Face à la croissance exponentielle de la consommation énergétique liée aux applications d’intelligence artificielle et au traitement numérique massif, une équipe de chercheurs du laboratoire Microsoft Research à Cambridge, en collaboration avec l’Université de Cambridge, a conçu une nouvelle forme de calculateur : un ordinateur optique analogique (AOC, Analog Optical Computer). Ce système, dont les résultats ont été publiés le 3 septembre 2025 dans la revue Nature, utilise la lumière pour effectuer des calculs, offrant une efficacité énergétique potentielle jusqu’à 100 fois supérieure à celle des ordinateurs numériques classiques dans des tâches spécifiques comme le raisonnement par IA et l’optimisation combinatoire. Contrairement aux ordinateurs traditionnels qui manipulent des signaux binaires (0 ou 1) via des circuits électroniques, l’AOC exploite les propriétés continues de la lumière. Les données sont représentées par une matrice de micro-LED, dont la lumière passe à travers un modulateur spatial de lumière (SLM). Chaque pixel du SLM ajuste l’intensité lumineuse, permettant ainsi d’effectuer en temps réel des opérations de multiplication matricielle — la pierre angulaire du calcul dans les réseaux de neurones et les problèmes d’optimisation. La lumière modulée est ensuite focalisée sur une matrice de détecteurs optiques, où s’effectue l’addition, réalisant ainsi une opération vectorielle-matrice entière de manière physique et quasi instantanée. Le système combine cette architecture optique avec des circuits électroniques analogiques pour gérer les fonctions non linéaires, les itérations et les boucles de rétroaction. Une innovation clé réside dans une méthode dite « recherche de point fixe rapide », qui permet à l’AOC de converger rapidement vers une solution stable — un point fixe — qu’il s’agisse d’une sortie de modèle d’IA ou d’une solution optimale à un problème d’optimisation. Cette robustesse face au bruit inhérent au calcul analogique provient du fait que chaque itération attire la solution vers un « attracteur » stable, effaçant progressivement les perturbations. Pour valider ses performances, l’équipe a mené plusieurs tests concrets. Dans un projet mené avec l’équipe de santé future de Microsoft, l’AOC a été utilisé pour reconstruire des images médicales par imagerie par résonance magnétique (IRM). Grâce à un modèle numérique du matériel (« digital twin »), les résultats montrent que le temps d’acquisition pourrait être réduit de 30 à 5 minutes, une avancée majeure pour la rapidité et le confort des patients. Dans le secteur financier, en collaboration avec Barclays, l’AOC a résolu un problème complexe de règlement de transactions, avec 46 opérations et 30 contraintes. Il a trouvé la solution optimale globale, surpassant même certaines approches basées sur l’informatique quantique. L’AOC a également démontré sa capacité à exécuter des tâches d’inférence d’IA, comme la reconnaissance d’images sur les jeux de données MNIST et Fashion-MNIST, ainsi que des tâches de régression non linéaire. Les résultats obtenus sur le matériel ont montré une corrélation supérieure à 99 % avec les simulations numériques, prouvant la faisabilité de transférer des modèles entraînés numériquement vers un environnement optique analogique. Actuellement, le prototype traite jusqu’à 256 poids, mais peut être étendu à 4 096. Les chercheurs prévoient une évolution vers des systèmes capables de gérer des dizaines de milliards de poids, grâce à une architecture modulaire intégrant plusieurs unités opto-électroniques. En imaginant un système composé de 25 modules, capable de traiter 100 millions de poids, ils estiment une consommation de 800 watts, une vitesse de calcul de 400 peta-OPS, et une efficacité énergétique de 500 TOPS/W — soit plus de 100 fois meilleure que les GPU les plus performants actuels. Un autre avantage majeur : la plupart des composants utilisés (capteurs de caméra, micro-LED, lentilles optiques) sont des technologies grand public matures, ce qui réduit les coûts de fabrication et permet une production à grande échelle. Ce projet ouvre la voie à une nouvelle génération de calculateurs spécialisés, capables de répondre aux défis énergétiques croissants du calcul moderne, tout en maintenant une haute performance pour des applications critiques dans la santé, la finance et l’intelligence artificielle.