Podcast avec Sergio Gago, PDG de Qapitan

Mon invité aujourd'hui est Sergio Gago, PDG de Qapitan Quantum. Sergio et moi parlons des API quantiques, de la manière de trouver le meilleur fournisseur de cloud et de matériel quantique pour un algorithme quantique particulier, du prix de l'informatique quantique et de bien d'autres choses encore.

Écouter d'autres podcasts ici

LA TRANSCRIPTION COMPLÈTE EST CI-DESSOUS

Yuval Boger (CMO, Classiq): Bonjour Sergio, et merci de vous joindre à moi aujourd'hui.

Sergio Gago, (PDG, Qapitan):Bonjour, Yuval. Bonjour, Yuval. Merci de m'avoir invité.

Yuval: Qui êtes-vous et que faites-vous ?

Sergio: Je m'appelle Sergio. J'ai été directeur technique dans des entreprises classiques pendant une vingtaine d'années, à la fois dans mes propres entreprises et dans d'autres, à la fois dans des start-ups, des scale-ups et des entreprises. J'ai rejoint le mouvement des ordinateurs quantiques en créant une entreprise appelée Qapitan Quantum.

Yuval: Et que fait Qapitan Quantum ?

Sergio: Qapitan Quantum essaie de tirer parti de ce que nous avons vu dans le monde de l'IA au cours des deux dernières décennies environ, en se plaçant au-dessus des soldats, des soldats géants, comme on dit. Ce que nous avons essayé de faire, c'est de suivre le même paradigme que nous avons vu depuis le début des temps dans ce genre de monde. Au début, il fallait beaucoup d'administrateurs système, de data scientists, d'ingénieurs de données, de ML ops, tous ces types de rôles et de profils, essayant de mettre leurs modèles et leurs systèmes dans vos colos et essayant d'obtenir des ensembles de données et essayant de construire des modèles et des inférences. Et c'était extrêmement coûteux. Et dans de nombreux cas, vous n'obteniez même pas d'inférences correctes, soit parce que vous n'aviez pas assez de puissance informatique, soit parce que vous n'aviez pas assez d'ensembles de données. Tout cela vous semble probablement familier.

Nous sommes aujourd'hui à l'heure de l'informatique quantique. Nous disposons d'algorithmes, de nombreuses recherches ont été effectuées, mais nous avons besoin de plus de personnes. Nous avons besoin de plus de qubits ou de qubits moins bruyants, et nous avons besoin de plus d'algorithmes. Les gens disent que nous en sommes au niveau de l'ENIAC à la fin des années soixante. Si, nous pouvons faire du quantique avec du classique. J'aime à penser que nous sommes plutôt dans les années 90, dans le monde de l'IA et, je l'espère, sans un hiver de l'IA au milieu. Pourquoi ? Parce que dans le monde de l'IA, l'informatique en nuage est soudainement apparue et il était beaucoup plus facile de construire des modèles et de créer des bibliothèques open source, comme celles que nous avons en Python, et de créer une communauté qui s'est accélérée très, très rapidement. Avec le développement de cette industrie, tous les fournisseurs de cloud computing ont créé leurs propres couches comme AWS, GCP, Azure.

Aujourd'hui, il existe de nombreuses solutions SaaS. Vous n'avez pas besoin de construire votre propre système. Si vous voulez un vérificateur de spam ou un système de traitement du langage naturel, vous n'avez pas besoin de votre propre modèle ou de votre propre ensemble de données. Il suffit d'avoir une API et d'en obtenir les résultats. Et bien sûr, si vous vivez dans une entreprise très spécifique, vous pouvez aller de l'avant et la construire vous-même. Mais pour 99 % des clients, des besoins et des problèmes, la solution prête à l'emploi sera suffisante dans l'informatique quantique. Nous allons dans la même direction. Si vous êtes une grande banque ou une grande société pharmaceutique, vous devriez probablement déjà embaucher des ingénieurs quantiques, développer vos connaissances internes et renforcer vos capacités, et soutenir certaines des entreprises de notre secteur qui nous entourent.

Mais si vous êtes un fonds spéculatif plus petit, vous devriez toujours être en mesure d'obtenir les avantages de l'optimisation de portefeuille ou de l'analyse du risque de crédit sans avoir les ressources de prospection avec certaines des 300, 400 startups dans le monde quantique aujourd'hui, c'est exactement ce que nous faisons à Qapitan Quantum : suivre ce modèle sur l'IA et construire ce que nous considérons comme le premier marché d'API quantiques de manière à ce que n'importe quel client puisse exécuter une demande d'API très simple pour n'importe quel problème spécifique à un domaine. Qu'il s'agisse du repliement des protéines, du risque de crédit, de l'optimisation des portefeuilles ou de tout autre cas d'utilisation typique que nous voyons tous les jours dans le monde de l'informatique quantique. Le client pourra alors obtenir la meilleure solution potentielle que nous ayons aujourd'hui pour la taille du problème qu'il nous soumet. S'il souhaite optimiser un portefeuille de 20 000 actifs, il est probable qu'un ordinateur quantique ne suffira pas pour l'instant. Il faudra attendre quelques années avant d'en arriver là. Ces solutions quantiques arrivent. La question est de savoir s'il faudra attendre 2, 3, 5 ou 10 ans pour que ces solutions soient disponibles pour le client sur ce marché.

Yuval: Lorsque vous parlez de place de marché, cela signifie-t-il que vous n'êtes pas les seuls à développer des API quantiques pour la place de marché et que vous prévoyez d'introduire des algorithmes ou des API d'autres entreprises, ou bien que pour l'instant, Qapitan est le seul à se charger du développement ?

Sergio: Je pense qu'il y a quelques personnes qui essaient des choses similaires et c'est vraiment une bonne nouvelle pour l'industrie. Nous avons bien sûr les gens de Zapata, QC Ware, StrangeWorks, et vous aussi chez Classiq. Nous vivons tous à ces extrémités de la chaîne de valeur pour les clients, en essayant de fournir de meilleures solutions aux développeurs quantiques, aux développeurs d'algorithmes, afin d'apporter de la valeur au client final. De l'autre côté du spectre, nous avons les fournisseurs de matériel et, au milieu, les développeurs d'algorithmes, je pense que cela dépend vraiment de l'endroit où vous voulez vous situer dans cette chaîne de valeur. Et nous voulons être non seulement agnostiques en matière de qubits, mais aussi agnostiques en matière de solutions. Ainsi, en fin de compte, si vous êtes un développeur quantique, l'une de ces 350 sociétés de conseil quantique qui existent aujourd'hui dans le monde, au lieu de consacrer du temps et de l'argent aux produits de base, à savoir comment exécuter mes algorithmes ?

Ils doivent aller au-delà de votre carnet Jupyter, de votre démo ou de votre article. Vous devez les produire lorsque vous êtes confronté à ce problème. Deux options s'offrent à vous : Soit vous embauchez un administrateur système ou plusieurs développeurs backend classiques, quelqu'un pour gérer votre infrastructure. Ensuite, vous commencez à faire des intégrations. C'est très bien, c'est tout à fait faisable, mais c'est réinventer la roue encore et encore. Ce que nous faisons, c'est dire : mettez votre algorithme dans cette boîte, et il s'épuisera. Il s'épuisera automatiquement avec la gouvernance, la conformité, le contrôle, la facturation, la sécurité, toutes ces questions.

Ce n'est pas votre activité principale parce que ce que vous faites bien, c'est développer, dire des algorithmes. Et c'est l'angle que nous prenons, nos entreprises prennent des angles différents. Et je pense que nous nous approchons tous d'un point idéal pour apporter une valeur ajoutée à l'industrie. Mais nous avons essayé, nous avons essayé d'aller aussi loin que possible dans la chaîne de valeur de manière à ce qu'il y ait 10, 15, 20 façons différentes de résoudre un problème spécifique. Et laquelle le client veut-il ? La moins chère, la plus rapide, la plus précise ou une combinaison des trois ? Nous avons pu dire : votre problème, votre meilleure solution sera d'envoyer un recuit ou d'utiliser un ordinateur ionique par le développeur A ou le développeur B, ou d'utiliser un qubit supraconducteur, ou peut-être quelque chose qui apparaîtra l'année prochaine et que personne ne connaît. C'est la valeur que nous essayons d'apporter.

Yuval: Pourriez-vous me donner un exemple d'API que vous proposez aujourd'hui ? Je pense que je peux penser à la génération de nombres aléatoires, c'est une API facile. C'est peut-être quelque chose que vous pouvez obtenir presque instantanément, mais quelles autres API proposez-vous aujourd'hui ?

Sergio: Oui, la génération de nombres aléatoires quantiques est comme notre programme " hello world ", que nous utilisons pour enseigner aux développeurs d'algorithmes comment utiliser la plateforme et comment télécharger un nouveau solveur, comme nous les appelons, dans la plateforme, le solveur est lié à un problème de domaine. Le solveur est lié à un problème de domaine. Il peut s'agir de la finance, de l'industrie pharmaceutique ou d'autres domaines. Nous couvrons donc les trois problèmes typiques de la finance : la monnaie, l'arbitrage, le risque de crédit et l'optimisation de portefeuille. Nous avons également fourni des algorithmes variationnels pour les problèmes de chimie. Nous proposons également des algorithmes QML pour la classification, mais ce qui compte vraiment, c'est de savoir comment intégrer vos algorithmes dans le système afin d'y parvenir. Nous avons trois cadres qui permettent au développeur de le faire beaucoup plus rapidement. Par exemple, le cadre le plus avancé et celui qui fournit les meilleures solutions aujourd'hui est le cadre QUBO.

De nombreux problèmes combinatoires peuvent être modélisés sous la forme d'un QUBO. Ainsi, tant que vous pouvez représenter votre problème ou votre résultat sous la forme binaire quadratique, tout le reste est pris en charge pour vous. Ainsi, quel que soit le nombre de fournisseurs qui se présentent par la suite, l'information est directement intégrée à la plateforme. Vous n'avez donc pas à choisir le fournisseur A ou le fournisseur B, c'est déjà intégré. Vous pouvez également le construire à partir de zéro. Si vous le souhaitez, vous pouvez ouvrir votre propre compte auprès de la société de matériel que vous voulez, mais vous pouvez aussi tirer parti de ces cadres et de ces SDK, qui réduisent votre temps de développement au strict minimum, mais aussi à ce qui compte. Pour répondre à votre question, nous ne développons pas vraiment de nouveaux algorithmes, et cela rend mon équipe folle parce que ce sont des ingénieurs quantiques, mais nous ne créons pas de nouvelle science ici.

Je ne pense pas être assez intelligent pour le faire moi-même. Ce que nous faisons, c'est essayer de tirer parti de ceux qui créent ces nouveaux signes, ces nouveaux algorithmes, et créer une plateforme de référence pour qu'ils puissent l'utiliser. La plateforme API est donc le projet à long terme pour nous, mais il faudra du temps avant que nous n'atteignions cet objectif. En fin de compte, qui veut utiliser une API pour optimiser un portefeuille de 50, 60 ou 80 actifs ? Vous voulez comparer vos solutions à d'autres solutions, quantiques classiques ou autres, et vous voulez aussi les distribuer. Et si, au lieu de perdre un temps précieux à réaliser ces plates-formes ou architectures de commodité, je pouvais simplement brancher ma plate-forme sur votre fournisseur de cloud, votre colo, où vous voulez, et vous n'auriez plus qu'à travailler avec eux. La seule chose que vous devez donner à votre client est ce point final, cette API qui leur permet de construire n'importe quel modèle personnalisé avec lequel vous travaillez.

Yuval: Certains algorithmes quantiques peuvent fonctionner sur différents ordinateurs quantiques. Tous les algorithmes ne peuvent pas fonctionner sur tous les ordinateurs, en fonction du nombre de qubits, de la connectivité, etc. Les prix varient selon les fournisseurs de cloud et de matériel quantique. Comment choisir le meilleur fournisseur et le meilleur matériel pour un client particulier ?

Sergio: Il nous a fallu un certain temps pour trouver le modèle de priorisation et de résolution. Imaginons que nous ayons, pour certains problèmes spécifiques, 20, 25 solveurs différents, différents algorithmes qui résolvent le même problème, et certains d'entre eux sont classiques. Et comme vous l'avez dit, si vous essayez de le résoudre de cette manière, avec cette quantité de qubits ou avec cette topologie de qubits, vous serez capable de résoudre un problème aussi grand ou aussi petit. Maintenant, si le problème est petit, la précision peut être bien meilleure si le problème est plus grand. Nous avons donc créé un modèle de référence basé sur trois variables : le coût, le temps et la précision, puis une combinaison pondérée de toutes ces variables. Ce que nous constatons, c'est que certaines personnes nous disent : "Je ne cherche pas vraiment la solution la plus précise, du moment qu'elle est décente.

Je veux quelque chose d'incroyablement précis. Je me fiche de savoir combien cela coûte tant que vous me donnez la meilleure solution de toutes. Cela nous permet donc de faire des choses comme, laissez-moi exécuter votre problème contre les 20 ou 25 solveurs. Et certains d'entre eux prendront plus de temps que d'autres parce qu'il y a des files d'attente et des choses comme ça. Parfois, le client final met trois heures à obtenir la réponse de tous les résolveurs, mais il obtient l'histogramme de toutes les options, de tous les résolveurs et de leur classement les uns par rapport aux autres. Il se peut que quelqu'un dise : "Je veux l'option la moins chère". Peut-être que mon option nécessite de faire tourner des centaines de serveurs pour entraîner un réseau neuronal, puis d'utiliser le modèle pour créer des inférences à la manière classique de l'IA. Et cela va aussi coûter de l'argent.

Ou bien vous pouvez exécuter cette version moins précise sur cet ordinateur spécifique qui fonctionne pour moins cher, du moins en ce qui concerne le temps algorithmique. Nous pouvons donc permettre au client de décider quelle est sa priorité, ou simplement, vous commencez comme un modèle assemblé pour obtenir la meilleure solution possible au fur et à mesure que nous avançons. Ce qui est intéressant, c'est l'évolution de notre secteur. Par exemple, nous utilisons aujourd'hui des algorithmes variationnels parce que c'est l'une des meilleures solutions que nous ayons pour l'ère NISQ, lorsque nous avons des ordinateurs bruyants avec peu de qubits, mais ce modèle fonctionnera-t-il de la même manière, disons dans cinq ans, ou même dans trois ans ?

Je pense que nous changerons beaucoup le type d'algorithmes que nous utilisons lorsque nous n'aurons plus les mêmes limitations qu'aujourd'hui. Peut-être que les algorithmes de variation deviendront une chose du passé, et peut-être que quelqu'un me détestera pour avoir dit cela. C'est cela construire la machine que nous essayons de construire aujourd'hui. C'est donc nécessaire, et nous devons avancer pas à pas. Mais je ne pense pas que nous utiliserons des algorithmes variationnels dans dix ans. Tout le travail que nous avons investi dans la plateforme est donc gaspillé ? Non, parce que vous avez une couche d'abstraction qui fonctionne, qui vous abstrait de cela, qui vous cache de toute cette complexité.

Yuval: Pour clarifier ce que je crois avoir entendu. Si j'ai un algorithme, je peux vous le soumettre. Vous pourriez l'exécuter dans l'exemple que vous avez donné sur 20, 25 algorithmes différents. Vous me remettriez un rapport indiquant le coût, les performances et le temps de réponse pour chacun d'entre eux. Sur cette base, je pourrais choisir le meilleur algorithme et l'utiliser en production. Cela vous convient-il ?

Sergio: C'est une façon de travailler, mais la façon la plus courante est de dire : " Je veux résoudre ce problème. Donnez-moi la meilleure solution que vous avez. Et vous n'aurez qu'une seule et unique solution. Puis, peut-être que dans cinq mois, un nouvel algorithme utilisant le nouvel ordinateur d'un fournisseur de matériel ou une allégorie qui a été mise à jour par le développeur apparaîtra. Le site sera alors mieux classé. Imaginez les résultats de recherche de Google, c'est une chose dynamique. Et puis, c'est vivant et les résultats changent constamment pour ce mot-clé spécifique. Ainsi, en tant que consommateur, vous intégrerez simplement cette API qui a un contrat spécifique, et vous pourrez l'intégrer à vos propres pipelines. Vous obtiendrez la meilleure solution de toutes les plateformes, ou vous pouvez faire exactement ce que vous dites, me donner tout. Et maintenant, nous allons décider lequel, quel résultat je veux garder.

Il s'agit donc d'une plate-forme d'évaluation comparative que vous pouvez utiliser pour dire : veuillez comparer pour moi tous les différents solveurs, le recuit, la supraconduction en utilisant la société A, la société B, la société C, pour ce même problème spécifique pour tout le monde, bien sûr, le même algorithme peut être mis en œuvre de différentes manières. Ainsi, une entreprise du secteur financier peut utiliser un algorithme publié bien connu qui donne de meilleurs résultats qu'une autre entreprise, simplement parce qu'elle a procédé à des ajustements ou à des réglages sur son solveur. C'est très bien, et c'est quelque chose que nous voulons, que nous voulons exploiter également. C'est l'avis du consommateur final. Maintenant, si vous êtes un développeur d'algorithmes, vous regardez la plateforme de l'autre côté de la place de marché, de l'autre côté, je peux voir tous les problèmes qui sont disponibles sur la plateforme, ou même suggérer de nouveaux problèmes, les problèmes principaux. Et je peux dire : voici la solution que j'ai trouvée pour ce problème.

Je vais obtenir les détails, les données de l'utilisateur de cette manière, dans ce format, je peux utiliser ces cadres que j'ai mentionnés précédemment, ou construire ma propre chose à partir de zéro, la mettre dans la plate-forme et ensuite nous faisons un partage des revenus sur chaque appel d'API que nous exécutons. Vous pouvez utiliser nos propres accords avec les fournisseurs de matériel, ou vous pouvez utiliser les vôtres, cela dépend de vos propres besoins et définir une société sur le fournisseur de matériel également, puis votre solveur vient dans la plate-forme. Ce qui peut arriver, c'est que dans un an, votre solveur devienne obsolète parce que la plate-forme matérielle que vous utilisez n'existe plus. Nous voyons cela pratiquement tous les mois ou tous les trimestres, des sociétés de matériel informatique qui dépravent leurs systèmes, ou qui ont changé la façon dont ils traitent les files d'attente, ou qui changent la façon dont ils construisent, beaucoup de choses peuvent changer. La seule chose à faire est d'effectuer un nouveau commit dans votre dépôt, dans votre dépôt Github, et cela met automatiquement à jour le système et la plateforme, les valide et les construit. Cela devient essentiellement une plateforme d'intégration continue pour vos algorithmes quantiques. Vous pouvez donc l'utiliser comme test, référence, livraison et distribution. 

Yuval: Parlons un peu des prédictions. Si l'on considère le monde classique et les grands fournisseurs de cloud, AWS, Azure ou Google cloud, on peut utiliser leurs services de multiples façons. D'une part, vous pouvez simplement acheter la capacité " Tout ce que je veux, c'est un serveur EC2 et c'est tout ", ou vous pouvez utiliser une API pour le NLP ou pour l'étiquetage géographique ou autre. Selon vous, quelle sera l'option la plus répandue pour le quantique ? La vente de capacité ou la vente d'une API permettant d'effectuer un certain service quantique ?

Sergio: Je pense qu'en fin de compte, tout se résume à vendre de la capacité si l'on se place du point de vue du fournisseur de cloud. Prenons AWS par exemple, et c'est en fait l'une des histoires que j'utilise pour expliquer Qapitan. Vous pouvez utiliser Sagemaker, un outil destiné aux scientifiques des données qui leur permet de créer leurs carnets de notes et leurs modèles. Et vous n'avez pas besoin d'administrateurs système, ou vous pouvez simplement intégrer ces API pour faire du NLP ou pour faire n'importe quel type d'analyse de texte, de la synthèse vocale, de la transcription de la parole en texte, tous ces types de choses. Mais en fin de compte, ce qu'AWS veut, c'est que vous utilisiez ses serveurs avec différentes couches d'abstraction et différentes couches de construction d'objectifs d'entreprise. Mais en fin de compte, vous utilisez leurs serveurs. Vous pouvez facturer ou payer par machine.

Vous pouvez payer par exécuteur de script. Vous pouvez payer par API, comme dans le monde de l'offset de serverless. Mais en fin de compte, tout se résume à vendre de la capacité. Je pense que les grands acteurs, ceux que vous avez mentionnés et au-delà, sont dans ce jeu en construisant des verrous et en créant leurs propres modes. Nous achetons donc leur capacité, au moins jusqu'à ce que nous trouvions l'architecture gagnante qui les prendra tous. À la fin de la journée, il n'y en aura qu'une, les supraconducteurs gagneront, ou les ordinateurs photoniques gagneront peut-être un, peut-être deux, peut-être plusieurs, mais je pense qu'il est prudent de supposer qu'il y aura un endroit où il y aura un maximum de deux architectures dominantes dans les ordinateurs quantiques. Que ce soit dans cinq, dix ou quinze ans. Je ne me risquerai pas à le dire. Donc ce que font AWS, Google, IBM, bien sûr, c'est placer leurs paris et essayer de vendre de la capacité. De l'autre côté du spectre. Si vous êtes un consultant, si vous êtes une société de conseil quantique, vous jouez avec la même économie et les mêmes chiffres que les sociétés de conseil en logiciels classiques. C'est un peu plus risqué et avec un peu plus d'incertitude, mais au bout du compte, l'économie est la même. Si vous vendez des ingénieurs quantiques, essayez de les produire le mieux possible. Essayez d'optimiser vos processus, de prototyper certaines choses et d'en abstraire d'autres. Mais vous vendez des projets : du temps et des matériaux, si vous voulez.

La vente d'API se situe donc juste au milieu. Ce que nous essayons de vendre n'est pas une capacité. Nous essayons de vendre de l'intelligence à la demande. IBM vendra ses minutes quantiques, Google et AWS construiront leurs propres ordinateurs. Ensuite, les sociétés de conseil construiront de meilleurs algorithmes, de meilleurs modes, nous obtiendrons de plus gros contrats, mais elles dépendent toujours des fournisseurs de matériel. Je pense que c'est au milieu que des sociétés comme Classiq, comme StrangeWorks, essaient de faire la différence sur la façon de réunir ces deux éléments.

Yuval: Et si vous pensez à l'année prochaine, à 2022, quelles seraient vos prévisions pour l'industrie de l'informatique quantique en 2022 ?

Sergio: C'est une question difficile, parce que vous pouvez revenir au podcast et écouter et dire, oh, regardez ce type. Il n'avait aucune idée de ce qu'il disait, mais je vais faire un pari. Je pense qu'au vu de la croissance exponentielle de tout ce que nous faisons, du nombre de personnes qui travaillent sur notre industrie et qui font des percées en permanence, je pense que nous allons être de plus en plus nombreux. Je pense que nous allons faire preuve d'une grande créativité pour trouver, non pas nécessairement un avantage quantique ou une suprématie quantique, mais nous commencerons à voir les avantages de l'incorporation d'algorithmes quantiques dans les systèmes. Encore une fois, du point de vue scientifique, du point de vue de la recherche, nous parlons de degrés, de degrés de magnitude meilleurs, n'est-ce pas ? Il faut que ce soit exponentiellement meilleur, exponentiellement plus rapide, exponentiellement moins cher, mais il y a beaucoup de gris au milieu lorsque vous n'avez pas besoin d'être nécessairement meilleur que votre homologue classique, mais que vous êtes en fait meilleur pour l'environnement ou que vous êtes moins cher à exécuter, ou que vous n'avez pas besoin d'autant d'empreinte ou que vous seriez un peu plus précis ou que vous pouvez combiner des choses ensemble.

Et il y a beaucoup de recherches et d'études qui apparaissent maintenant sur cette intégration, je pense que c'est ce que nous commencerons à dire l'année prochaine, du point de vue scientifique. Ensuite, du côté industriel, je pense que nous nous dirigeons vers une consolidation. Je parie donc qu'il y aura encore un certain nombre de mouvements. Comme ceux que nous avons déjà vus cette année sur les entreprises qui se regroupent, qui font plus de choses ensemble, soit temporairement pour les fonds publics, si vous voulez, soit pour des périodes plus longues comme les fusions, les acquisitions et autres et la croissance du côté de l'investissement. Je pense donc que l'avenir est prometteur.

Yuval: Excellent. Alors que nous approchons de la fin de notre discussion, j'ai encore une question sur le prix. Pensez-vous que le prix, le prix de l'ordinateur quantique ou le prix de l'utilisation d'un ordinateur quantique est déjà compétitif au point que les gens peuvent commencer à penser à passer à la production ou est-ce que c'est tout simplement très cher, et c'est juste une exploration à ce stade ?

Sergio: Je dirais plutôt que c'est le dernier. Il s'agit d'exploration pure ou de blocs de construction. L'exécution d'algorithmes quantiques est très coûteuse, non seulement en raison du paiement à la minute ou du coût à la minute que vous pouvez avoir en face de vos algorithmes, mais aussi en raison des personnes qui les exécutent et de l'évolution de la situation. Mais votre modèle d'aujourd'hui sera complètement dépassé dans trois mois. Lorsque quelqu'un publiera un nouvel article, détruisant l'algorithme que vous utilisiez auparavant, puis proposant quelque chose de complètement différent. Et c'est très bien, c'est comme ça qu'on fonctionne dans la deep tech et qu'on fait avancer l'industrie. Mais dans ce sens, c'est en fait plus cher, l'incertitude sur le prix de la minute ou sur le prix de la plateforme, vous devez le faire parce que vous devez continuer à avancer, ou continuer à courir un pas après l'autre. Dans l'ensemble, c'est donc coûteux. Ce que nous essayons de faire, c'est de le démocratiser ou de l'humaniser, afin que les petites entreprises et tout le monde puissent bénéficier des avantages du quantum lorsque nous aurons atteint ce point d'inflexion.

Yuval: Sergio, comment peut-on vous contacter pour en savoir plus sur votre travail ?

Sergio: Vous pouvez me trouver facilement sur LinkedIn, je suis Sergio Gago. Il peut trouver Qapitan.com pour notre entreprise. Vous pouvez également me suivre sur Twitter @PirateCTO. C'est ce que je fais depuis un certain temps. Et oui, si vous mettez Sergio Gago, vous me trouverez facilement.

Yuval: C'est excellent. Merci beaucoup de vous être joint à moi aujourd'hui.

Sergio: Merci à tous d'avoir eu le plaisir de m'inviter ici.

‍