Entraîner un grand réseau de neurones sur des centaines de machines, c'est un peu comme préparer une soupe avec des dizaines de cuisiniers : chacun goûte et communique ses ajustements aux autres. Dans l'apprentissage automatique moderne, ces « négociations » prennent du temps, consomment de la bande passante et sont vulnérables aux écoutes indiscrètes.

Les chercheurs ont remplacé les signaux classiques par une communication quantique. Chaque ordinateur reçoit une paire de particules intriquées, comme les deux faces d'une pièce. La méthode de Bennett permet de transmettre deux bits avec un seul signal quantique — le volume de données est réduit de moitié, et toute tentative d'espionnage est immédiatement détectée. Cette approche accélère aussi bien les réseaux de neurones classiques que quantiques.

Après l'entraînement, il faut vérifier l'unicité du résultat. La méthode quantique offre une économie inaccessible aux méthodes classiques : quelques signaux quantiques remplacent des milliers de signaux classiques.