Un ordonnanceur multi-objectifs inspiré par le quantique pour l'orchestration évolutive des tâches dans les systèmes cyber-physico-sociaux basés sur le fog

Une informatique plus intelligente à la périphérie du réseau

Des montres connectées et des voitures autonomes aux réseaux de capteurs à l'échelle d'une ville, notre quotidien dépend de plus en plus de millions de petits appareils qui doivent réagir en temps réel. Cet article examine comment coordonner toute cette activité numérique plus rapidement, à moindre coût et avec une consommation d'énergie réduite en repensant la façon dont les tâches sont ordonnancées sur le « fog » de petits serveurs situés entre nos objets et les centres de données cloud distants.

Pourquoi le cloud à lui seul ne suffit pas

Les systèmes cyber-physico-sociaux modernes mêlent capteurs physiques, réseaux informatiques et comportements humains. On pense par exemple aux transports intelligents, à la télésurveillance de la santé et à l'automatisation industrielle. Dans ces contextes, les données doivent souvent être traitées en quelques millisecondes ; se reposer uniquement sur des serveurs cloud éloignés peut introduire des latences, des congestions et des interruptions de service. L'informatique en brouillard répond à cela en plaçant des nœuds de calcul plus près des utilisateurs — sur des unités routières, des stations de base et des passerelles locales. Cependant, décider quel nœud fog doit traiter quelle tâche est loin d'être trivial. Chaque décision affecte le temps d'attente des utilisateurs, le coût pour les fournisseurs (y compris les pénalités), et la consommation électrique globale du système.

Le défi de jongler avec le temps, l'argent et l'énergie

L'ordonnancement des tâches dans les environnements fog est ce que les informaticiens appellent un problème NP-difficile : à mesure que le nombre d'appareils et de tâches augmente, le nombre d'affectations possibles explose. Les ordonnanceurs existants basés sur l'intelligence des essaims, l'apprentissage par renforcement ou les algorithmes évolutionnaires classiques peuvent gérer deux objectifs, comme le temps et le coût, mais ils peinent souvent quand un troisième critère — l'efficacité énergétique — est ajouté, ou lorsque des milliers de tâches proviennent d'utilisateurs très mobiles et socialement motivés. Ces méthodes peuvent converger lentement, rester coincées dans des optima locaux ou produire un ensemble limité d'options de compromis, rendant difficile le déploiement à grande échelle et réaliste.

Emprunter des idées de la physique quantique — sans ordinateur quantique

Les auteurs proposent FOG-QIEA, un nouveau cadre d'ordonnancement « inspiré du quantique » mais exécuté entièrement sur des processeurs classiques. Plutôt que d'utiliser de véritables qubits, l'algorithme encode chaque affectation possible tâche→nœud comme un vecteur probabiliste qui imite la superposition quantique : de nombreuses possibilités sont représentées simultanément. Des règles de mise à jour spécialisées, comparées à des portes de rotation et à l'intrication, ajustent ces probabilités de manière coordonnée, aidant la recherche à explorer largement au départ puis à se concentrer sur les régions prometteuses de l'espace des solutions. Une stratégie de voisinage affine en outre des groupes de solutions apparentées afin que l'ensemble final d'ordonnancements offre des compromis équilibrés entre trois objectifs : le temps total d'exécution, le coût monétaire global (y compris les pénalités pour deadlines manquées) et la consommation énergétique totale des nœuds fog.

Tester le nouvel ordonnanceur

Pour évaluer FOG-QIEA, les auteurs simulent des scénarios réalistes de type ville intelligente avec la boîte à outils iFogSim, modélisant de centaines à des milliers de tâches IoT circulant dans une architecture à trois couches composée d'appareils terminaux, de nœuds fog et de serveurs cloud. Ils comparent leur approche à des algorithmes évolutionnaires bien connus comme NSGA-II, à des ordonnanceurs récents basés sur les essaims et l'apprentissage, ainsi qu'à d'autres techniques inspirées du quantique. Sur de nombreux essais et tailles de tâches, FOG-QIEA converge vers des solutions de haute qualité 20–35 % plus vite, réduit la consommation d'énergie d'environ 15–25 % et diminue le coût total et les violations de niveaux de service par rapport aux méthodes concurrentes. Il conserve également un front de Pareto plus riche — un ensemble plus diversifié d'options de meilleur compromis — permettant aux opérateurs de choisir des ordonnancements favorisant la rapidité, les économies ou la durabilité selon les besoins.

Ce que cela signifie pour les sociétés connectées de demain

Pour les non-spécialistes, le message clé est que s'inspirer de concepts de la mécanique quantique peut permettre aux ordinateurs classiques d'aujourd'hui de gérer les réseaux complexes de façon plus intelligente. FOG-QIEA montre qu'en représentant simultanément de nombreuses options d'ordonnancement et en les mettant à jour de manière coordonnée et probabiliste, les systèmes basés sur le fog peuvent servir davantage d'utilisateurs plus fiablement tout en consommant moins d'énergie. Cela rend plus concrètes et écologiquement viables dès aujourd'hui les services à grande échelle pour les villes intelligentes, la santé et les transports, et prépare le terrain pour de futurs systèmes hybrides qui pourraient un jour combiner de tels algorithmes avec du matériel quantique réel.

Citation: Hammouda, N.G., Shalaby, M., Alfilh, R.H.C. et al. A quantum-driven multi-objective scheduler for scalable task orchestration in fog-based cyber-physical-social systems. Sci Rep 16, 6874 (2026). https://doi.org/10.1038/s41598-025-33627-x

Mots-clés: informatique en brouillard, ordonnancement des tâches, algorithmes inspirés du quantique, villes intelligentes, informatique économe en énergie