Denise Ruffner, Vice‑Présidente du développement commercial et des opérations commerciales mondiales, Haiqu – Série d’interviews

Denise Ruffner, Vice‑Présidente du développement commercial et des opérations commerciales mondiales chez Haiqu, est une dirigeante technologique chevronnée disposant d’une vaste expérience dans la commercialisation de l’informatique quantique et d’autres technologies émergentes. Chez Haiqu, elle dirige le développement commercial et l’expansion mondiale, s’appuyant sur des postes de direction antérieurs, notamment Chief Business Officer chez Atom Computing et Cambridge Quantum Computing, Vice‑Présidente du développement commercial chez IonQ et CATALOG, ainsi que près de deux décennies chez IBM. Son travail a couvert les ventes aux entreprises, les partenariats stratégiques, la stratégie go‑to‑market, le développement d’écosystèmes et le transfert de technologies complexes des environnements de recherche vers les marchés commerciaux. Elle a également co‑fondé DiviQ, une organisation visant à construire une main‑d’œuvre quantique plus diversifiée, et conseille les jeunes entreprises quantiques et de technologies émergentes sur la commercialisation, les partenariats, la levée de fonds et l’acquisition de clients.

Haiqu est une société de logiciels quantiques qui développe ce qu’elle décrit comme un système d’exploitation agentique pour les équipes de R&D quantique, combinant des agents de recherche quantique alimentés par l’IA avec une pile logicielle propriétaire conçue pour rendre le développement et l’exécution d’applications quantiques plus pratiques. Sa plateforme comprend une couche de R&D agentique permettant de transformer les idées de recherche en prototypes exécutables, le Haiqu SDK pour le chargement de données, la compression de circuits, l’optimisation et l’atténuation des erreurs, ainsi que le Haiqu Runtime pour orchestrer les charges de travail sur le matériel quantique. La technologie est conçue pour fonctionner sur plusieurs architectures d’unités de traitement quantique et prendre en charge des applications dans des domaines tels que la modélisation financière, la simulation quantique, la dynamique des fluides computationnelle, l’apprentissage automatique quantique et l’optimisation. Haiqu positionne la plateforme comme un moyen pour les équipes d’entreprise et scientifiques de dépasser les « problèmes jouets » expérimentaux pour s’orienter vers des charges de travail quantiques plus importantes et commercialement pertinentes.

Vous avez récemment rejoint Haiqu en tant que Vice‑Présidente du développement commercial et des opérations commerciales mondiales. Qu’est‑ce qui vous a attirée vers l’entreprise, et quelles sont vos priorités immédiates dans ce nouveau rôle ?

Je connais les fondateurs de Haiqu et je suis l’entreprise depuis ses débuts, et ce qui m’a attirée, c’est les progrès qu’ils ont accomplis en relativement peu de temps. En trois courtes années, Haiqu est passée d’une start‑up naissante à une société disposant d’un produit logiciel impressionnant, HaiquOS, qui délivre dès maintenant des résultats significatifs, même avant que des ordinateurs quantiques totalement tolérants aux fautes ne soient disponibles.

Ma priorité immédiate est de commercialiser HaiquOS auprès d’un public mondial plus large, en présentant la plateforme à une base de clients plus étendue.

Vous avez aidé IBM Quantum, Cambridge Quantum Computing, IonQ et Atom Computing à sécuriser des clients et des partenaires stratégiques. Quelles leçons tirées de ces expériences façonneront le plus directement la stratégie de commercialisation de Haiqu ?

L’une des plus grandes leçons que j’ai apprises est que la commercialisation réussie exige de la patience ; il est très difficile d’introduire un produit et d’obtenir un succès immédiat. Avant que les entreprises ne lancent leurs produits, il est important de disposer d’une période de lancement qui crée de la notoriété et de la crédibilité sur le marché. La crédibilité provient des tests bêta, des publications dans des revues académiques et les médias, des conversations avec des clients potentiels, des recommandations d’utilisateurs et des conseils consultatifs scientifiques.

J’ai également constaté que de nombreuses start‑ups tombent dans le piège de la surestimation de ce que leurs produits peuvent faire. Revendiquer excessivement les capacités d’un produit avant de pouvoir les soutenir pleinement est l’une des plus grandes erreurs qu’une entreprise puisse commettre, car cela détruit la crédibilité.

Je souhaite poursuivre la tradition de Haiqu consistant à représenter avec précision ce que le produit peut et ne peut pas faire. Haiqu a été très consciente des erreurs commises par d’autres start‑ups quantiques et a déjà construit une forte communauté grâce à sa crédibilité scientifique et technique. Mon objectif est de renforcer la base de clients mondiaux de Haiqu, car je pense qu’il est temps qu’une géographie plus large de clients puisse profiter des avantages de HaiquOS.

Le système d’exploitation agentique de Haiqu combine l’intelligence agentique, un kit de développement logiciel et une couche d’orchestration d’exécution. Comment ces composants fonctionnent-ils ensemble pour faire passer une équipe de recherche d’une idée initiale à une expérience quantique exécutable ?

Les trois couches correspondent aux trois étapes où la R&D quantique s’arrête généralement : concevoir la bonne application, l’exécuter efficacement et itérer sur les résultats.

L’intelligence agentique est le point d’entrée d’une idée de recherche. Une équipe décrit une question commerciale ou une direction de recherche exploratoire en langage naturel, et la couche agentique, construite sur nos recherches algorithmiques propriétaires, des flux de travail spécifiques au domaine et une base de connaissances de théorie quantique soigneusement sélectionnée, structure cette intention, clarifie les contraintes et associe le cas d’usage à la bonne approche algorithmique. Le résultat est un prototype prêt à être exécuté.

Le Haiqu SDK transforme ensuite ce prototype en un flux de travail performant et prêt pour le matériel. Il applique le chargement de données, la compression de circuits, l’optimisation algorithmique, l’atténuation des erreurs et la conception consciente du matériel afin que l’équipe puisse extraire une vraie valeur de chaque opération quantique sur le matériel bruyant d’aujourd’hui — jusqu’à 100 fois plus d’opérations utilisables sur les appareils NISQ actuels.

Haiqu Runtime gère ensuite l’exécution : il orchestre l’infrastructure middleware et le flux d’exécution pour faire tourner l’application sur du matériel réel au moindre temps d’horloge et coût par expérience. C’est ce qui nous a permis de reproduire une simulation de dynamique quantique qui coûtait auparavant environ 30 000 $ et neuf heures pour environ 25 $ en environ 30 secondes.

Ensemble, ils ferment la boucle – intention en entrée, expérience exécutable en sortie, assez rapide pour itérer. L’équipe passe d’une idée générale à un prototype fonctionnel en jours plutôt qu’en mois.

L’IA agentique est de plus en plus appliquée aux flux de travail scientifiques complexes. Quelles parties de la recherche quantique peuvent être déléguées à des agents intelligents, et où les scientifiques expérimentés doivent-ils rester fermement aux commandes ?

Les agents sont bien adaptés aux tâches qui demandent une expertise élevée mais sont récurrentes : structurer une question de recherche, la mapper à des algorithmes candidats, générer l’ossature d’une application, et gérer les couches d’optimisation et d’orchestration, qui comprennent le chargement des données, la compression de circuits, l’atténuation des erreurs, la sélection du matériel et le réglage de l’exécution. C’est précisément le travail qui consomme le temps d’un scientifique, le détournant de la science elle‑même, et c’est là que notre couche agentique élimine le problème du « par où commencer ».

Ce qui reste fermement du ressort des scientifiques expérimentés, c’est le jugement. Définir ce qui vaut la peine d’être investigué, décider si un résultat est physiquement significatif plutôt que simplement bien formé, valider les sorties par rapport à la physique connue, et interpréter la portée ne sont pas déléguables. La bonne façon de le formuler est que les agents raccourcissent le chemin vers un résultat et que les experts orientent l’enquête et garantissent les conclusions. La responsabilité de la science ne se déplace pas.

Haiqu soutient que les organisations ne devraient pas devoir attendre des ordinateurs quantiques totalement tolérants aux fautes pour mener des expériences significatives. Que peuvent réellement accomplir les entreprises avec le matériel d’aujourd’hui, et où les attentes doivent‑elles rester mesurées ?

Les entreprises peuvent aujourd’hui construire et exécuter des prototypes fonctionnels : simulation moléculaire et de matériaux, problèmes d’optimisation, apprentissage automatique quantique, et modélisation de distributions de probabilité pour des applications telles que la tarification des risques et des dérivés. Nous l’avons démontré en préparant concrètement des simulations du modèle d’Anderson à impureté unique depuis zéro, et en construisant une chaîne qui reproduisait les signatures observées expérimentalement dans des expériences de diffusion de neutrons sur des aimants quantiques unidimensionnels. Nous avons également montré d’autres applications pertinentes pour les secteurs financier, automobile et énergétique. La valeur aujourd’hui réside dans le développement de l’expertise, des flux de travail et de la préparation d’applications qui porteront leurs fruits à mesure que les systèmes s’agrandissent.

Le matériel est encore dans l’ère du Near‑Intermediate Scale Quantum (NISQ), de sorte que le travail réalisable aujourd’hui constitue une véritable R&D et du prototypage, et non un avantage quantique commercial à grande échelle. Les utilisateurs doivent garder à l’esprit que les résultats nécessitent une validation, que tous les problèmes ne bénéficient pas encore du quantique, et que le positionnement honnête consiste à bâtir la capacité dès maintenant afin que les équipes soient prêtes lorsque le matériel mûrira.

Les projets quantiques peuvent peiner à dépasser les preuves de concept. Qu’est‑ce qui distingue une expérience à réel potentiel commercial d’une démonstration technique impressionnante qui est peu susceptible de générer de la valeur business ?

La différence entre un véritable potentiel commercial et une démonstration technique impressionnante réside dans le fait que le travail répond efficacement à un problème réel que les organisations souhaitent résoudre. Une solution quantique pourrait produire des résultats incroyables, mais si elle est très coûteuse, difficile à reproduire et à mettre à l’échelle, elle ne générera probablement pas de vraie valeur commerciale.

De nombreuses preuves de concept s’arrêtent après ces démonstrations techniques coûteuses, car il n’est pas efficient pour les entreprises de poursuivre cette solution dans leurs flux de travail. C’est pourquoi la capacité de Haiqu à réduire le coût et le temps nécessaires à la réalisation d’expériences significatives est si précieuse ; si les entreprises peuvent exécuter davantage d’expériences avec un budget donné, elles peuvent identifier plus rapidement les expériences et projets susceptibles d’apporter une vraie valeur.

Lors de l’introduction d’un logiciel d’application quantique dans une entreprise, qui devient généralement le champion interne, et comment construire un cas d’affaires lorsque le retour à long terme de la technologie reste difficile à quantifier ?

Lors de l’introduction d’un logiciel d’application quantique tel que HaiquOS dans une entreprise, le champion interne peut provenir de plusieurs sources. Il peut s’agir d’un scientifique ou d’un chercheur qui obtient de meilleurs résultats avec le logiciel, d’un manager qui voit une opportunité de réduire les coûts ou d’améliorer l’efficacité, ou d’un responsable de recherche qui perçoit la valeur d’améliorer les performances et d’accélérer le travail de son équipe.

Le cas d’affaires commence réellement par la démonstration de la valeur aujourd’hui. Nous devons montrer aux clients ce que le logiciel peut faire avec le matériel quantique existant, tout en les aidant à comprendre comment ces capacités croîtront à mesure que le matériel s’améliorera. HaiquOS permet aux clients de réaliser des expériences significatives dès maintenant et d’accélérer le développement d’applications plutôt que d’attendre des ordinateurs quantiques totalement tolérants aux fautes.

À partir de là, le cas d’affaires devient beaucoup plus concret : pouvons‑nous améliorer les performances ? Pouvons‑nous réduire les coûts ? Pouvons‑nous aider les développeurs à obtenir des résultats plus rapidement ? Et pouvons‑nous donner aux clients la confiance que ce dans quoi ils investissent aujourd’hui continuera à générer de la valeur à mesure que l’informatique quantique mûrit ?

Cette combinaison de valeur à court terme, d’une feuille de route claire et d’un solide soutien client facilite la justification de l’investissement, même lorsque le ROI à long terme de l’informatique quantique reste difficile à quantifier.

Haiqu développe une plateforme indépendante du matériel qui peut fonctionner sur différents systèmes quantiques. Quelle importance cette flexibilité a‑t‑elle pour les clients d’entreprise, et comment l’entreprise évite‑t‑elle de réduire les performances pour accueillir plusieurs architectures matérielles ?

Les clients d’entreprise ne sont pas nécessairement engagés envers un seul type de matériel quantique. La plupart expérimentent différents systèmes afin de comprendre leurs performances, leurs coûts et les domaines où chaque technologie peut présenter un avantage.

Cela rend essentiel que le logiciel soit à la fois indépendant du matériel et conscient du matériel. Indépendant du matériel signifie qu’il peut fonctionner sur différentes modalités — superconducteurs, ions piégés, atomes neutres, etc. Conscient du matériel signifie qu’il comprend les caractéristiques du système spécifique sur lequel il s’exécute.

Le point important est que « indépendant du matériel » ne signifie pas traiter chaque ordinateur quantique de la même façon. Chaque architecture possède des caractéristiques différentes, de sorte que lorsqu’un nouveau système est ajouté, le logiciel doit être ajusté et optimisé pour ce matériel.

L’objectif est d’offrir aux clients la flexibilité de choisir le matériel qu’ils utilisent sans sacrifier l’optimisation propre à chaque plateforme nécessaire pour obtenir les meilleures performances de chaque système.

Quelles industries ou catégories d’applications semblent les plus proches d’obtenir une valeur mesurable grâce à la technologie de Haiqu, et quels jalons techniques ou économiques indiqueraient qu’un cas d’usage est prêt à être mis à l’échelle ?

Nous observons des résultats intéressants dans plusieurs domaines d’application. Haiqu a collaboré avec HSBC sur la modélisation et la simulation des risques financiers, ainsi qu’avec Quanscient sur la dynamique des fluides computationnelle, qui possède des applications potentielles dans l’aérospatiale, l’automobile et l’énergie.

Ce que ces projets démontrent, c’est que nous pouvons exécuter des problèmes de plus en plus complexes sur le matériel quantique actuel grâce à des capacités telles que le chargement de données et la compression de circuits.

Je ne pense pas que nous soyons encore au point de pouvoir dire que ces cas d’usage sont prêts à être largement déployés. Les jalons clés seront assez pratiques : de meilleures performances matérielles, la capacité d’exécuter des problèmes plus grands et plus complexes, des résultats reproductibles, et finalement un bénéfice économique comparé aux approches classiques.

Le matériel reste la principale limitation. Notre rôle est d’aider les clients à tirer le maximum des systèmes actuels tout en continuant à pousser vers des problèmes capables de générer une valeur commerciale mesurable.

Grâce à Women in Quantum et DiviQ (Diversity in Quantum), vous avez travaillé intensivement sur l’inclusion et le développement de la main‑d’œuvre. Alors que l’informatique quantique se dirige vers la commercialisation, quelles compétences seront les plus urgentes, et comment l’industrie peut‑elle construire un vivier de talents plus large ?

Lorsque j’ai commencé ma carrière dans l’informatique quantique en 2015, c’était une industrie largement dominée par les hommes. Dès le départ, j’ai compris que l’arrivée de talents plus diversifiés renforcerait la main‑d’œuvre et améliorerait les résultats. J’ai toujours cru que des équipes diversifiées prennent de meilleures décisions et favorisent davantage le succès d’une entreprise.

Faire grandir un vivier de talents plus large passe aussi par le message selon lequel il n’est pas nécessaire d’être titulaire d’un doctorat en quantique pour contribuer à l’informatique quantique. Beaucoup sont découragés par la complexité perçue de la science alors qu’en réalité ils possèdent déjà des compétences pertinentes.

L’industrie a besoin de programmeurs, d’ingénieurs, de mathématiciens, de scientifiques, de professionnels de la communication et bien plus encore. Les employeurs devraient se concentrer sur l’identification des compétences transférables et aider les personnes à les adapter à l’informatique quantique, plutôt que de compliquer excessivement le domaine et de le rendre inaccessible.

Les gens sont souvent surpris par les opportunités qui s’offrent à eux une fois qu’ils intègrent l’industrie, et notre défi consiste à s’assurer qu’ils savent que ces opportunités existent.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus devraient visiter Haiqu. Ceux qui s’identifient comme LGBTQIA+, appartiennent à une minorité de genre, sont des personnes de couleur ou vivent avec un handicap physique, mental ou psychiatrique visible ou invisible peuvent également en apprendre davantage sur la communauté et les initiatives chez DiviQ.