Une équipe de chercheurs du Cleveland Clinic, dirigée par Fabio Cumbo et Daniel Blankenberg, a présenté une avancée majeure en informatique quantique avec le développement du calcul hyperdimensionnel quantique. Cette approche, publiée dans la revue npj Unconventional Computing en 2026, s'inspire directement du fonctionnement du cerveau humain pour surmonter les limites actuelles du traitement de l'information. Dans le cerveau, une notion comme la reconnaissance d'un objet n'est pas mémorisée par une seule cellule, mais répartie sur des milliers de neurones. Cette redondance naturelle offre une grande résilience aux défaillances. Transposée en informatique, cette idée repose sur l'utilisation de vecteurs de haute dimension pour représenter les données. Le calcul hyperdimensionnel quantique va plus loin en adaptant ce principe aux processeurs quantiques. Alors que les tentatives actuelles consistent souvent à forcer des algorithmes classiques sur des architectures quantiques, cette nouvelle méthode exploite nativement la superposition quantique. Ce phénomène physique permet aux éléments de calcul quantiques d'exister dans plusieurs états simultanément, ce qui facilite l'encodage et le traitement efficace d'espaces de données complexes, particulièrement adaptés à la recherche biomédicale. Pour valider leur cadre, l'équipe a testé la technologie sur un ordinateur classique, un simulateur quantique idéal et un véritable ordinateur quantique. Les expérimentations ont porté sur deux tâches principales : le raisonnement symbolique et l'apprentissage automatique via la classification d'images. Les résultats ont démontré que cette méthode effectuait ces calculs jusqu'à cinq cents fois plus rapidement que les approches traditionnelles. Cette performance démontre la viabilité d'une nouvelle génération d'algorithmes quantiques conçus dès le départ pour tirer parti des propriétés physiques des processeurs, plutôt que d'en être des adaptations tardives. Selon les auteurs, cette technologie pose les bases d'une accélération significative des travaux de recherche en biologie médicale. Les chercheurs prévoient désormais d'étendre le cadre à des modèles plus complexes pour vérifier si la rapidité et la précision restent constantes à plus grande échelle, ouvrant ainsi la voie à des applications quantiques plus accessibles et performantes.