L’utilisation de l’IA agentique dans la conception des puces passe de l’accélération de tâches isolées, telles que la génération de RTL ou le débogage, à l’exécution de flux plus longs intégrant plusieurs agents et outils. Cette progression ne signifie toutefois pas que la conception d’une puce soit devenue un processus totalement autonome : avant de déployer les agents, les ingénieurs doivent construire ce que l’on peut décrire comme des « échafaudages humains » : définir les connaissances propres au domaine, préciser l’intention de conception et créer une architecture opérationnelle qui encadre les outils, la mémoire, les boucles d’exécution et les points de contrôle.
Cette conclusion est ressortie d’une table ronde organisée par Semiconductor Engineering à huis clos pendant la Design Automation Conference, à laquelle ont participé Matt Graham de Cadence, Harrison Balistreri de ChipAgents, Alexander Petr de Keysight EDA, Sathish Balasubramanian de Siemens EDA et Anand Thiruvengadam de Synopsys. Liz Allan, rédactrice en chef adjointe de Semiconductor Engineering, a publié des extraits de la discussion le 27 août 2026.
Des agents de tâches aux flux de conception complets
Les participants ont déclaré que les clients avaient commencé à utiliser l’IA agentique dans des environnements de production pour traiter des points de friction précis, tout en conservant une intervention humaine pour les petites tâches. Les usages actuels comprennent la génération de RTL, la vérification, le débogage et la fermeture de la couverture, tandis que l’objectif plus large consiste à fournir une spécification et à obtenir finalement une conception convertible en GDS II ou en puce. Toutefois, selon la discussion, ce scénario complet n’a pas encore été atteint de manière générale et sans intervention humaine.
Balasubramanian a indiqué que l’accent se déplaçait d’un agent unique vers la coordination de flux ou de plusieurs sous-agents. Balistreri a évoqué des résultats entièrement autonomes dans des flux d’ingénierie précis, tels que la fermeture de la couverture au moyen d’essaims multi-agents, à condition de comprendre le contexte de l’organisation et les détails de la manière dont le client exécute son travail. Graham a souligné l’extension de l’utilisation, depuis l’interface avant de la conception numérique vers la conception analogique et mixte, l’implémentation numérique, la conception complète, les cartes de circuits imprimés, le conditionnement et même les flux multiphysiques.
En pratique, cela signifie que le périmètre de l’automatisation s’étend de la puce elle-même à un écosystème de plusieurs puces et des systèmes qui lui sont associés. Petr a déclaré que les investissements se dirigeaient vers les technologies multi-puces, la pile d’IA et la photonique, car l’expansion ne repose plus uniquement sur une puce isolée. Il a toutefois également signalé que les agents traitaient plus facilement les domaines fondés sur les logiciels et le code, tandis que les domaines dépendant des interfaces utilisateur et de la souris restaient plus difficiles.
L’ontologie et la ceinture agentique avant l’exécution du modèle
Selon les participants, la tâche essentielle de l’ingénieur ne consiste pas à écrire davantage de scripts pour les agents, mais à décrire le domaine dans lequel ils fonctionneront. L’ontologie est ici une représentation structurée des concepts, des relations et des connaissances propres au domaine de la conception. L’ingénieur doit définir des critères tels que la puissance, les performances et la surface, les limites acceptables ainsi que les paramètres que les agents peuvent explorer, en reliant le tout à l’intention de conception et aux autres étapes du flux.
La « ceinture agentique » est quant à elle la couche logicielle qui entoure le modèle et comprend les outils, les modules de mémoire, les boucles d’exécution et les garde-fous. La discussion souligne que sa valeur ne réside pas seulement dans la connexion d’un modèle de langage général à un outil, mais dans son adaptation aux tâches de conception de puces et au contexte de l’organisation. L’ontologie doit également s’étendre à l’ensemble du flux, et non se limiter à une opération de vérification isolée ou à une seule équipe IP, car les modifications et les nouvelles données circulent entre plusieurs étapes et équipes.
L’autonomie n’élimine pas la vérification humaine
Les avis convergent : la confiance dans les résultats constitue le principal obstacle pratique. Thiruvengadam estime que les humains conserveront deux rôles essentiels : définir l’intention de conception et vérifier l’auditabilité ainsi que l’exactitude des résultats. Les systèmes devraient donc présenter leurs résultats d’une manière que l’ingénieur puisse comprendre et vérifier rapidement, avec des points d’arrêt clairs et une interface adaptée ; sinon, les sorties de l’agent deviendraient un nouveau goulot d’étranglement au lieu de supprimer le travail manuel.
Balistreri estime que le fait de dépendre d’une vérification humaine pour chaque sortie limite le rendement attendu de l’autonomie. Les boucles des agents devraient donc elles-mêmes intégrer des portes empêchant certaines catégories d’erreurs critiques. Il a cité l’exemple des exemptions dans le modèle de couverture : l’agent pourrait décider d’annuler une couverture à un endroit qui ne devrait pas être exempté, ce qui créerait une lourde charge de vérification humaine. En revanche, Balasubramanian et Graham ont insisté sur le caractère non déterministe des modèles de langage et sur le fait que leur sélection de scénarios ou leurs suggestions ne remplaçait pas les moteurs de signature et de vérification déterministes et mathématiquement précis.
Qu’est-ce qui change réellement ?
La véritable transformation ne consiste pas à remplacer les moteurs EDA, mais à placer l’IA au-dessus d’eux et à les relier au sein de boucles d’exécution plus longues, capables d’explorer davantage l’espace de conception. Les participants affirment que les clients commencent à observer un retour sur investissement positif et des gains tangibles dans la vérification, l’implémentation ainsi que certaines applications analogiques et systèmes, notamment les architectures thermiques et les sujets liés au CMT, ou rejet de mode commun transitoire.
Ces résultats ne prouvent toutefois pas qu’un « agent unique » contrôlera l’ensemble du processus de conception. La question reste ouverte : l’industrie s’orientera-t-elle vers un seul agent supérieur, plusieurs agents et cadres spécialisés, ou un choix propre à chaque entreprise ? Le coût des jetons est également apparu comme un élément important de la planification des clients, selon Graham, tout comme la nécessité d’intégrer l’IA aux moteurs fondamentaux, qui restent indispensables lorsque le coût d’une erreur est élevé.
Lecture éditoriale : les données indiquent que le goulot d’étranglement se déplace de l’écriture des commandes vers l’ingénierie du contexte, la gouvernance et la vérification. Les équipes de conception de puces qui disposent d’une connaissance précise de leurs flux seront davantage concernées que les autres, mais la source ne fournit pas de mesures uniformes des gains et ne fixe pas de date pour l’arrivée d’un flux entièrement autonome. Il convient donc de considérer les affirmations relatives à « l’autonomie » et au « retour sur investissement positif » comme des résultats rapportés par les participants et les clients, et non comme une norme générale établie pour tous les projets de conception de puces.