La planification du transport ferroviaire figure parmi les problèmes d’optimisation les plus complexes du secteur de la mobilité. Dans une étude conjointe avec la SNCF et Sopra Steria, Quandela a exploré comment le calcul quantique photonique peut contribuer à concevoir des plans de transport plus efficaces. Cette étude de cas montre comment des approches hybrides quantique-classique peuvent déjà apporter de la valeur, et ce qu’il faudra pour les faire passer à l’échelle industrielle.
Introduction
Les opérateurs ferroviaires font aujourd’hui face à une équation délicate : une demande voyageurs en hausse, des contraintes opérationnelles fortes, des coûts énergétiques croissants et un environnement de plus en plus concurrentiel. Concevoir un plan de transport optimal — décider quels trains faire circuler, à quels horaires et avec quelles capacités — devient rapidement un problème combinatoire d’une extrême complexité.
Les outils d’optimisation classiques atteignent leurs limites dès que l’on cherche à raisonner à l’échelle de réseaux réalistes. C’est dans ce contexte que le calcul quantique apparaît comme une piste crédible, non pas pour remplacer les méthodes classiques, mais pour les compléter sur des problèmes fortement contraints.
C’est précisément l’objectif du partenariat entre le Groupe SNCF, Sopra Steria et Quandela : explorer, sur un cas d’usage concret, le potentiel du calcul quantique photonique appliqué à l’optimisation d’un plan de transport ferroviaire.
Le défi mobilité : optimiser un plan de transport ferroviaire
Le problème étudié consiste à sélectionner un ensemble de services commerciaux qui :
- satisfont la demande voyageurs sur différents axes et créneaux horaires,
- respectent les contraintes opérationnelles (disponibilité du matériel roulant, sillons, capacités),
- maximisent la performance économique en arbitrant entre recettes et coûts d’exploitation.
D’un point de vue algorithmique, il s’agit d’un problème d’optimisation combinatoire de grande taille. Le nombre de configurations possibles croît de manière exponentielle avec le nombre de trains, de groupes de voyageurs et de contraintes, ce qui rend le passage à l’échelle particulièrement difficile pour les solveurs classiques.
Une approche hybride quantique-classique
Compte tenu de l’état actuel des technologies quantiques, le projet a volontairement adopté une approche réaliste et de court/moyen terme.
Plutôt que de s’appuyer sur des algorithmes quantiques tolérants aux fautes, l’équipe a mis en œuvre une stratégie hybride quantique-classique, combinant :
- un algorithme quantique photonique variationnel (CVaR-VQE),
- un optimiseur classique (COBYLA) chargé d’ajuster itérativement les paramètres du circuit.
Le problème métier a été formulé sous la forme d’un QUBO (Quadratic Unconstrained Binary Optimization), un formalisme bien connu pour représenter des problèmes d’optimisation combinatoire et particulièrement adapté au calcul quantique.
Cette formulation permet d’encoder à la fois la fonction objectif économique et les contraintes opérationnelles directement dans un Hamiltonien quantique, que l’algorithme cherche ensuite à minimiser.
Pourquoi le calcul quantique photonique ?
Le calcul quantique photonique présente plusieurs atouts clés pour les problématiques d’optimisation en mobilité :
- une adéquation naturelle avec les algorithmes variationnels et d’échantillonnage,
- des qubits de haute qualité encodés dans des photons uniques,
- des perspectives de passage à l’échelle compatibles avec des problèmes d’optimisation de grande taille.
Les circuits quantiques ont été implémentés et simulés à l’aide du SDK photonique de Quandela, Perceval, au sein d’un flux de calcul hybride proche de celui qui sera utilisé sur des processeurs quantiques photoniques réels.
Résultats : des gains prometteurs sous hypothèses réalistes
Afin de rester conservatrice, l’étude s’appuie sur des données simplifiées mais représentatives de trafics TGV réels, en se concentrant sur certains axes et en regroupant la demande voyageurs pour maîtriser la taille du problème.
Dans ce cadre, les résultats sont encourageants :
- les plans de transport obtenus permettent de couvrir l’intégralité de la demande voyageurs,
- l’optimisation conduit à des améliorations de marge opérationnelle pouvant atteindre 11 % selon les cas étudiés,
- l’approche hybride démontre sa capacité à naviguer efficacement dans des espaces de contraintes complexes.
Si les solveurs classiques restent aujourd’hui plus rapides en temps de calcul, cette étude montre que les algorithmes quantiques peuvent déjà produire des solutions de haute qualité, avec un potentiel de montée en puissance à mesure que les tailles de problème augmentent.
Enseignements et perspectives de passage à l’échelle
Cette étude de cas met en lumière plusieurs enseignements clés :
- le calcul quantique n’est pas une solution « clé en main », mais un complément aux méthodes classiques au sein de chaînes de calcul hybrides,
- la formulation du problème est déterminante : traduire fidèlement les contraintes métier dans un modèle compatible avec le quantique est un enjeu central,
- les architectures photoniques sont particulièrement bien adaptées aux problèmes d’optimisation combinatoire rencontrés dans la mobilité.
Le passage à des cas opérationnels à l’échelle d’un réseau ferroviaire complet nécessitera encore des progrès en matériel quantique et en modélisation. Les estimations issues de l’étude suggèrent cependant que ces applications deviennent envisageables à moyen terme, avec des machines photoniques disposant de plusieurs milliers de qubits de haute qualité.
Conclusion
Ce travail mené conjointement par la SNCF, Sopra Steria et Quandela montre que le calcul quantique appliqué à la mobilité n’est plus un simple sujet prospectif. Dès aujourd’hui, des approches photoniques permettent d’explorer concrètement des problèmes d’optimisation complexes et d’en tirer des enseignements opérationnels.
Plutôt que d’attendre un hypothétique avantage quantique généralisé, cette étude illustre l’intérêt d’expérimenter dès maintenant sur des cas d’usage réalistes, afin de préparer l’intégration progressive du calcul quantique dans les outils industriels de demain.
Consultez le livre blanc complet et explorez le potentiel du calcul quantique pour la mobilité.
Références
- Application du calcul quantique photonique pour l’optimisation d’un plan de transport ferroviaire, Livre blanc, Groupe SNCF, Sopra Steria, Quandela (2025)
- Grégoire de Gliniasty et al., A spin-optical quantum computing architecture, Quantum (2024)
