Allstate et IBM cherchent à déterminer si l’informatique quantique peut aider les assureurs à constituer des portefeuilles offrant un meilleur équilibre entre valeur et risques, en traitant une version complexe du « problème du sac à dos », bien connu en informatique. Les résultats de ces travaux communs ont été publiés sur la plateforme arXiv en mai 2026, tandis qu’IBM en a présenté les détails le 18 juin 2026.
Le problème du sac à dos consiste à sélectionner un ensemble d’éléments qui offre la valeur la plus élevée possible sans dépasser une limite donnée de poids ou de capacité. Dans son application à l’assurance, les polices d’assurance représentent les éléments à sélectionner dans un portefeuille, les pertes potentielles représentent le poids, et la valeur du portefeuille représente le bénéfice ou le rendement attendu. Le problème devient difficile lorsque le nombre d’éléments est élevé et que les poids ne sont pas des nombres fixes, mais des plages incertaines.
Pourquoi les portefeuilles d’assurance habitation sont-ils différents ?
Tous les risques n’évoluent pas de la même manière. Un accident de voiture peut être dans une large mesure indépendant d’un accident subi par un autre conducteur, mais les risques météorologiques peuvent toucher simultanément un grand nombre de polices. Les incendies de forêt, les ouragans et les tempêtes de neige peuvent endommager de nombreuses maisons dans une même région, ce qui rend les pertes corrélées plutôt que constituées d’événements isolés.
Eric Holtz, directeur général de l’analyse et des données chez Allstate, a déclaré que l’assurance habitation exige de raisonner à l’échelle du portefeuille, et pas uniquement à celle du risque individuel. Il ne suffit donc pas d’évaluer chaque bien séparément puis d’additionner les résultats : l’assureur doit estimer ce qui pourrait se produire lorsque plusieurs pertes surviennent simultanément et s’assurer que les scénarios extrêmes restent dans le niveau de risque accepté par l’entreprise.
Allstate s’appuie actuellement sur des simulations classiques pour estimer les résultats possibles. L’entreprise peut exécuter 100 000 scénarios futurs, mais les événements rares et coûteux restent une source de difficultés. Si l’analyse se concentre sur les 1 % de scénarios les plus défavorables, il ne reste qu’environ un millier d’événements, un nombre qui peut ne pas fournir suffisamment de certitude pour analyser plusieurs types de risques sur de vastes zones géographiques.
Une approche combinant informatique quantique et classique
L’équipe a testé une approche quantique conçue pour les portefeuilles d’assurance habitation. Cette approche utilise un circuit quantique exécuté sur un processeur IBM Quantum Heron pour générer un ensemble de solutions candidates, en orientant le calcul vers des combinaisons conciliant valeur et respect du budget ou de la limite de pertes acceptable.
Une étape classique affine ensuite les résultats. Elle corrige les solutions qui dépassent le budget, identifie les habitations qui apparaissent le plus souvent dans les bonnes solutions, puis utilise ces informations pour orienter le tour de calcul suivant. Le processus se répète selon un cycle visant à améliorer les résultats à chaque itération.
Les chercheurs ont également rencontré un problème bien connu lors de l’entraînement de circuits quantiques sur de grandes instances : le signal d’apprentissage peut s’affaiblir à mesure que la taille du problème augmente. Pour le surmonter, l’équipe a entraîné le circuit sur une petite version du problème, puis a transféré ce qu’il avait appris à une version plus grande.
Vaibhav Kumar, chercheur en informatique quantique chez IBM et coauteur de l’article, a expliqué que les méthodes classiques actuelles reposaient soit sur la simulation de multiples scénarios, une option précise mais coûteuse en calcul, soit sur l’analyse du pire intervalle possible, une option plus sûre mais potentiellement très conservatrice.
Comparaison avec les méthodes d’optimisation traditionnelles
Pour mesurer les performances de la nouvelle approche, l’équipe a comparé ses résultats à ceux d’une solution exacte capable, si on lui accorde suffisamment de temps, d’atteindre la meilleure réponse démontrée. Elle l’a également comparée à quatre méthodes approximatives courantes qui équilibrent rapidité et précision :
- le recuit simulé ;
- la recherche tabou ;
- le recuit parallèle ;
- l’algorithme génétique.
Chaque méthode disposait de 30 minutes par problème. Pour les problèmes comptant jusqu’à 75 éléments, toutes les méthodes ont atteint la meilleure solution démontrée. À mesure que la taille des problèmes augmentait, l’approche quantique-classique est restée compétitive face aux méthodes heuristiques classiques les plus performantes : elle s’en est approchée et les a légèrement dépassées sous des contraintes strictes.
Toutefois, cette approche ne peut pas encore traiter les tailles pour lesquelles les solutions exactes deviennent suffisamment lentes pour perdre leur utilité. Les résultats constituent donc un premier indice d’une éventuelle valeur pratique à l’avenir, et non la preuve que l’informatique quantique a déjà résolu le problème de la construction de portefeuilles d’assurance à grande échelle commerciale.
Que retient Allstate de cette expérience ?
Allstate considère que l’objectif consiste à construire un pont à double sens : comprendre ce que les appareils quantiques peuvent faire aujourd’hui, déterminer quels problèmes commerciaux pourraient en bénéficier à mesure que les appareils progresseront, puis identifier les points de rencontre entre les capacités techniques et les besoins pratiques.
Holtz a déclaré que l’incertitude concernant le calendrier d’accès à une valeur commerciale ne justifiait pas l’attente, car les entreprises qui développent leurs compétences et identifient tôt les problèmes appropriés pourraient être mieux préparées lorsque la technologie progressera. Holtz et Jan Utke, data scientist et directrice technique au sein de l’organisation des produits d’assurance d’Allstate, ont tous deux souligné l’importance de commencer par un problème réel présentant un intérêt pour l’activité, plutôt que d’étudier la technologie indépendamment de ses usages.
Le partenariat a commencé dans le cadre du programme Quantum Accelerator d’IBM destiné aux organisations nouvelles dans ce domaine, puis s’est transformé en une recherche commune qui s’est étendue sur deux ans. Selon Utke, les travaux se sont caractérisés par leur transparence, grâce à la publication des résultats, du code et des données, permettant à d’autres de les examiner et de s’appuyer dessus.
Des questions restent ouvertes concernant le rôle que joueront les flux de travail quantiques dans les décisions des assureurs et la construction des portefeuilles. L’expérience a toutefois permis à Allstate d’acquérir une expérience pratique dans la formulation du problème, la sélection des tâches appropriées et l’intégration du traitement quantique aux méthodes classiques. À mesure que le matériel progressera et que le bruit diminuera, IBM s’attend à ce que la part du travail devant être exécutée du côté classique diminue.