Selon Paul Cunningham, senior VP chez Cadence Systems, entre 20 et 30 % des puces en cours de développement sont aujourd’hui conçues avec l’aide d’agents d’IA, et cette proportion augmente rapidement. Cadence a déployé ces derniers temps une série d’outils baptisés « AI Super Agents » et annoncé un partenariat avec Nvidia, autour d’une nouvelle famille de modèles nommée Maestro.
- Cadence déploie des agents d’IA qui pilotent ses outils de conception de puces.
- Les modèles Maestro, affinés avec Nvidia, seraient jusqu’à 30 % plus précis et 5 fois plus efficaces en tokens.
- La personnalisation des modèles sera proposée en service managé aux clients.
- L’usage d’agents d’IA dépasse désormais la seule conception de puces, notamment dans la recherche scientifique.
Des agents qui pilotent les outils existants
Spécialisé dans les logiciels de conception assistée par ordinateur pour l’électronique (EDA), Cadence propose notamment AuraStack, pour le packaging avancé et la conception de circuits imprimés (PCB), ChipStack, pour la conception et la vérification de systèmes sur puce (SoC), InnoStack, pour le routage PHY, et ViraStack, pour la conception de circuits analogiques.
Sur le principe de Claude Code d’Anthropic ou de Codex d’OpenAI, ces agents reposent sur des couches logicielles, appelées « harnesses », qui associent des modèles de langage (LLM) à l’automatisation des flux de conception et de test. Ils orchestrent les outils EDA, de test et de vérification de Cadence. La logique rappelle celle des assistants de programmation : un code compile ou ne compile pas, et Cadence dispose de tests destinés à vérifier que ses conceptions fonctionneront comme prévu.
L’efficacité de ces tests dépend cependant beaucoup de la proximité entre les données d’entraînement des modèles et les entrées et sorties qu’ils traitent. Les premiers agents de Cadence reposaient largement sur des LLM du commerce, peu exposés à la description au niveau des registres (RTL), le langage qui décrit le fonctionnement d’un circuit. « Il n’est pas question que ces modèles de fondation prêts à l’emploi, pourtant d’une puissance remarquable, fassent tout à eux seuls. Ils constituent le point de départ, et l’on peut encore les spécialiser », a déclaré Paul Cunningham.
Des modèles Maestro entraînés sur les outils de Cadence
Cadence a donc annoncé un partenariat avec Nvidia et lancé la famille de modèles Maestro. Ces modèles ont été affinés (fine-tuning, c’est-à-dire spécialisés à partir d’un modèle existant) grâce à la famille Nemotron de Nvidia, pour travailler avec les outils de Cadence et interpréter leurs résultats.
Selon Cadence, des tests préliminaires ont montré une amélioration « allant jusqu’à » 30 % de la qualité des résultats, ainsi qu’une efficacité en tokens « allant jusqu’à » 5x supérieure à celle de modèles de fondation généralistes. Le token, unité de texte que traite un modèle, sert ici à mesurer le coût de calcul. D’après l’entreprise, des modèles post-entraînés sur ses outils seraient donc à la fois plus performants et moins coûteux à faire tourner.
La plateforme Maestro permet également de personnaliser les modèles à partir des données des clients. Paul Cunningham a précisé que cette option serait proposée sous forme de service managé, et non comme une démarche que les clients mèneraient seuls. Les modèles et agents peuvent être utilisés via une API, dans un VPC sécurisé (réseau privé virtuel isolé) ou, pour les entreprises disposant du matériel nécessaire, sur site.
Un intérêt qui dépasse la conception de puces
Cadence n’est pas la seule à explorer l’usage d’agents d’IA pour piloter des charges de calcul haute performance (HPC). Nvidia rapproche depuis plusieurs années le HPC et l’IA, ses GPU (processeurs graphiques) servant à bien d’autres usages que l’entraînement et l’exécution de modèles, même si c’est à cela que la plupart des acheteurs les destinent.
Cette idée de laboratoires pilotés par l’IA figure aussi au cœur de la Genesis Mission du Département de l’Énergie américain, dans le cadre de laquelle de nombreux nouveaux grands supercalculateurs basés sur Nvidia ont été annoncés. Des chercheurs des Sandia National Labs ont par ailleurs présenté un laboratoire dit « autonome » (self-driving lab), où des agents d’IA développent et testent de nouvelles hypothèses. Ces expériences ne bénéficiaient toutefois ni des harnesses modernes ni même de LLM. Dans un contexte de financements limités pour la recherche publique, l’idée d’un assistant de laboratoire capable de poursuivre des tâches après le départ des chercheurs peut sembler attractive.
