Google Quantum AI et DeepMind ont démontré l'efficacité de l'apprentissage par renforcement pour calibrer en temps réel un processeur quantique à correction d'erreurs. Cette approche contourne une limite critique des ordinateurs quantiques actuels : leur sensibilité aux perturbations et la nécessité de recalibrages réguliers qui interrompent traditionnellement le calcul. La correction d'erreurs quantiques permet de protéger l'information, mais elle exige un contrôle physique des qubits précis et stable. Les méthodes classiques de calibration doivent souvent suspendre les opérations pour ajuster les paramètres, ce qui bloque l'exécution d'algorithmes à long terme. Pour pallier ce problème, les chercheurs ont conçu un agent d'intelligence artificielle qui utilise les signaux de détection d'erreurs intégrés au circuit comme feedback continu. L'agent ajuste automatiquement plus de mille paramètres de contrôle sans arrêter le processeur. Les tests sur des codes de surface et de couleur ont confirmé la viabilité de la méthode. L'agent a amélioré la stabilité du taux d'erreur logique de 2,4 fois, atteignant 3,5 fois avec un ajustement couplé du décodeur. Comparé au calibrage manuel expert, l'optimisation par apprentissage a réduit les erreurs de 20 %, établissant un nouveau record pour les qubits supraconducteurs. Le système a également compensé avec succès les dérives matérielles, artificielles et naturelles, maintenant une performance supérieure aux réglages fixes. Des simulations valident l'évolutivité du modèle jusqu'à environ 40 000 paramètres de contrôle. La convergence de l'algorithme reste indépendante de la taille du système grâce à l'exploitation de la structure locale du circuit. Cette technologie ouvre la voie à une calibration entièrement autonome, capable de s'adapter à divers types de qubits et de s'affranchir des protocoles manuels. En remplaçant les pauses de maintenance par une optimisation continue, cette avancée pose les bases du contrôle intelligent nécessaire à l'ordinateur quantique tolérant aux fautes.