+50 % entre 2022 et fin 2024 : la hausse du nombre de preuves de concept quantiques menées par les entreprises dit une chose simple. Le sujet n’est plus cantonné aux laboratoires. Mais, pour les directions générales, l’enjeu réel n’est déjà plus seulement la machine. Il est dans la capacité à transformer une technologie encore mouvante en cas d’usage exploitables, maintenables et reliés aux processus métier.

Du record de qubits à la question qui compte : à quoi sert vraiment le quantique en entreprise ?

Le débat public autour de l’informatique quantique reste très souvent dominé par le hardware. Nombre de qubits, qualité des processeurs, correction d’erreurs, stabilité des systèmes : ces critères continuent de structurer la compétition technologique. Ils sont décisifs. Sans progrès matériel, il n’y aura pas d’usage industriel crédible.

Mais ce prisme devient insuffisant pour les entreprises. À mesure que plusieurs technologies deviennent accessibles à distance, sans achat d’équipement ni immobilisation lourde, la rareté ne porte plus uniquement sur l’accès à la machine. Elle se déplace vers un autre actif, beaucoup moins visible : la capacité d’identifier un problème économique pertinent et de construire une chaîne logicielle réutilisable autour de ce problème.

Le changement est déjà mesurable. Selon BCG, environ 100 entreprises menaient 150 POC quantiques dans le monde fin 2024, soit une progression de 50 % par rapport à 2022.

Plus révélateur encore, la part moyenne des dépenses consacrée aux logiciels et aux algorithmes est passée de 21 % à 40 % entre 2022 et 2024 (BCG). Le signal de marché est net : les budgets ne se concentrent plus uniquement sur la performance des machines.

Pour les décideurs français, cette bascule a une portée très concrète. Elle signifie que le quantique entre dans un champ de décision comparable à d’autres technologies émergentes : non pas “faut-il suivre la tendance ?”, mais “quels processus méritent un investissement d’apprentissage, et avec quel retour attendu à moyen terme ?”

Ce que montrent déjà les budgets des entreprises

La progression de la dépense logicielle dans le quantique est un indicateur stratégique. Elle traduit un déplacement de valeur : l’avantage compétitif ne viendra pas seulement du meilleur accès au hardware, mais de la capacité à industrialiser des méthodes, des modèles et des interfaces utilisables par les métiers.

Le vrai risque pour les groupes : accumuler les POC sans bâtir d’actifs durables

La phase actuelle expose les entreprises à un piège classique des technologies émergentes : l’expérimentation permanente. Les POC sont utiles. Ils servent à mesurer les limites des outils, à former les équipes et à repérer des signaux faibles. Mais ils peuvent aussi produire une illusion de progrès.

Une entreprise peut enchaîner les démonstrateurs, documenter des tests prometteurs et mobiliser des experts de haut niveau, tout en restant incapable de transformer ce capital en application réutilisable. Dans le quantique, ce risque est renforcé par l’instabilité technologique. Lorsqu’un projet dépend étroitement d’une machine, d’un environnement d’exécution ou d’une architecture donnés, chaque avancée matérielle peut imposer de reprendre une partie du travail.

L’analogie avec l’informatique classique est éclairante. Le décollage ne s’est pas joué uniquement sur la puissance de calcul. Il a aussi reposé sur la normalisation des outils, des langages et des couches logicielles permettant à des utilisateurs non spécialistes de développer et d’exploiter des applications. Le quantique n’en est pas encore là.

C’est pourquoi l’enjeu n’est plus seulement scientifique. Il est aussi organisationnel et financier. Pour une direction de l’innovation, un POC isolé a une valeur limitée s’il ne débouche ni sur une méthode reproductible ni sur un apprentissage transférable à d’autres équipes. Pour une direction financière, cela pose une question de discipline d’allocation du capital : comment éviter qu’une suite de tests technologiques ne se transforme en centre de coûts sans trajectoire d’intégration ?

Dans le quantique, la valeur d’un projet ne tient pas seulement au résultat obtenu sur une expérimentation. Elle tient aussi à ce qui peut être réemployé ensuite : formalisation mathématique du problème, briques logicielles, protocoles de test, interfaces avec les systèmes d’information existants et documentation utilisable par d’autres équipes. Sans cette couche d’ingénierie, chaque nouveau projet repart presque de zéro.

Le marché commence d’ailleurs à récompenser cette approche plus industrielle. Les dépenses orientées vers les applications, leur intégration et la montée en compétence progressent plus vite que les dépenses directement liées au matériel. Cela traduit une maturité nouvelle : les entreprises les plus avancées ne cherchent plus seulement à “essayer du quantique”, elles cherchent à structurer une capacité interne.

HSBC et IBM : un test de trading obligataire qui illustre le déplacement vers les usages

Le cas le plus parlant cité dans les travaux récents est celui de HSBC et IBM. En 2025, les deux groupes ont conduit un essai à partir de données réelles de trading obligataire afin d’évaluer l’apport de l’informatique quantique à la prédiction de l’exécution des transactions.

HSBC et IBM : ce que montre l’essai de 2025

Le test a été réalisé sur des processeurs IBM Quantum Heron. D’après les éléments publiés, l’essai a mis en évidence une amélioration pouvant aller jusqu’à 34 % par rapport à des méthodes classiques pour prédire la probabilité qu’une transaction soit acceptée sur le marché des obligations d’entreprises européennes.

Le point important est ailleurs que dans la seule performance. Il ne s’agit pas d’un passage en production. Le cas d’école est néanmoins significatif parce qu’il porte sur un usage précis, adossé à des données réelles et à une métrique opérationnelle identifiable. On quitte ici le registre de la démonstration abstraite.

Pour les acteurs de la finance, l’enseignement est double. D’une part, le quantique commence à être testé sur des tâches où la qualité de la décision a une incidence directe sur l’exécution. D’autre part, la création de valeur potentielle dépendra moins d’un effet d’annonce technologique que de la faculté à insérer ces modèles dans une chaîne de contrôle, de validation et de maintenance compatible avec les exigences du secteur.

Ce dernier point est essentiel dans un cadre français et européen marqué par des exigences élevées en matière de gouvernance des modèles, de traçabilité et de contrôle interne. Même lorsqu’un gain de performance existe, il doit être apprécié au regard des coûts d’intégration, de supervision et d’actualisation des modèles.

Ce qu’un POC réussi ne prouve pas encore

Un gain observé sur un cas précis ne vaut pas validation industrielle. Il faut encore vérifier la robustesse dans le temps, la capacité à brancher l’outil aux systèmes existants, les coûts de maintenance, ainsi que les modalités de contrôle par les équipes risque, conformité et informatique.

Le logiciel prend la main : experts métier, ingénierie et IA redessinent la chaîne de valeur

À ce stade du marché, une idée s’impose : le quantique ne peut pas rester l’affaire exclusive des physiciens, mathématiciens et ingénieurs spécialisés. Les problèmes qui méritent d’être traités se trouvent dans les métiers : finance de marché, découverte de molécules, optimisation logistique, industrie, énergie.

Or les experts métier ne parlent pas spontanément le langage des qubits, des circuits ou des architectures quantiques. C’est précisément là que le logiciel devient central. Son rôle n’est pas seulement d’orchestrer l’accès à la machine. Il doit servir d’interface entre une complexité technique très élevée et des besoins opérationnels formulés en termes de coûts, de délais, de précision ou de rendement.

Autrement dit, la prochaine bataille concurrentielle se joue probablement sur des couches moins spectaculaires que le hardware : environnements de développement, bibliothèques d’algorithmes, outils de modélisation et mécanismes permettant à un spécialiste métier de travailler sur son problème sans devoir maîtriser chaque détail du calcul quantique.

Cette évolution a des implications directes pour les entreprises françaises. Les organisations qui voudront être prêtes devront rapprocher des populations qui se connaissent encore peu :

  • les équipes métiers, qui connaissent les contraintes économiques et réglementaires ;
  • les profils quantiques, rares et coûteux ;
  • les directions informatiques, qui pilotent l’intégration et la sécurité ;
  • les fonctions risque, conformité et juridique, qui encadrent l’usage de nouveaux modèles.

L’IA pourrait accélérer ce rapprochement. Elle peut aider à formaliser des problèmes complexes, à générer certaines briques logicielles ou à simplifier l’interface utilisateur. Mais elle ne fait pas disparaître le socle d’ingénierie. Même avec des outils plus accessibles, il faudra toujours tester, documenter, maintenir et faire évoluer les applications.

L’IA peut faciliter la formulation des cas d’usage et rendre certains outils plus maniables. En revanche, elle ne supprime ni les enjeux de validation scientifique, ni les besoins de maintenance, ni la nécessité d’assurer la compatibilité avec plusieurs technologies quantiques encore en concurrence. L’interface peut se simplifier, mais la complexité de fond demeure.

Pour les dirigeants, cela conduit à une lecture moins technocentrée et plus économique du sujet. Le véritable avantage ne viendra pas seulement d’un accès précoce à une machine performante. Il viendra d’une organisation capable de transformer un savoir dispersé en pipeline d’applications.

Les chiffres 2025 et 2026 confirment une bascule commerciale encore précoce

Les données publiées cette année pointent vers un marché qui change d’échelle, sans avoir encore atteint la maturité industrielle. Selon le Quantum Technology Monitor 2026 de McKinsey, un tiers des grandes entreprises ont consacré plus de 10 millions de dollars au quantique en 2025. Ces budgets ont surtout servi à développer des cas d’usage et des applications, à les intégrer aux systèmes existants et à former les équipes.

Le même rapport précise que plus de 300 organisations dans le monde, parmi lesquelles Airbus, Boehringer Ingelheim, E.ON, JPMorgan Chase et Liberty Mutual, collaborent activement avec des fournisseurs de technologies quantiques. Les entreprises du secteur ont généré plus d’un milliard de dollars de revenus en 2025, avec un potentiel de croissance pouvant atteindre 4,4 milliards de dollars d’ici 2028. McKinsey évalue par ailleurs la valeur économique mondiale potentielle du quantique à 2,7 billions de dollars d’ici 2035.

BCG apporte un autre repère important sur la structure du financement. En 2025, les dépenses des entreprises dans le quantique ont atteint 300 millions de dollars, ce qui a porté le marché total à environ 550 millions de dollars et l’a fait passer, pour la première fois, au-dessus des investissements combinés des gouvernements et des laboratoires de recherche. Plus de 60 % des entreprises interrogées déclarent consacrer plus d’un million de dollars par an à cette technologie (BCG).

Ces montants doivent toutefois être lus avec prudence. Ils ne signifient pas que l’avantage quantique est déjà largement disponible en production. Ils montrent surtout qu’un palier commercial est en train d’être franchi : la dépense privée ne repose plus prioritairement sur une logique de veille ou de prestige technologique, mais sur une préparation active à des usages futurs.

Lecture économique des chiffres 2025

Le fait que les dépenses des entreprises dépassent celles des gouvernements et de la recherche publique ne marque pas la fin de la phase expérimentale. Il indique plutôt que le marché entre dans une séquence d’appropriation privée, avec un accent mis sur les cas d’usage, l’intégration et les compétences, plus que sur l’achat de machines.

Pour les entreprises en France, l’enjeu immédiat est moins l’achat de machines que la préparation interne

Vu de France, la leçon la plus utile est probablement celle-ci : il n’est pas nécessaire d’attendre une maturité totale du hardware pour commencer à se préparer. Les machines deviennent plus faciles à tester. En revanche, l’apprentissage organisationnel prend du temps.

Identifier un cas d’usage crédible suppose de comprendre finement la chaîne de valeur d’un métier. Il faut ensuite traduire ce besoin dans une forme exploitable par des outils quantiques, comparer les résultats à des méthodes classiques, puis déterminer si l’écart de performance compense la complexité d’implémentation. Cette démarche se compte en années.

Pour les entreprises françaises, plusieurs priorités se dégagent :

  • cartographier les problèmes à forte intensité de calcul ou d’optimisation ;
  • repérer les équipes métier capables de porter des cas d’usage concrets ;
  • mettre en place des coopérations entre spécialistes quantiques, DSI et fonctions de contrôle ;
  • éviter les dépendances excessives à une seule technologie tant que le marché n’a pas convergé ;
  • documenter les expérimentations pour capitaliser sur les méthodes développées.

Cette logique est plus proche d’une politique d’option que d’un pari binaire. L’entreprise n’achète pas immédiatement un résultat industriel garanti. Elle investit dans des compétences, des briques logicielles et une compréhension des usages qui pourront devenir décisives lorsque les premiers avantages quantiques significatifs seront plus largement disponibles.

Il y a aussi une dimension de gouvernance. Une expérimentation quantique n’est pas un objet isolé. Dès qu’elle se rapproche d’un processus métier sensible, elle touche à la cybersécurité, à l’architecture des systèmes, à la conformité interne et parfois à la gestion des modèles. Le sujet relève donc autant des comités d’investissement que des équipes de recherche.

Le marché n’a pas encore désigné une technologie unique pour tous les usages. Cette pluralité complique les choix d’architecture. Pour les entreprises, cela plaide en faveur d’approches logicielles et méthodologiques suffisamment souples pour limiter les réécritures à chaque évolution des machines ou des plateformes d’accès.

L’avantage concurrentiel se joue déjà dans la courbe d’apprentissage

Le moment décisif n’arrivera pas nécessairement quand la machine la plus performante sera annoncée. Il pourrait arriver plus discrètement, lorsque certaines entreprises auront accumulé assez d’expérience pour relier une capacité quantique disponible à un problème économique bien défini, avec les bonnes équipes et les bons outils.

À ce stade, l’écart sera difficile à rattraper. L’accès au hardware devrait continuer à se démocratiser. En revanche, l’expérience acquise sur les cas d’usage, l’intégration et la coordination entre métiers et spécialistes restera un actif plus rare. Dans le quantique, la première prime pourrait revenir moins aux mieux équipés qu’aux mieux préparés.