OpenAI et Synopsys ont signé un accord pluriannuel pour développer GPT-Synopsys, un modèle spécialisé capable de travailler directement avec les outils d’automatisation de la conception électronique (EDA) de Synopsys. Cette initiative va au-delà de l’utilisation d’un chatbot pour générer du code RTL ou répondre à des questions : l’objectif est que des agents d’IA reçoivent des objectifs de conception, exécutent des outils EDA, interprètent leurs résultats, modifient le design et le revalident jusqu’à obtenir des résultats qui seront ensuite examinés par des ingénieurs.

Les clés de GPT-Synopsys et de l’IA pour concevoir des puces en 30 secondes

• OpenAI et Synopsys collaboreront pendant plusieurs années pour créer un modèle spécialisé en conception et vérification de semi-conducteurs.
• GPT-Synopsys pourra piloter les outils EDA de Synopsys pour des tâches telles que l’optimisation de la puissance, des performances et de la superficie (PPA).
• Ce projet s’inscrit sur un marché où Cadence propose déjà des agents capables d’automatiser des parties importantes du flux de conception.
• Google a démontré avec AlphaChip que l’apprentissage automatique peut améliorer des tâches spécifiques comme le floorplanning des puces.
• Il faut préciser que GPT-Synopsys est encore en développement : aucune donnée publique ne permet d’affirmer qu’il réduira de façon précise les temps de conception.

Cet annonce est significative car elle indique la direction que prend l’intelligence artificielle appliquée au matériel. La première génération d’outils IA en ingénierie aidait à rédiger du code, détecter des erreurs ou recommander des configurations. La génération suivante vise à prendre des décisions dans le flux même de conception et à utiliser les outils professionnels pour en vérifier la validité.

Ce subtil changement modifie considérablement la comparaison. Un modèle de langage connecté à un outil EDA peut agir comme une interface conversationnelle. Un agent spécialisé tente de devenir une couche d’automatisation capable de décider quelle étape de l’outil exécuter, quels paramètres ajuster, comment interpréter les résultats et quels seront les prochains tests.

Synopsys affirme que GPT-Synopsys sera précisément conçu pour le second scénario. Le modèle sera entraîné et spécialisé pour utiliser ses outils comme un utilisateur expert, interpréter ses résultats et optimiser en boucle les conceptions.

GPT-Synopsys ne part pas de zéro : Synopsys travaille déjà avec des agents

Ce partenariat ne signifie pas que Synopsys commence seulement à intégrer l’IA dans ses outils. La société développe depuis plusieurs années une stratégie d’agents pour automatiser différentes phases de la conception de puces, et en juillet, elle a annoncé en collaboration avec Microsoft de nouveaux flux autonomes EDA disponibles via Microsoft Discovery, également développés avec la participation d’AMD.

Synopsys a alors rendu publics des résultats initiaux avec jusqu’à 40 % de réduction du cycle de conception dans un flux autonome de débogage. Ce chiffre concerne un flux précis et des résultats préliminaires, il ne peut être généralisé à l’ensemble du processus de conception d’un semi-conducteur.

GPT-Synopsys apporte une pièce supplémentaire : un modèle d’OpenAI agissant comme un cerveau spécialisé pour exploiter les outils de Synopsys. L’accord prévoit qu’OpenAI licence ses outils EDA pour développer le modèle, et que les deux entreprises collaborent en recherche, développement et commercialisation.

L’architecture annoncée prévoit aussi une intégration avec Synopsys.ai et Synopsys Autopilot. Le service sera hébergé sur une infrastructure d’OpenAI, avec une interopérabilité avec les systèmes d’agents utilisés par les clients.

L’idée est qu’un ingénieur puisse définir un objectif, par exemple améliorer le compromis entre puissance, performance et surface d’un bloc, puis déléguer une partie de la recherche. Les agents exécuteraient des outils, analysera los resultados et appliqueraient des modifications. Le résultat nécessitera encore une validation humaine approfondie, notamment dans un processus où un design validé en simulation doit encore passer plusieurs contrôles avant de devenir un silicium.

Une comparaison incontournable avec Cadence

Synopsys ne débute pas dans un vide. Son concurrent direct, Cadence, a accéléré en 2026 le développement d’une architecture d’agents pour la conception de puces, et commercialise déjà des outils qui automatisent plusieurs phases du flux.

En février, Cadence a présenté ChipStack AI Super Agent pour la conception et la vérification numérique. La société affirme pouvoir automatiser des tâches telles que la génération de designs, la création de bancs d’essais, la planification de tests, la débogue, la correction et a revendiqué jusqu’à 10 fois plus de productivité sur certains travaux.

Par la suite, Cadence a élargi sa stratégie. En avril, elle a lancé ViraStack pour la conception et vérification analogique, InnoStack pour l’implémentation numérique et la finalisation, ainsi que AgentStack pour orchestrer ses différents agents. La société propose une architecture couvrant du RTL à la vérification, jusqu’à l’implémentation physique et la clôture du design.

La différence avec GPT-Synopsys, du moins en théorie, réside dans la position de chaque composant. Cadence construit un ensemble d’agents autour de ses propres moteurs et outils EDA, tandis que Synopsys souhaite relier ses outils à un modèle développé par OpenAI, spécialisé pour cet environnement.

Cadence a aussi confirmé que sa plateforme peut fonctionner avec différents modèles, notamment ceux de NVIDIA Nemotron ou d’OpenAI dans le cloud. La compétition ne porte donc pas uniquement sur le meilleur IA pour EDA, mais aussi sur qui contrôle la couche d’agents, quels modèles sont utilisés, et dans quelle mesure chaque plateforme automatise le flux de façon intégrée.

Les chiffres présentés sont une simple visualisation du champ d’action annoncé, non un benchmark direct. Cadence a listé des agents pour RTL, vérification, analogique, implémentation, finalisation, etc., tandis que GPT-Synopsys est encore en phase de développement, avec ses partenaires qui mettent en avant des objectifs concernant la conception, la vérification, l’optimisation PPA et l’utilisation des outils EDA.

Google a déjà prouvé que l’IA peut intervenir dans le flux physique

Une autre comparaison utile est AlphaChip, le système développé par Google DeepMind pour une étape très précise du design physique : le floorplanning et la placement des blocs.

Google explique qu’AlphaChip utilise l’apprentissage par renforcement et un réseau neuronal basé sur des graphes pour apprendre les relations entre composants et rechercher des distributions efficaces. Le système a été employé pour plusieurs générations de TPU de Google, et s’est aussi étendu à d’autres designs de l’entreprise. MediaTek a aussi adapté cette technologie pour accélérer le développement de ses puces.

AlphaChip représente autre chose que GPT-Synopsys : il ne vise pas à être un ingénieur polyvalent capable de maîtriser tout le flux EDA. Il est spécialisé dans une étape précise, qu’il cherche à optimiser à l’aide de techniques spécifiques.

GPT-Synopsys affiche une ambition plus large : utiliser un modèle de frontière comme agent pouvant manipuler plusieurs outils et poursuivre des objectifs d’ingénierie complexes. Le défi est aussi plus grand, car un design de puce ne se valide pas uniquement par une métrique. Puissance, performance, surface, temporisation, intégrité des signaux, consommation, vérification fonctionnelle et règles de fabrication sont liés.

Cadence souligne cette difficulté lorsqu’elle explique comment ses agents fonctionnent : l’IA doit non seulement fournir une réponse, mais aussi décider des actions, les exécuter avec des outils, évaluer les résultats et déterminer la prochaine étape.

Le vrai défi après la démonstration

La partie la plus intéressante de GPT-Synopsys ne sera probablement pas simplement qu’un modèle puisse appeler un outil EDA. Cette capacité existe déjà sous différentes formes. La vraie question est si cette interaction pourra devenir suffisamment fiable pour durer et gérer des processus longs intégrant des contraintes complexes.

Un agent modifiant un design des centaines de fois doit pouvoir conserver l’état du projet, comprendre les dépendances entre résultats, distinguer une amélioration réelle d’une régression. Chaque modification devra également passer par les contrôles appropriés. Une sortie générée par IA ne remplace pas automatiquement la vérification formelle, la simulation, l’analyse physique ou le processus de validation préalable à la fabrication.

Le coût computationnel est aussi un enjeu. Répéter l’exécution d’outils EDA complexes demande beaucoup de ressources en CPU, GPU, mémoire et stockage. Si l’IA multiplie les alternatives testées, le gain en heures d’ingénierie pourrait entraîner une augmentation de la demande en infrastructure.

La sécurité des données est un autre aspect crucial. Synopsys affirme que GPT-Synopsys n’utilisera pas les données clients pour entraîner le modèle, et que les informations seront chiffrées en stockage et en transit. Des contrôles de rétention, d’audit et de permission seront également mis en place.

Cependant, certains détails restent encore non divulgués publiquement : prix, disponibilité commerciale, modèles précis, performances par rapport aux flux traditionnels, nombre d’outils accessibles dès le lancement, et résultats indépendants de clients.

Il convient donc de comparer avec prudence GPT-Synopsys à Cadence et AlphaChip. Cadence dispose déjà de produits commerciaux et de résultats publiés pour certains outils. Google a cinq années d’expérience avec AlphaChip sur des tâches ciblées. GPT-Synopsys propose une approche différente, potentiellement plus large, mais à la date d’octobre 2026, il doit encore démontrer sa capacité à produire des designs concrets dans des conditions réelles.

Ce partenariat a aussi une dimension stratégique pour OpenAI. La société utilise l’IA pour améliorer ses propres systèmes, et a exprimé son intérêt pour une architecture connectant centres de données, puces, modèles et logiciels. En août 2026, elle a présenté les performances de Jalapeño, son premier microprocesseur d’inférence personnalisé.

L’accord avec Synopsys s’inscrit dans cette stratégie : si les modèles peuvent aider à concevoir de meilleures puces, ces avancées pourraient aussi accélérer le développement du hardware sur lequel seront exécutées les futures générations d’IA. Pour l’instant, il s’agit d’une orientation stratégique d’OpenAI, non d’une démonstration que GPT-Synopsys ait déjà commercialisé un vrai chip.

La course à la conception assistée par IA évolue ainsi : elle passe du simple usage de modèles pour générer du code à des systèmes capables d’exécuter des outils d’ingénierie et d’analyser leurs résultats. Synopsys et OpenAI veulent s’y positionner avec un modèle spécialisé, tandis que Cadence bâtit une plateforme d’agents de bout en bout, et Google a prouvé la valeur de la spécialisation dans des tâches spécifiques. La vraie différence se jouera lorsque ces technologies devront achever des designs soumis aux mêmes contraintes et vérifications que tout autre chip.

Questions fréquentes

Quelle différence entre GPT-Synopsys et un chatbot pour la conception de puces ?

GPT-Synopsys est conçu pour piloter directement des outils EDA, interpréter leurs résultats et effectuer de nouvelles actions. Il ne se limite pas à générer du texte ou du code à partir d’une commande d’ingénieur.

Cadence possède-t-elle une technologie similaire ?

Oui. Cadence propose déjà ChipStack AI Super Agent et d’autres outils IA pour différentes phases de la conception et de la vérification. La société a aussi lancé AgentStack pour coordonner ses agents spécialisés.

Google utilise-t-il déjà l’IA pour la conception de puces ?

Oui. Google DeepMind a employé AlphaChip pour générer des placements de blocs dans ses TPU, et a indiqué que cette technologie a aussi été appliquée à d’autres projets. Son usage reste cependant plus ciblé que le concept plus large que vise GPT-Synopsys.

GPT-Synopsys est-il déjà disponible ?

Pas encore en tant que produit commercial disponible en général, selon l’annonce du 30 septembre 2026. OpenAI et Synopsys ont signé l’accord, évoquent des travaux technologiques en cours avec des clients, mais aucune date précise de lancement ni résultats indépendants ne sont encore communiqués.