alors à un travail manuel »de la part de l’institution financière (IF).

Et l’autre côté de la médaille est la perte de réputation, car les IF souffrent de la colère des clients lorsque leurs cartes sont bloquées en raison de faux positifs.

Les limites de l’informatique classique

Dans un scénario «classique», une analyse typique cherche à prendre des données et à former des structures au sein de ces données, en les mappant à un espace «de caractéristiques dimensionnelles» supérieur. Cela signifie prendre un ensemble de données et le mapper à un autre ensemble de données qui a encore plus de fonctionnalités.

«C’est ce que fait l’IA», a déclaré Wörner. Mais il a ajouté que des problèmes peuvent survenir lors de la cartographie des données sur des cartes d’entités toujours plus grandes. La puissance de calcul régulière se heurte à des limites lorsqu’elle ne peut plus évaluer efficacement le mappage des fonctionnalités.

C’est là que l’informatique quantique peut intervenir. Comme il l’a expliqué à Webster, l’informatique quantique peut prendre un point de données classique d’une certaine dimension et appliquer une carte de caractéristiques quantiques qui mappe ce point vers un état quantique de très grande dimension.

Tout est question de Qubits

La règle de base pour l’informatique quantique se résume à des «qubits» (abréviation de «bits quantiques») qui alimentent réellement ces systèmes. Nous aurons besoin de beaucoup de qubits pour réaliser le potentiel quantique.

«De cette façon, nous pouvons détecter des structures plus complexes dans les données ou améliorer la qualité de la classification», a déclaré Wörner. «Et selon l’application [withing financial services], cela peut aider à réduire les faux positifs. »

Mais il a dit que cela pourrait prendre quelques années avant que nous n’obtenions ces avantages. Après tout, les qubits sont au moins aujourd’hui sujets à du «bruit» et des erreurs qui les rendent très fragiles. Wörner a déclaré que nous ne pouvons pas encore contrôler parfaitement les ordinateurs quantiques. Même si nous avons 50 qubits disponibles, ce bruit signifie que les calculs ne sont pas aussi précis qu’ils pourraient l’être autrement.

Attaquez-vous à un problème matériel. Wörner a déclaré que l’amélioration du matériel peut améliorer la situation de bruit et augmenter le nombre de qubits sur les circuits.

Cependant, l’investissement nécessaire pour faire ce grand saut dans l’informatique quantique pourrait faire réfléchir les banques – en partie parce que le retour sur investissement peut sembler si difficile à calculer. Mais comme Wörner l’a dit à Webster: «C’est ce qui rend l’adhésion à un écosystème si précieux.»

Il a évoqué le réseau IBM Q, qui rassemble diverses parties prenantes. Wörner a ajouté que l’effort conjoint annoncé cette semaine entre les secteurs public et privé peut servir de vents favorables à l’expansion de la puissance de calcul. Il a déclaré qu’IBM collaborait avec des banques pour développer des algorithmes et des applications via des logiciels open source.

Dans l’ensemble, les avantages pour les banques à mesure que l’informatique quantique devient mieux définie et pratique peuvent se répercuter sur les résultats. Plus les banques peuvent quantifier leur risque avec précision, moins elles doivent détenir de capital pour amortir ce risque (et, par exemple, les pertes sur prêts). Cela signifie que les IF peuvent effectivement déployer des capitaux ailleurs.

L’importance des simulations de Monte Carlo

Exécuter des simulations Monte Carlo sur des ordinateurs classiques prendrait des heures, voire des jours. Cependant, ils peuvent être réalisés en quelques secondes avec l’informatique quantique et d’énormes ensembles de données.

Une meilleure analyse des risques présente également l’avantage de répondre aux préoccupations des régulateurs, car les IF peuvent identifier les risques et y faire face de manière proactive.

Et après?

Pour l’avenir, Wörner a déclaré que son entreprise et l’IBM Q Network cherchaient à faciliter l’accès des parties prenantes aux ordinateurs quantiques via le cloud.

Le réseau Q cherchera idéalement à permettre l’accès aux ressources quantiques sur le cloud pour des applications spécifiques sans qu’il soit nécessaire d’être un expert en informatique quantique. Comme l’a dit Wörner: «Nous entrons dans la décennie de l’avantage quantique.»