Le fait
Le 3 novembre 2026, NVIDIA a publié sur son blog un texte de Timothy Costa sur ce qu’il appelle une usine de puces définie par l’IA : une fabrique de semi-conducteurs où l’IA aide les ingénieurs à optimiser les procédés, repérer les problèmes plus tôt et décider avec de meilleures données. Quatre briques sont décrites : la simulation accélérée par GPU, des modèles d’IA entraînés sur la physique, des agents d’IA et des jumeaux numériques (des copies virtuelles de l’usine). L’essentiel avait été annoncé le 14 octobre au salon SEMICON West ; le billet de novembre en reprend les exemples.
Contexte
Les gains cités sont tous donnés « jusqu’à » et mesurés par NVIDIA ou ses partenaires :
- COMSOL, éditeur de logiciels de simulation physique, annonce jusqu’à 10 fois plus vite avec la bibliothèque cuDSS (un solveur de grands systèmes d’équations). Dans son propre article du 14 octobre, un modèle de polissage de plaquettes passe de 13 h 44 ou 16 h 28 sur des processeurs à 2 h 09 sur deux GPU, soit plus de 6 fois plus vite ;
- Applied Materials : sa plateforme Ginestra tourne jusqu’à 10 fois plus vite et ses simulations de topographie ACE+ jusqu’à 35 fois plus vite, et l’entreprise construit des jumeaux numériques d’usines complètes avec Omniverse ;
- Siemens intègre cuLitho (calcul de la lithographie, c’est-à-dire de l’impression des circuits sur le silicium) dans son logiciel Calibre, jusqu’à 17 fois plus vite sur certains calculs ;
- Lam Research a montré que le cadre PhysicsNeMo prédit le comportement d’un plasma de gravure en millisecondes, contre des jours pour une simulation complète ;
- Advantest utilise des agents NeMo Switchyard pour choisir le modèle d’IA adapté à une tâche de test, ce qui ramène la réponse de quelques heures à quelques minutes.
Pourquoi ça compte
La fabrication de puces devient plus complexe alors que la demande monte et que l’erreur coûte cher : un essai physique sur une ligne est lent et onéreux. Simuler davantage avant d’essayer, et laisser des agents enchaîner des étapes d’ingénierie, change la façon de travailler avant même l’arrivée de la production. C’est aussi une manière, pour NVIDIA, de vendre du calcul à ses propres fournisseurs de machines.
Lecture Neurone21
C’est un billet de promotion de plateforme : les accélérations sont des maximums choisis, sur des cas précis (par exemple des GPU RTX Pro 6000 Blackwell chez COMSOL), et aucun gain de rendement de production n’est chiffré. Lam Research prévoit d’intégrer NanoVDB à son logiciel SEMulator3D (jusqu’à 30 fois plus vite sur certaines modélisations de gravure) pour une version visée d’ici la fin de l’année : c’est une prévision, pas un produit livré. À suivre : des mesures en usine chez les fabricants de puces eux-mêmes.
Sources
- AI Is Changing How Semiconductor Fabs Work — and Engineers Are Moving Faster Because of It — NVIDIA Blog (3 novembre 2026)
- NVIDIA and Semiconductor Leaders Advance AI Across Chip Design and Manufacturing for AI-Defined Fabs — NVIDIA (14 octobre 2026)
- Accelerating Semiconductor Manufacturing Simulation with NVIDIA cuDSS — COMSOL (14 octobre 2026)