Un « problème quantique » résolu par une machine classique
Selon Quanta Magazine, une équipe menée par Garnet Kin-Lic Chan, au California Institute of Technology, affirme avoir franchi une étape importante dans la simulation de la nitrogénase, une enzyme essentielle à la fixation de l’azote. Le point clé : le calcul n’a pas nécessité d’ordinateur quantique. Il a été réalisé avec des méthodes classiques de chimie numérique, appliquées de manière extrêmement raffinée à un modèle du cofacteur fer-molybdène, ou FeMo-co, le cœur catalytique de l’enzyme.
Le résultat scientifique à l’origine de l’article de Quanta est un preprint publié sur arXiv le 8 janvier 2026 par Huanchen Zhai, Chenghan Li, Xing Zhang, Zhendong Li, Seunghoon Lee et Garnet Chan. Il ne s’agit donc pas encore d’un article évalué par les pairs. Mais il est suffisamment détaillé, avec 89 pages et 34 figures, pour relancer un vieux débat : les ordinateurs quantiques sont-ils vraiment indispensables pour résoudre les problèmes de chimie les plus difficiles, ou certains de ces problèmes ont-ils surtout besoin de meilleures approximations classiques ?
Le signal médiatique initial vient de Quanta Magazine, relayé par Google Actualités. Google Actualités est ici un agrégateur, pas une source indépendante. Le recoupement repose plutôt sur le preprint lui-même, sur un billet explicatif de Garnet Chan publié par Quantum Frontiers, et sur la littérature scientifique antérieure, notamment l’article de 2017 dans Proceedings of the National Academy of Sciences qui avait popularisé la nitrogénase comme cas d’usage emblématique du calcul quantique.
Pourquoi la nitrogénase fascine autant les chimistes
La nitrogénase transforme l’azote atmosphérique, très stable sous forme N₂, en ammoniac, une forme utilisable par le vivant. Sans cette réaction, une grande partie du cycle biologique de l’azote serait impossible. Dans l’industrie, le procédé Haber-Bosch accomplit une tâche apparentée à grande échelle pour produire des engrais, mais au prix de températures, pressions et infrastructures énergétiques considérables.
Dans l’enzyme, la réaction se joue autour du FeMo-co, un agrégat complexe de fer, molybdène, soufre, carbone et homocitrate. Les revues de Chemical Reviews rappellent que le mécanisme exact de réduction de l’azote reste énigmatique, malgré des décennies de cristallographie, de spectroscopie et de modélisation. C’est précisément cette combinaison d’importance biologique, de complexité électronique et de pertinence industrielle qui a fait du FeMo-co un objet mythique.
Le problème est que ses électrons ne se comportent pas comme dans une petite molécule simple. Plusieurs électrons non appariés peuvent adopter différentes configurations de spin et d’occupation orbitale. L’état fondamental du système — sa configuration électronique de plus basse énergie — est une superposition de nombreuses possibilités. C’est le genre de situation où l’intuition populaire dit : « Puisque la nature est quantique, il faut un ordinateur quantique pour la simuler. »
Le benchmark quantique né en 2017
En 2017, Markus Reiher, Nathan Wiebe, Krysta Svore, Dave Wecker et Matthias Troyer publiaient dans PNAS un article montrant comment un ordinateur quantique pourrait aider à élucider les mécanismes réactionnels de systèmes chimiques complexes, avec la nitrogénase comme exemple central. Plusieurs auteurs étaient liés à Microsoft Research, ce qui n’invalide pas le travail, mais rappelle que l’article s’inscrivait aussi dans un moment où les grands laboratoires cherchaient des cas d’usage concrets pour justifier la course au quantique.
Ce papier a eu un effet structurant. Le FeMo-co est devenu un benchmark de choix pour estimer les ressources nécessaires à des algorithmes de chimie quantique sur ordinateurs quantiques tolérants aux fautes. Il offrait une cible compréhensible : calculer l’énergie de l’état fondamental d’un modèle suffisamment riche pour refléter la complexité du cofacteur.
Mais la cible n’était pas la nitrogénase entière, ni même le mécanisme complet de la réaction. C’était un modèle. Et c’est là que la nuance devient cruciale. Dans son billet sur Quantum Frontiers, Chan insiste sur ce point : un modèle en 54 orbitales utilisé dans les premières estimations quantiques s’est révélé trop facile classiquement, car il ne capturait pas les traits électroniques les plus difficiles. Son groupe a ensuite proposé un modèle plus exigeant, à 76 orbitales, souvent décrit comme équivalent à 152 qubits dans le langage du calcul quantique.
Ce que Chan et ses collègues ont réellement accompli
Le preprint de janvier 2026 affirme avoir calculé l’énergie de l’état fondamental de ce modèle à une précision de l’ordre de la « précision chimique », soit environ 1 kilocalorie par mole. C’est un seuil conventionnel important en chimie computationnelle : assez précis pour comparer des énergies réactionnelles avec un sens chimique.
La prouesse ne vient pas d’une force brute naïve. Les chercheurs ont exploité des méthodes classiques avancées, notamment des stratégies de filtrage, des approximations de type réseau de tenseurs et des approches inspirées de la chimie quantique multiréférence. Au lieu d’essayer d’énumérer toutes les configurations possibles de manière aveugle, ils ont identifié les configurations électroniques plausibles, les ont classées à différents niveaux de théorie, puis ont concentré les calculs coûteux sur les meilleures candidates.
En langage plus simple : le système n’était pas un brouillard quantique totalement incompressible. Il ressemblait davantage à un paysage avec plusieurs configurations concurrentes, mais compréhensibles avec les bons outils. Cette distinction est fondamentale. Elle ne nie pas la mécanique quantique ; elle montre que certaines structures quantiques naturelles peuvent être compressées et approchées efficacement par des algorithmes classiques.
Le mythe de la suprématie quantique en chimie
Le résultat ne signifie pas que les ordinateurs quantiques sont inutiles. Il attaque plutôt une version trop simplifiée du récit : « la chimie complexe est hors de portée du classique, donc le quantique gagnera nécessairement ». Une étude de Nature Communications publiée en 2023, à laquelle participaient notamment Chan, Ryan Babbush et John Preskill, examinait déjà les preuves d’un avantage quantique exponentiel pour l’état fondamental en chimie. Sa conclusion était prudente : les preuves d’un avantage exponentiel généralisé restent insuffisantes pour les problèmes chimiques réalistes étudiés.
Cette prudence devrait être centrale dans la couverture technologique. Depuis l’expérience Sycamore de Google publiée dans Nature en 2019, la « suprématie quantique » est devenue un slogan puissant. Mais cette expérience portait sur un échantillonnage de circuits aléatoires, pas sur une application industrielle directe. Elle a ensuite stimulé des progrès rapides en simulation classique, ce qui montre que chaque démonstration quantique redéfinit aussi la frontière du calcul classique.
Le cas de la nitrogénase est encore plus instructif : il ne s’agit pas d’un problème artificiel conçu pour avantager une puce quantique, mais d’un vrai problème de chimie. Si un cas aussi symbolique peut être partiellement ramené dans le domaine du calcul classique, les promesses commerciales du quantique en chimie doivent être reformulées avec plus de précision.
Ce qui reste hors de portée
Il faut toutefois éviter l’excès inverse. Calculer l’état fondamental d’un modèle du FeMo-co n’est pas résoudre la nitrogénase. Le mécanisme complet implique une succession d’états intermédiaires, des transferts d’électrons et de protons, l’effet de l’environnement protéique, des fluctuations thermiques et des échelles de temps difficiles à relier directement à un seul calcul d’énergie.
C’est peut-être là que le calcul quantique pourrait redevenir pertinent. Des chercheurs comme Jacob Whitfield, cité par Quanta Magazine, soutiennent que l’avantage quantique pourrait se manifester davantage dans la dynamique temporelle des systèmes quantiques que dans un seul calcul d’état fondamental. Simuler comment un système évolue, réagit et échange de l’énergie peut être beaucoup plus difficile à compresser classiquement.
D’autres domaines restent également de bons candidats : certains problèmes de cryptanalyse, la simulation dynamique de matériaux fortement corrélés, ou des algorithmes où la préparation et la mesure d’états quantiques apportent un avantage démontrable. Le fait que le National Institute of Standards and Technology ait finalisé en 2024 ses premiers standards de cryptographie post-quantique rappelle que le risque posé par de futurs ordinateurs quantiques capables de casser certains schémas classiques est pris très au sérieux.
Une leçon pour l’industrie quantique
IBM, Google, Microsoft, Quantinuum, IonQ et d’autres continuent de promettre des progrès vers des machines tolérantes aux fautes. IBM parle publiquement d’un horizon 2029 pour un ordinateur quantique tolérant aux fautes à grande échelle. Ces feuilles de route sont ambitieuses, mais elles ne doivent pas être confondues avec une validation immédiate de toutes les applications annoncées.
Le résultat de Chan et ses collègues rappelle que la compétition n’oppose pas un ordinateur quantique abstrait à un ordinateur classique figé. Les algorithmes classiques progressent eux aussi. Les chimistes inventent de meilleures bases, de meilleurs ansätze, de meilleurs réseaux de tenseurs, de meilleurs filtres et de meilleures heuristiques. Chaque fois qu’un problème est mieux compris, il peut devenir moins « quantiquement mystérieux » qu’il n’en avait l’air.
Pour l’avenir, la vraie question n’est donc pas : « Le quantique battra-t-il le classique ? » Elle est plus exigeante : pour quel problème précis, avec quel modèle, quelle précision, quel coût énergétique, quelle préparation d’état, quel taux d’erreur, et face à quel meilleur algorithme classique connu ?
Un progrès pour la chimie, pas une défaite du quantique
Le résultat sur le FeMo-co est d’abord une bonne nouvelle pour la science. Il donne aux chercheurs une route plus crédible pour attaquer le mécanisme de la nitrogénase sans attendre une hypothétique machine quantique parfaite. Il montre aussi que les benchmarks technologiques doivent rester vivants : un problème difficile en 2017 peut devenir plus accessible en 2026.
Pour le calcul quantique, la leçon est salutaire. Les promesses les plus robustes ne viendront pas de slogans sur la suprématie, mais d’une confrontation transparente avec les meilleurs outils classiques. Si les ordinateurs quantiques deviennent indispensables en chimie, ce ne sera pas parce que la nature est vaguement « quantique ». Ce sera parce qu’un cas précis aura résisté aux meilleures compressions classiques — et qu’une machine quantique réelle l’aura résolu mieux, plus vite ou plus efficacement.