Chaque jour, le réseau électrique doit résoudre un casse-tête : quelles centrales démarrer pour couvrir la demande de manière fiable sans se ruiner. Pour 15 générateurs et 24 heures, le nombre de plannings possibles dépasse 2,3×$10^{108}$, soit plus que le nombre d'atomes dans l'Univers visible. Aucun supercalculateur classique ne peut énumérer toutes les options, c'est pourquoi les dispatchers cherchent un compromis. Des chercheurs de l'Université de Toronto et d'IonQ ont proposé de diviser le travail : le processeur quantique élimine le superflu, et l'ordinateur classique peaufine le résultat.

Le tamis quantique fonctionne ainsi. D'abord, le problème de l'engagement des unités est transformé en une optimisation binaire quadratique, une forme mathématique où chaque combinaison de générateurs activés reçoit un coût estimé et une pénalité pour manque de puissance. Ensuite, un algorithme quantique variationnel avec des paramètres ajustables cherche les combinaisons à coût minimal. Son circuit quantique est composé de couches qui intriquent les qubits et mélangent les probabilités, en partant d'un « démarrage à chaud », c'est-à-dire d'une approximation obtenue par relaxation classique. Après convergence, l'algorithme fournit jusqu'à 128 combinaisons admissibles les moins coûteuses. Ensuite, la méthode classique de programmation quadratique séquentielle entre en jeu : elle prend chaque combinaison et calcule précisément la puissance que chaque générateur doit fournir à chaque heure pour couvrir la charge au coût minimal. Le résultat final est la combinaison au prix total le plus bas.

Les résultats sont encourageants. Sur simulateur, pour un système de 10 générateurs et 24 heures, l'erreur d'approximation moyenne passe de 1,78 % avec une couche de circuit quantique à 0,55 % avec neuf couches. Pour 26 générateurs, l'erreur se stabilise autour de 2,5 %. Il est important de noter que le nombre d'itérations d'optimisation croît linéairement avec le nombre de paramètres : en moyenne 8,63 itérations par paramètre supplémentaire. Le vrai processeur quantique IonQ Forte a montré une erreur moyenne de 3,088 % contre 3,201 % sur simulateur, un accord qualitatif qui confirme la viabilité de l'approche sur du matériel réel.

Avant ces travaux, les algorithmes quantiques variationnels pour le problème d'engagement des unités donnaient soit une erreur importante, par exemple 8 % pour QAOA, soit ne passaient pas à l'échelle au-delà de 20 générateurs. Désormais, il est démontré qu'une approche hybride avec sélection quantique des candidats et affinage classique atteint une erreur inférieure à 3 % pour 26 générateurs. Cette répartition des rôles réduit les exigences en nombre de qubits et en profondeur de circuit, rendant la méthode pratique pour les processeurs quantiques actuels. Les opérateurs de réseaux électriques peuvent déjà l'utiliser pour la planification à court terme, surtout avec la part croissante des énergies renouvelables et l'incertitude de la demande.

Les perspectives vont plus loin. Les auteurs prévoient de remplacer l'algorithme quantique variationnel par une évolution quantique variationnelle en temps imaginaire, qui pourrait accélérer la convergence. Pour cela, il faut adapter la méthode aux problèmes sous contraintes et concevoir des circuits quantiques spécialisés qui modélisent mieux l'état fondamental de l'hamiltonien du problème. La question du passage à l'échelle pour des centaines ou des milliers de générateurs reste ouverte, ainsi que la prise en compte des incertitudes dans les formulations quantiques. Mais dès maintenant, le tamis quantique élimine le chaos de l'explosion combinatoire, ne laissant à l'ordinateur classique qu'une poignée de solutions prometteuses, et c'est un pas vers un réseau électrique qui se planifie lui-même.