Même si les problèmes techniques posés par la réalisation de calculateurs quantiques étaient résolus à terme, leur avenir commercial immédiat ne se situe pas nécessairement dans le grand public, tout dépendant évidemment du coût auquel on arrive à les fabriquer.
En dehors des algorithmes de Shor pour le cassage de code et de Grover pour la recherche efficace dans des bases de données, ainsi qu’une classe de calculs en physique théorique, quelques applications seraient peut-être envisageables pour des simulations numériques qui butent aujourd’hui sur l’explosion combinatoire.
En novembre 2008, Aram W. Harrow, Avinatan Hassidim et Seth Lloyd ont publié une méthode quantique permettant de résoudre des systèmes d’équations linéaires à matrices creuses en un temps O(log(n)) au lieu de O(n).
En réseaux de neurones, la méthode dite du greedy learning consomme également beaucoup de combinatoire et est donc signalée par D-Wave en 2009 comme une application possible.
Quelques autres pistes envisageables :
De manière générale tous les domaines qui peuvent profiter d’une simulation d’un univers riche peuvent théoriquement bénéficier de processeurs quantiques.
Des questions envisagées dans la littérature sont les suivantes : faut-il construire le modèle sur l’ordinateur « classique » puis le faire évaluer par le calculateur quantique, ou bien faut-il laisser tout le travail au calculateur quantique (qui risque d’être moins rapide pour les tâches traditionnelles) ? Des émulateurs de modèles quantiques ont été construits pour enrichir le débat (cf section sur l’exemple en Perl.).
En évitant de rééditer quelques erreurs historiques célèbres, bornons-nous à constater que l’avenir reste ouvert en ce qui concerne le calcul quantique chez les particuliers.
Selon un rapport de l'Union européenne, les états-Unis consacrent 75 millions d'euros à ces recherches contre 8 millions pour l'Europe. Le Canada dépenserait 12 millions d'euros par an, le Japon 25 et l'Australie 6.