Interview avec Danica Marsden, chercheuse scientifique principale en informatique quantique auprès de la Banque du Canada

L’informatique quantique semble être la prochaine grande chose. À la lace des bits, les qubits façonneront les processus de paiement les plus complexes. Vous avez récemment copublié une étude de recherche démontrant l’efficacité d’un nouvel algorithme en termes d’économies de liquidités lors du traitement dans le système RBTR canadien. Comment la réduction des coûts d’opportunité est-elle calculée?

L’amélioration de l’efficacité des systèmes de paiement qui doivent décompter sur une base brute nécessite des routines d’optimisation qui ne peuvent actuellement pas être exécutées en temps réel. Comme il est supposé que les futurs ordinateurs quantiques à part entière seront idéalement adaptés aux problèmes d’optimisation, nous avons développé un algorithme à cette fin. Dans notre simulation avec des prototypes actuellement disponibles, nous avons constaté au niveau du système une réduction significative des liquidités d’environ 240 millions de dollars canadiens par jour. Les économies réalisées par les participants peuvent être calculées sur la base des coûts d’opportunité des sûretés déposées auprès de la banque centrale en échange de ces liquidités. Puisque les sûretés acceptées par celle-ci sont généralement des obligations d’État négociées sur des marchés de mise en pension de titres avec une petite prime par rapport à d’autres sûretés à valeur élevée, nous estimons que les économies réalisables sont de cinq à dix points de base par dollar, soit 240 000 dollars par jour. Ce montant est réparti entre les participants au système en proportion de la va­leur de leurs transactions.

Le temps d’exécution de votre algorithme est de cinq secondes avant l’exécution des transactions. Cet algorithme convient-il aux paiements instantanés?

Actuellement, de nombreux systèmes RBTR utilisent des mécanismes d’économies de liquidités fondés pratiquement sur des règles empiriques. Par exemple, ils contournent des paiements plus élevés en cas de liquidités insuffisantes. Comme de tels mécanismes n’inspectent pas tous les ordres de paiement, il en résulte des solutions sous-optimales. Notre méthode examine tous les réarrangements possibles d’un lot de paiements et en trouve un qui les traite tous, en réduisant en même temps les coûts de liquidité. Cela prend environ 90 secondes (le même temps qu’il faut pour accumuler le lot de paiements dans le système), dont environ cinq sont consacrées à l’optimisation par l’informatique quantique. Ce type de préprocesseur, quantique ou non, ne convient pas aux paiements qui doivent être exécutés immédiatement, par exemple pour les paiements de masse. Il n’est approprié que si les avantages du gain d’efficacité l’emportent clairement sur les coûts du retard.

Sur quelles autres cas d’utilisation l’ère quantique pourrait-elle avoir un impact important?

Partout où des problèmes similaires sont rencontrés dans l’optimisation du traitement de transactions, par exemple dans le traitement de titres et d’opérations sur devises, dans la fixation de taux de compensation, dans le rapprochement d’une opération, dans l’arbitrage, etc. En outre, l’informatique quantique combinée à l’apprentissage machine pourrait prendre en charge la surveillance en temps réel pour détecter des modèles et dépister des anomalies dans le trafic des paiements.