Imaginez un essaim de 200 particules qui se bousculent sans cesse, alignent leurs vitesses et tendent vers un objectif commun. Cet essaim ne se contente pas de tourbillonner dans l'espace : il apprend à prédire le chaos. Un signal extérieur, semblable au comportement imprévisible de la météo, est injecté par une particule conductrice, et les autres doivent deviner où elle ira ensuite. Un tel essaim est un ordinateur à réservoir physique, et sa capacité de prédiction dépend de sa façon de gérer l'entropie.
Il s'avère que la valeur absolue de l'entropie importe peu. Ce qui compte bien davantage, c'est l'ampleur avec laquelle le signal extérieur modifie la réponse thermodynamique du système. Lorsque le conducteur est connecté, le flux de chaleur dans le milieu est multiplié par des milliers, et l'entropie du système par des dizaines. C'est cette croissance relative, et non l'entropie elle-même, qui est corrélée à la performance de l'essaim.
Cette découverte change la façon de concevoir les ordinateurs physiques. Au lieu d'entraîner chaque candidat à grands frais, on peut sélectionner rapidement les régimes adaptés en mesurant la réaction du système au signal extérieur. Ce tri s'applique aux essaims de matière active, aux systèmes photoniques et aux systèmes de spins.
L'essaim de particules, qui semblait autrefois un simple amas chaotique, se révèle un instrument d'une grande finesse. Son entropie fonctionne comme une boussole qui indique les capacités de calcul. Et la meilleure boussole n'est pas celle qui affiche beaucoup, mais celle qui répond avec sensibilité au signal extérieur.
La performance maximale du réservoir est atteinte dans un régime où le flux de chaleur vers le milieu est minimal en l'absence de signal, mais augmente de plusieurs milliers de fois dès que le signal est appliqué.
L'idée d'utiliser un essaim de particules pour calculer fait écho au concept de « matière calculante » du roman de Stanislas Lem « L'Invincible », où un collectif de machines microscopiques traite de l'information.