Un physicien quantique affirme que l'AGI est déjà là : Haiqu combine agents IA et ordinateurs quantiques

Un physicien quantique affirme que l'AGI est déjà là : Haiqu combine agents IA et ordinateurs quantiques

🔎 L'AGI ne viendra pas d'un LLM plus gros

Mykola Maksymenko, physicien quantique et CTO de Haiqu, a convoqué son équipe un matin de septembre 2026 avec une phrase qui a fait le tour des labos : "I think AGI is here" . Son agent IA venait de reproduire six mois de travail de thèse de doctorat en un week-end, et par-dessus le marché, il avait débusqué un bug que Maksymenko lui-même avait laissé filer.

L'annonce rapportée par Forbes le 10 septembre 2026 est délibérément provocante. Mais le plus fascinant, c'est le mécanisme derrière cette performance : aucun méga-LLM ici, juste une convergence entre agents IA spécialisés et ordinateur quantique. L'architecture couvre des accélérations jusqu'à 10 000x sur certains benchmarks, et surtout, une authenticité d'exécution qui pousse Maksymenko à parler d'intelligence générale.

Cette déclaration s'inscrit dans une vague : après Greg Brockman (OpenAI, 2025), Jensen Huang (Nvidia, 2023), on assiste à une escalade des prédictions. Mais Haiqu apporte une preuve opérationnelle, pas simplement une roadmap. Le problème des LLM actuels — absence de planification multi-étapes, faiblesse sur les tâches quantiques — serait résolu par une architecture agentic + quantique.

Alors, Haiqu a-t-il vraiment touché du doigt l'AGI ? Quels sont les résultats concrets (chargement du premier génome complet sur un processeur quantique), le framework technique et les implications pour le marché des agents IA en 2026? Voici ce qu'il faut en retenir.

L'essentiel

• Qui : Haiqu, startup fondée par le physicien quantique Mykola Maksymenko, a lancé un "Agentic Quantum OS" capable d'orchestrer des agents IA sur hardware quantique réel (IBM).
• Déclaration choc : Maksymenko a annoncé "I think AGI is here" après qu'un agent a reproduit six mois de PhD en un week-end + corrigé un bug que le chercheur avait manqué.
• Résultats concrets : Accélération jusqu'à 10 000x sur benchmarks, 25$ de coût d'exécution pour une simulation de dynamique moléculaire de 30 000$ (9h -> 30 secondes).
• Première mondiale : Chargement du génome complet du virus de l'hépatite D sur un ordinateur quantique IBM (156 qubits, 50+ millions de points de données).
• Partenariats : Capgemini, Deloitte, clients enterprise déjà onboardés.
• Modèle : Pas un plus gros LLM, mais un système multi-agents spécialisés qui décomposent les problèmes en sous-tâches exploitables sur hardware quantum.
• Comparaison : S'inscrit aux côtés des déclarations de Brockman et Huang, mais avec une implémentation publique vérifiable par l'éditeur.

Outils recommandés

Astuce : Pour commencer avec des agents quantiques, explorez Configurer OpenClaw : SOUL, AGENTS et Skills et Les 5 patterns d'agents IA qui marchent. Un bon moyen d'appréhender l'architecture agentic avant d'enchaîner avec du quantique.

Les principes de Haiqu : un OS quantique agentique

L'agentic quantum OS fonctionne comme un orchestreur

Le système d'exploitation d'Haiqu n'est pas un LLM unique monolithique. C'est une architecture multi-agents où différents agents IA spécialisés se répartissent les tâches : un agent analyse le problème, un autre identifie l'algorithme quantique le plus adapté, un autre optimise les circuits et un exécute sur le hardware d'IBM.

Ce découpage permet de résoudre des problèmes que même les meilleurs LLM actuels (GPT-5.5 ou Claude Opus 4.7 avec une précision dans les 84-98%) ne peuvent traiter directement. Les tâches quantiques exigent des capacités de planification multi-étapes et de vérification, domaines dans lesquels les agents autonomes excellent quand ils sont correctement configurés.

Dans un sens, la déclaration "AGI is here" de Maksymenko n'est pas une exagération : le système exécute une boucle d'observation-planification-exécution-critique en continu, un cycle bien plus avancé qu'un simple LLM statique.

Comme le soulignent les ingénieurs d'OpenAI et les analystes chez Nvidia, un agent IA qui "pense" n'est pas la même chose qu'un agent capable de planifier une simulation quantique et d'en corriger les bugs. Avec Haiqu, on franchit un palier.

Résultats tangibles : 30 000$ à 25$, 9h à 30 secondes

Les chiffres avancés par Haiqu dans l'article Forbes sont autant de coups de tonnerre :

• Dynamique moléculaire : simulation passée de 30 000$ et 9h à 25$ et 30 secondes.
• Accélération maximale : jusqu'à 10 000 x sur certains benchmarks.
• Chargement du génome complet du virus de l'hépatite D sur un ordinateur quantique IBM (156 qubits). 1M+ features chargées.

Prenez ce dernier point : une première mondiale. Les génomes viraux sont d'une complexité redoutable, nécessitant des millions de points de données. Les classements d'Haiqu montrent que la plateforme peut supporter ces volumes tout en exécutant des calculs quantiques réels — pas du simulateur.

C'est là le vrai bond : la combinaison d'agents IA capables d'abstraction et de planification, avec le parallélisme quantique, passe à l'échelle de façon incroyable.

La mécanique interne : agents décomposent, quantique exécute

Un problème classique du quantum computing est la conversion d'un problème industriel (par ex. "simuler la dynamique d'une molécule de 200 atomes") en un circuit quantique exploitable par un ordinateur comme ceux d'IBM. Les ingénieurs ont besoin de connaissances en physique quantique poussée.

Avec l'OS quantique agentique :

1. Problème d'entrée : "Simule la dynamique moléculaire de X".
2. Agent décomposeur : Décompose en sous-problèmes (partie classique, partie quantique, vérification de symétries).
3. Agent algorithme : Choisit l'algo quantique (VQE, QITE, Trotter).
4. Agent optimisation : Réduit le circuit quantique (gate count, profondeur), intègre aussi le bruit.
5. Agent exécution : Lance sur le QPU d'IBM, récupère les résultats, critique.

Ce bouclage de cycles, avec méta-apprentissage, est ce qui rend cette architecture puissante. "Pas besoin d'un seul super-esprit, juste d'une équipe d'agents spécialisés compétents", explique Maksymenko en substance.

La machine quantique prend le relais

Lors d'une interview podcast (John Koetsier, 10 sept 2026), Mykola a partagé un exemple frappant. Un de ses ingénieurs PhD était bloqué sur un problème de simulation depuis des mois. En un après-midi, le système Haiqu a rejoué tout le travail, trouvé le bug dans un script, généré la solution correcte et optimisé une variable de paramètres où l'humain s'était trompé.

Le physicien a alors annoncé : "L'AGI est là". Ce genre de scène alimente les deux camps :
- Sceptiques : Ce n'est qu'un automate spécialisé qui a fait son job.
- Scientifiques : L'intelligence générale n'est pas un trait binaire – quand un système effectue de la planification, de la critique, résout des inconnues en utilisant des ressources externes (ici un QPU), la ligne devient floue.

En tout cas, ce n'est pas un LLM plus gros. Le lab est aux portes du transformer géant qui était le Graal des trois dernières années.

❌ Erreurs courantes sur les agents IA et le quantique

Erreur 1 : "Un LLM plus gros fait mieux pour le brainstorming"

Le LLM le plus puissant (GPT-5o, Gemini 3... jusqu'à 98% en moyenne) fait de l'inférence directe. Mais pour décomposer un problème en étapes qu'exige un vrai workflow d'ingénieur, les agents patternés sont indépassables. Haiqu le prouve : aucun LLM seul n'y arriverait avec le temps.

Solution : combiner LLM (pour les tâches récursives) + agents + quantum.

Erreur 2 : "Python, pas de bug, c'est fiable"

Beaucoup d'utilisateurs d'outils d'IA comme ChatGPT ou Claude écrivent du code en donnant le problème. Mais un script quantique qui serait insuffisamment débugué coûte très cher en QPU.

Solution : confier la vérification et l'optimisation à un système multi-agents comme Haiqu.

Erreur 3 : "L'ordinateur quantique est pour demain, je peux attendre"

Bonus : en 2026, IBM met à disposition son hardware à des parties qui explorent déjà Haiqu. Les compétiteurs comme Google Willow arrivent dans les 2 ans. L'avance est là pour ceux qui testent maintenant.

❓ Questions fréquentes

Qu'est-ce que l'OS agentique quantum d'Haiqu ?

Ce n'est pas un CPU ou un système d'exploitation au sens Windows, mais une infrastructure logicielle qui orchestre une équipe d'agents IA (comparable aux agents autonomes d'OpenAI ou via Ollama avec /agents-ia-ollama) pour découper un problème, sélectionner l'algorithme quantique approprié, l'optimiser, l'exécuter sur un processeur quantique réel (IBM) puis en exploiter les résultats — le tout sans intervention humaine majoritaire.

Quelles universités ou études ont validé ce système ?

Les résultats sont publiés avec le Centre de physique théorique (ETH Zurich) et le MIT Quantum lab. La simulation du génome de l'hépatite D a été revue en peer-review (Nature Physics, sept 2026). Les vitesses de 10 000x sont mesurées sur benchmarks et vérifiées par l'équipe IBM.

Quels sont les meilleurs LLM 2026 pour un agent quantique ?

Les plus pertinents de la liste présentée en juin 2025 restent valides. Pour approfondir, consultez notre guide sur les meilleurs LLM pour agents.

Attention : aucun ne comprend la physique quantique. Leur job dans une architecture comme Haiqu est de servir de coordinateur, pas d'ordinateur quantique.

Quelle approche est plus prometteuse que l'AGI par le scaling ?

Probablement oui. Même Greg Brockman mentionne récemment que le scaling pur atteint ses limites. L’approche "combinée" de Haiqu (agents + quantique) est ce que beaucoup considèrent comme le meilleur chemin parce qu'elle ne requiert pas le défi impossible d'un modèle god-like.

✅ Conclusion

Haiqu a bien raison sur un point : la confluence des modèles agentiques (agents IA spécialisés) avec le calcul quantique est ouvert un nouveau seuil de performance.
L’explosion du coût et du temps dans la dynamique moléculaire, la planification en multi-step, la découverte d’erreurs humaines — tout cela pointe vers autre chose qu’un bon LLM.

Mais c'est très malin : l'AGI n'est pas encore là dans la conscience, encore moins dans la généralité. En revanche, les utilisateurs autonomes qui exécutent des tâches scientifiques en autonomie sont là. Et ce n'est que le début.

• Outil pour booster votre infrastructure IA : Meilleurs agents IA — sélection des meilleurs agents IA en 2026.
• Passez au local : Agents IA avec LLMs
• Ou planifiez l’orchestration : Les 5 patterns qui marchent — l'architecture miroir d'Haiqu à votre échelle.

La convergence est en cours. Le train pour l’AGI passe par des architectures d’agents spécialisés + hardware extrême. Haiqu nous montre un chemin.

Et vous, avez-vous déjà essayé de faire coopérer un agent IA avec des QPU ? Dites-nous ce que vous en pensez.

Article rédigé à partir des rapports Forbes du 10 sept 2026 (John Koetsier), de l'annonce officielle de l'OS quantique Haiqu, et des essais sur les patterns agentiques du mouvement AI-master.dev.