DAC 2026 : les agents autonomes arrivent dans l'ingénierie des puces

Trois piliers qui changent la conception des semi-conducteurs

La conférence DAC 2026 a tourné autour de trois thèmes qui domineront les prochaines années : l'IA agentique comme nouvelle couche d'automatisation, la physique computationnelle comme goulot d'étranglement fondamental, et les standards ouverts comme colle qui rend tout cela scalable. Ce ne sont pas des changements mineurs. L'industrie est passée du discours sur les agents en démonstration à des déploiements réels entre les mains des clients.

Il faut d'abord comprendre ce que signifie « agentique » dans ce contexte. Ce n'est pas un chatbot qui répond aux questions. Ce sont des flux de travail autonomes de longue durée qui orchestrent des outils de vérification, d'analyse thermique et d'implémentation, interprètent des fichiers de log, décident quoi essayer ensuite et maintiennent le contexte pendant des semaines d'exécution continue. Ravi Subramaniam, responsable produit chez Synopsys, le résume ainsi : l'industrie est passée d'interactions brèves pilotées par le chat à des charges de travail qui durent des jours, ce qui permet aux agents de garder une autonomie réelle sans perdre le fil de ce qu'ils font.

Tim Costa, VP chez Nvidia, le pose sous l'angle de l'ingénieur : aujourd'hui, la limite dans le développement d'un produit n'est pas combien d'experts vous pouvez embaucher, mais combien de calcul vous pouvez consacrer à une chaîne d'outils orchestrée par des agents. En théorie, cela libère les ingénieurs des tâches répétitives et les ramène à ce qui les a amenés à l'ingénierie : penser en systèmes, pas à comment utiliser un outil précis. Un ingénieur motorsport veut penser vitesse et aérodynamique, pas aux boutons d'un logiciel.

La physique comme frontière

Mais les agents ne valent que les outils et modèles qu'ils orchestrent. D'où la physique computationnelle comme deuxième jambe du triangle. Des startups comme Vinci entraînent des modèles de physique qui prétendent remplacer des semaines de simulation par une analyse automatisée derrière le pare-feu d'entreprise. Son fondateur et CEO, Hardik Kabaria, le dit sans détour : « Nous sommes le ChatGPT de la physique, mais déployé en production, pas comme un hobby. » Il allègue une accélération de trois ordres de grandeur sur l'analyse de packages réels face aux flux actuels.

Le problème qu'ils résolvent est connu : sur une économie hardware de 4 000 milliards de dollars, il n'y a qu'un million d'ingénieurs qui savent vraiment faire de la physique. Kabaria ajoute que la physique ne disparaît pas : elle se démocratise. Côté conception analogique, Maieutic Semiconductors utilise une IA « socratique » qui questionne les ingénieurs et explore les données internes pour extraire la connaissance tribale des designers seniors. Comme le dit son cofondateur Ashish Lachhwani : « En digital, il y a eu automatisation et données partagées il y a des années. En analogique, un circuit de cinq transistors peut prendre des années à perfectionner. »

Silvaco, sous son nouveau CEO Wally Rhines, voit la révolution sous un autre angle : des agents autonomes qui démocratise entre fabricants et designers. Au lieu d'obliger un ingénieur de fab à devenir expert TCAD, un agent peut interroger des jumeaux numériques en langage naturel, lancer des plans d'expériences à grande échelle pour diagnostiquer des anomalies de rendement et optimiser des étapes de process en temps réel. Rhines : « Les agents sont les grands égaliseurs. Ils cherchent la meilleure solution, collectent les meilleures données. Si je devais être expert TCAD, il faudrait aller à l'équipe TCAD. Maintenant j'ai un agent avec une interface en anglais qui peut le chercher pour moi. »

Le vrai goulot : standards et interopérabilité

Intel, avec Lalitha Immaneni, offre une perspective claire : les équipes de conception sautent encore souvent « à l'aveugle » dans des stacks complexes sans guide de physique multi-domaine ni données standardisées. Des données de densité de cuivre mal formées forcent les équipes mécaniques de la fab à passer trois ou quatre semaines à nettoyer la base avant trois ou quatre autres d'analyse. « Ce n'est pas acceptable à cette complexité », dit-elle.

La réponse d'Intel est la co-optimisation système-technologie (STCO) basée sur des kits de conception d'emballage (PADKs), l'équivalent du PDK pour le packaging. Les PADKs regroupent règles de conception, flux de référence, matériaux de formation et scripts de vérification spécifiques à Intel pour des technologies comme EMIB et TSV. Mais le point clé : la vérification ne peut pas être tardive — il faut valider et modéliser dès le départ.

La vraie échelle exige des standards ouverts. Lu Dai, président d'Accellera, explique le rôle de son organisation : publier des spécifications lisibles par machine et interoperables. L'une d'elles est le brouillon du standard Functional Safety Language (FSL) 1.0, qui place l'intention de sûreté fonctionnelle entre outils et équipes de façon automatique et traçable. FSL est des métadonnées, comme le Unified Power Format (UPF), de sorte que les outils peuvent raisonner directement sur les exigences de sûreté et la couverture.

Sans interopérabilité, aucun flux agentique réaliste ne peut traverser foundries, fournisseurs d'IP et vendeurs d'outils. Paul Penzes, VP engineering chez Qualcomm, le dit clairement : « Nous ne pouvons pas nous permettre un système fermé car nous n'aurons pas de succès. En mobile chaque millimètre compte et nous avons besoin d'un système ouvert où expérimenter pour sortir la meilleure puce. »

Le changement de modèle économique

Prith Banerjee, SVP innovation chez Synopsys, pose une question qui définit les défis à venir : dans un monde d'outils de différents fournisseurs, y aura-t-il un cadre agentique ouvert ? La réponse de l'industrie est oui, mais cela force à changer les modèles économiques. La vente de licences perpétuelles ou annuelles ne fonctionne pas avec des flux basés sur la consommation de tokens. Si un flux agentique brûle des tokens selon l'usage sur votre site, un prix forfaitaire n'a pas de sens. Le modèle doit être la consommation réelle, mais l'industrie ne l'a pas encore clairement articulé.

Des startups comme Agentrys et Normal Computing explorent de nouvelles couches. Agentrys, dirigée par Mark Ren (ex-directeur de la recherche en automatisation de conception chez Nvidia), propose que l'artefact de conception du futur ne soit pas le RTL mais les agents eux-mêmes, redéfinissant la pile d'automatisation de conception. Normal Computing associe des outils EDA à du hardware « non conventionnel » comme des moteurs de matrice analogique et des puces stochastiques, visant des gains d'efficacité de deux ordres de grandeur.

Pourquoi cela compte pour le hardware conversationnel

Chez bitbitbla, le cerveau agentique de notre plateforme fait quelque chose que reconnaîtra qui a compris l'article : il traite l'intention de l'utilisateur, raisonne, prend des décisions et identifie le contexte selon l'environnement. Il croise transcription audio et état actuel des appareils pour résoudre des ordres ambigus — « éteins ça » dans la bonne zone — et utilise le RAG pour enrichir l'intention avec de la documentation technique et exécuter des commandes complexes. Depuis le Dashboard on définit la personnalité de l'agent, les outils via MCP, les payloads JSON et webhooks qui connectent à l'infrastructure client, le tout par configuration distante sans reprogrammer le hardware.

Ce qui se passe à DAC 2026 en ingénierie des puces est le même schéma : des agents qui comprennent le contexte multi-domaine, raisonnent sur contraintes et état, prennent des décisions autonomes en gardant l'intention utilisateur comme boussole. L'écart d'échelle est énorme, mais le problème est analogue. C'est pourquoi l'article d'EE Times jette un double pont : non seulement l'IA agentique est le nouveau moteur en EDA, mais tout système embarqué qui doit prendre des décisions complexes sur l'appareil navigue exactement dans les mêmes eaux.

Source : EE Times.