L'étude des structures fondamentales du traitement de l'information quantique est un défi majeur, dont l'un des objectifs est de mieux cerner les capacités et les limites de l'ordinateur quantique, tout en contribuant à sa réalisation physique notamment en s'intéressant aux ressources du calcul quantique. Les ressources d'un calcul quantique incluent le temps et l'espace mais également la taille des opérations utilisées et la quantité d'intrication. Cette thèse contribue de plusieurs manières à la recherche de ressources minimales dans le cadre de modèles de calcul quantique ouvrant de prometteuses perspectives de réalisations physiques. Ces modèles sont le calcul par consommation d'intrication et le calcul par mesures projectives. Cette thèse a également permis de réduire les ressources en temps et en espace nécessaires à la préparation de certains états quantiques, les états graphes. Etudier la réduction des ressources nécessite l'abstraction et la formalisation des modèles de calcul quantique mettant en évidence les structures même du traitement de l'information quantique. Le q-calcul et les machines de Turing contrôlées classiquement, introduits dans cette thèse, ont cet objectif. Des modèles plus spécifiques au calcul par consommation d'intrication, ou au calcul par mesures projectives sont également considérés.
Nous examinons ici des problématiques standards du traitement du signal, comme la détection de signaux dans le bruit, l'estimation paramétrique à partir de signaux bruités, la transmission d'information sur un canal bruité, mais dans un cadre quantique. Nous suivons plus spécialement un fil conducteur spécifique, déjà bien développé en classique, et constitué par les effets de bruit utile ou phénomène de résonance stochastique – des situations de traitement du signal ou de l'information en présence de bruit, où la performance ne se dégrade pas de façon monotone lorsque le niveau du bruit augmente, mais au contraire où l'augmentation du bruit peut se révéler bénéfique au traitement. En présence de signaux et bruits quantiques, nous mettons ainsi en évidence la possibilité de tels effets de résonance stochastique, dans des tâches de détection, d'estimation ou de transmission de signal. Dans ces études de traitement du signal quantique, nous rencontrons également une propriété spécifiquement quantique constituée par l'intrication. Nous approfondissons aussi l'apport de l'intrication, avec des bénéfices purement quantiques inaccessibles en classique, obtenus pour les tâches de traitement du signal en présence de bruit que nous étudions. Nous considérons aussi des signaux à deux dimensions pouvant s'apparenter à du traitement numérique d'images en quantique. Les études de traitement du signal quantique développées ici sont principalement théoriques et numériques. En complément, nous présentons des mises en œuvre expérimentales que nous avons pu réaliser grâce à un processeur quantique rendu accessible en ligne par la compagnie IBM (processeur IBM Q 14 Melbourne à 14 qubits).
Algorithmes hybrides quantiques-classiques pour le calcul haute performance Le calcul haute performance (HPC) constitue aujourd'hui l'outil principal du calcul scientifique à grande échelle, mais les gains de performance sont de plus en plus contraints par des limites architecturales et énergétiques. En parallèle, le calcul quantique est un paradigme émergent, encore en cours de développement, mais déjà prometteur pour l'accélération de certaines briques numériques. Un enjeu central consiste donc à comprendre comment intégrer efficacement des processeurs quantiques au sein des infrastructures HPC existantes, plutôt que de les considérer comme des accélérateurs isolés. L'objectif de cette thèse est d'explorer le calcul hybride quantique-classique, à la fois du point de vue algorithmique et des modèles de programmation. Nous étudions comment combiner de manière cohérente des ressources classiques et quantiques au sein de workflows hybrides, en exploitant les forces respectives de chaque paradigme. Comme cas d'usage principal, nous nous intéressons à la résolution de systèmes linéaires, un noyau fondamental du calcul scientifique et du HPC. Dans un premier temps, nous abordons la problématique de l'encodage de données classiques sous forme de représentations quantiques, qui constitue un goulot d'étranglement majeur des algorithmes hybrides. Nous proposons une amélioration du coût de pré-traitement pour l'encodage de matrice dans des unitaires, via décomposition dans la base de Pauli. Nous introduisons ensuite un solveur hybride reposant sur la Quantum Singular Value Transformation (QSVT). Inspirée de l'algèbre linéaire numérique classique, une approche de raffinement itératif en précision mixte est proposée, combinant des résolutions quantiques basse précision avec des corrections classiques haute précision. Une analyse détaillée de la convergence, des erreurs et des coûts de calcul est présentée, montrant que l'hybridation permet de réduire les ressources quantiques nécessaires pour atteindre une précision donnée. Enfin, nous abordons les aspects de programmation et d'implémentation à travers la conception d'un framework de programmation hybride quantique-classique, Q-Pragma, destiné à faciliter l'intégration de l'accélération quantique dans des environnements HPC existants. Ce travail contribue ainsi au développement de codes hybrides quantique-HPC plus réalistes et exploitables.