Apprenez à concevoir, implémenter et optimiser les applications quantiques
Optimisation, intelligence artificielle, simulation, cryptographie : l’informatique quantique repousse les limites du calcul. Concevez, programmez et évaluez vos propres algorithmes quantiques.


Présentation
Cette formation informatique quantique de 5 jours (35 heures) permet aux ingénieurs, data scientists et chercheurs de concevoir, programmer et évaluer des algorithmes quantiques appliqués à des problèmes concrets. Aucun prérequis en physique quantique n’est nécessaire : des bases en algèbre linéaire, en probabilités et en Python suffisent.
Le programme alterne fondements théoriques, cas d’usage industriels (finance, énergie, chimie, supply chain) et travaux pratiques sous IBM Qiskit, sur émulateur comme sur ordinateur quantique réel. Vous repartez avec vos propres programmes, réutilisables dans votre organisation.
Objectifs pédagogiques
À l’issue de la formation informatique quantique, les participants seront capables de :
1
Maîtriser le formalisme quantique utilisé dans la conception des algorithmes quantiques
2
Comprendre le principe de fonctionnement des algorithmes quantiques et des approches hybrides
3
Implémenter des algorithmes quantiques à l’aide d’outils de programmation dédiés tels que la librairie Python IBM Qiskit et les exécuter au moyen d’un émulateur ou d’un ordinateur quantique réel
4
Connaître les principaux algorithmes quantiques et méthodes hybrides dédiés notamment à l’optimisation et au machine learning
5
Évaluer les performances et les limites des processeurs quantiques actuels dans des contextes applicatifs réels
6
Développer une démarche expérimentale permettant de concevoir, tester et analyser des applications quantiques innovantes
Public & conditions d’accès
Public visé
Cette formation informatique quantique s’adresse à des professionnels possédant une solide culture scientifique ou informatique et souhaitant développer une expertise en algorithmie quantique. Elle est particulièrement adaptée aux profils amenés à concevoir des algorithmes avancés ou à explorer de nouveaux paradigmes de calcul pour des applications de recherche ou d’innovation.
- Experts en Machine Learning souhaitant être initiés aux approches Quantum Machine Learning (QML)
- Experts en recherche opérationnelle souhaitant comprendre comment un ordinateur quantique peut résoudre des problèmes d’optimisation
- Chercheurs et enseignants chercheurs désireux de découvrir comment appliquer le calcul quantique au sein de leur thématique de recherche
- Ingénieurs et autres profils scientifiques intéressés par comprendre un nouveau paradigme de calcul

Prérequis
Contrairement aux idées reçues, aucune connaissance préalable en physique quantique n’est nécessaire pour suivre cette formation.
Les participants devront en revanche disposer :
- De connaissances de base en algèbre linéaire (vecteurs, matrices, nombres complexes,…) et en théorie des probabilités (variables aléatoires, …)
- D’une maîtrise élémentaire du langage Python
Par ailleurs, des connaissances en recherche opérationnelle et/ou en machine learning sont souhaitables mais non indispensables.
Programme
Comprendre l’informatique quantique et ses fondements
Panorama des technologies quantiques, cas d’usage industriels, impacts sur la cybersécurité, écosystème mondial et feuilles de route technologiques. Introduction au formalisme quantique : qubits, superposition, portes, mesures et circuits.
Programmer ses premiers algorithmes quantiques
Approfondissement du formalisme quantique et découverte de l’algorithme de recherche de Grover. Prise en main d’IBM Quantum et Qiskit, puis implémentation de premiers circuits et algorithmes quantiques.
Résoudre des problèmes d’optimisation avec le quantique
Introduction à l’optimisation quantique à travers le problème Max-Cut, les modèles d’Ising et l’algorithme QAOA. Implémentation pratique d’un algorithme d’optimisation avec Qiskit.
Explorer l’optimisation avancée et le Quantum Machine Learning
Formulation QUBO, utilisation de Qiskit Optimization et application à des problématiques issues de secteurs tels que la finance, l’énergie, la chimie ou la supply chain. Introduction aux Quantum Neural Networks (QNN) et mise en œuvre d’un premier problème de classification.
Concevoir les applications quantiques de demain
Approfondissement du Quantum Machine Learning avec les Quantum Kernels et l’algorithme QSVM. Analyse des perspectives applicatives à court, moyen et long termes et identification des opportunités de mise en pratique au sein de son organisation.
Modalités, évaluation & validation
Modalités pédagogiques
Cette formation repose sur une pédagogie immersive, combinant excellence scientifique et expérimentation pratique. Chaque notion théorique est immédiatement mise en œuvre afin de favoriser une appropriation progressive des concepts et des outils. Le programme alterne entre :
- Exposés interactifs
- Démonstrations techniques
- Travaux pratiques individuels et en groupe
- programmation sous Python avec IBM Qiskit
- Etudes de cas inspirées de problématiques industrielles
- Ateliers de conception d’algorithmes quantiques
- Echanges entre participants et intervenant
*Ce programme est susceptible d’évolutions pour intégrer les dernières avancées technologiques.
Les participants développent progressivement leurs propres programmes, qu’ils pourront réutiliser et enrichir à l’issue de la formation.
Évaluation
Les compétences sont évaluées tout au long de la formation à travers :
- La réalisation des travaux pratiques
- L’implémentation d’algorithmes quantiques
- La participation aux ateliers collaboratifs
L’évaluation porte à la fois sur la compréhension des concepts, la qualité de l’implémentation, la capacité d’analyse des résultats et la pertinence des choix algorithmiques.
Validation
Une Attestation d’Acquisition des Compétences (AACE) de l’EPITA, est délivrée aux participants ayant validé l’ensemble des compétences visées par le programme.
Accessibilité
Cette formation est accessible aux personnes en situation de handicap. Contactez notre référent handicap pour étudier les aménagements possibles : [email protected].
Responsable pédagogique

Bruno FÉDRICI
Responsable pédagogique du programme
Informatique quantique
Algorithmes quantiques
Quantum Machine Learning
Expertise et parcours
Dr Bruno Fédrici est docteur en physique (ingénierie quantique) et spécialiste des algorithmes quantiques et de leurs applications industrielles. Depuis dix ans, il forme des ingénieurs, des chercheurs et des entreprises aux technologies quantiques.
À l’interface de la recherche, de l’enseignement supérieur et de l’industrie, il associe rigueur scientifique et retours d’expérience concrets. Il est également titulaire d’un Diplôme d’Université en transformation numérique des organisations.
Le Learning Success Manager est l’interlocuteur au quotidien pour accompagner tout au long du programme de formation.
Découvrez nos autres programmes EPITA Executive Education
Chaque programme EPITA Executive Education s’inscrit dans une trajectoire : maîtriser une technologie, piloter sa mise en œuvre, transformer l’organisation. Identifiez la formation qui prolonge celle-ci.
Programme mis à jour :
Inter
4000 € HT
Intra-entreprise sur devis
Prochaines sessions
02-05 février 2027
Clôture des inscriptions : 01 fév.
Campus
Campus Cyber, Paris
5 j · 35 h
Présentiel ou à distance
Français | Anglais
