La recherche quantique a émergé comme l'un des domaines les plus prometteurs de l'informatique quantique. Les algorithmes de recherche quantique de pointe permettent de rechercher des éléments spécifiques dans une distribution en augmentant de manière monotone la densité de ces éléments jusqu'à atteindre une densité élevée. Ce type d'algorithme démontre une accélération quadratique théorique du nombre de requêtes par rapport aux algorithmes de recherche classiques dans des espaces non structurés. Malheureusement, la majeure partie de la littérature existante applique la recherche quantique à des problèmes dont la taille croît exponentiellement avec la taille de l'entrée sans exploiter aucune structure spécifique du problème, rendant ce type d'approche inexploitable dans des problèmes industriels réels. En revanche, ce travail propose d'exploiter des contraintes spécifiques des problèmes de planification pour construire une superposition initiale d'états dont la taille augmente presque quadratiquement en fonction de la taille du problème. Cette réduction de l'espace des états, inspirée par l'algorithme de marche quantique, construit une superposition d'états correspondant à tous les chemins dans un graphe d'états intégrant des contraintes d'espacement entre les tâches. Nos résultats numériques sur des émulateurs quantiques mettent en évidence le potentiel de l'approche de réduction de l'espace des états, qui pourrait conduire à des processus de recherche quantique plus efficaces en se concentrant sur un espace de solutions plus petit et plus pertinent