Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
InfrastructureAnalyse · Sur le radarTNW→ original

OpenAI : l'IA a amélioré la conception des GPU d'AMD jusqu'à 14% en énergie, vitesse et surface

OpenAI affirme que son IA a amélioré la conception des GPU phares d'AMD jusqu'à 14% en consommation d'énergie, en vitesse et en surface de die. C'est comparable à un refactoring réussi : la puce fait exactement la même chose, mais consomme moins ou occupe moins de place. Le modèle réécrivait la description des circuits, et les logiciels de Synopsys vérifiaient chaque modification. Enseignement : l'IA est utile là où un outil automatique contrôle le résultat.

Traité par IA depuis TNW ; édité par Hamidun News
OpenAI : l'IA a amélioré la conception des GPU d'AMD jusqu'à 14% en énergie, vitesse et surface
Source : TNW. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTNW ↗
Rédacteur en chef
Chiffre clé #1Une partie des modifications figure déjà dans une puce envoyée en production
Chiffre clé #2Sur sa propre puce Jalapeño, deux blocs clés ont été réduits de 13% et 10%
OpenAIun an de progrès en moins de cinq mois

OpenAI affirme que ses modèles ont amélioré la conception des GPU phares d'AMD, jusqu'à 14% sur trois critères entre lesquels les ingénieurs en puces doivent toujours arbitrer : la consommation d'énergie, les performances et la surface du die (ensemble, on parle de PPA). Pour faire simple, c'est comparable à un refactoring de code réussi : la puce fait exactement la même chose, mais consomme moins d'énergie ou occupe moins de place sur le silicium, ce qui permet de graver davantage de puces sur un même wafer. Le « jusqu'à 14% » correspond au meilleur résultat, pas à la moyenne.

Pour les développeurs et ceux qui construisent des produits sur l'IA, l'essentiel est ailleurs : le modèle a retouché non pas un exemple de démonstration, mais des conceptions déjà soigneusement optimisées, et une partie de ses modifications figure déjà dans une puce envoyée en production.

Ce qu'OpenAI a concrètement fait

Le modèle a travaillé sur le code qui décrit les circuits de la puce. Pour lui, c'est à peu près l'équivalent du code source pour un programmeur : il propose de réécrire une portion pour que le circuit soit plus compact ou plus économe. Les logiciels de Synopsys, que les ingénieurs utilisent aussi sans IA, vérifient ensuite que la puce modifiée fonctionne toujours comme avant. Si la vérification échoue, la modification est rejetée.

Selon l'estimation d'OpenAI, cette méthode a permis d'obtenir environ un an de progrès en moins de cinq mois. Outre les GPU, AMD a confirmé, d'après OpenAI, un gain à un chiffre — c'est-à-dire de l'ordre de quelques pour cent — sur des blocs clés de son prochain processeur phare. C'est plus modeste que sur les puces graphiques, mais sensible pour des conceptions déjà abouties.

La puce Jalapeño et la comparaison des modèles

OpenAI a appliqué la même approche à sa propre puce Jalapeño, passée du projet à la production en neuf mois. Les modifications proposées par les modèles ont réduit deux blocs clés de la puce d'environ 13% et 10%. D'après la société, ces changements ont aussi fonctionné sur le silicium final, et pas seulement en simulation.

OpenAI a également testé cinq générations de ses modèles sur deux petits processeurs open source. Le plus récent, GPT-6.2 Astra, a obtenu le meilleur résultat dans les deux cas : améliorer une conception existante et construire un processeur à partir d'exigences écrites. La société apporte elle-même une réserve : le second test est plus simple, car les modèles pouvaient ne pas implémenter des fonctions présentes dans les originaux.

La suite et les limites

L'étape suivante est GPT-Synopsys, un modèle qu'OpenAI entraîne avec Synopsys. Il doit fonctionner dans les logiciels d'ingénierie auxquels les concepteurs de puces sont déjà habitués, et non dans un environnement séparé.

L'idée séduit aussi les startups : en juin, Architect Labs a levé 24 millions de dollars pour aider les entreprises sur des problèmes similaires.

Tout le monde n'est pas totalement convaincu. Richard Ho, responsable de la division puces d'OpenAI, a déclaré le mois dernier qu'il n'était pas encore prêt à accepter les modifications de l'IA sur parole, et que chacune d'elles est donc vérifiée. Par ailleurs, les chiffres de cette histoire proviennent d'OpenAI elle-même et sont rapportés d'après la société : l'article ne contient aucune mesure indépendante.

Ce que cela implique en pratique

Premier enseignement : l'IA fonctionne mieux là où existe un vérificateur automatique rapide et fiable. Pour les puces, ce sont les outils de vérification de Synopsys ; en développement logiciel classique, ce sont les tests et la CI. Si une machine peut vérifier la « justesse », les modifications autonomes d'un modèle apportent un gain réel ; sinon, c'est un humain qui paie le prix de l'erreur.

Second enseignement : le gain se mesure en délais. Cinq mois au lieu d'un an, et neuf mois entre le projet et la production, intéressent toute entreprise qui conçoit son propre matériel pour des charges de travail d'IA. Si GPT-Synopsys s'intègre vraiment aux outils habituels, le ticket d'entrée baissera pour les petites équipes.

Pour l'instant, une seule chose est sûre : l'IA accélère le travail des ingénieurs, mais ne les remplace pas. La responsabilité de chaque modification reste aux humains et aux programmes de vérification.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qu'OpenAI a concrètement fait ?

Le modèle a travaillé sur le code qui décrit les circuits de la puce. Pour lui, c'est à peu près l'équivalent du code source pour un programmeur : il propose de réécrire une portion pour que le circuit soit plus compact ou plus économe. Les logiciels de Synopsys, que les ingénieurs utilisent aussi sans IA, vérifient ensuite que la puce modifiée fonctionne toujours comme avant. Si la vérification échoue, la modification est rejetée.

Que sait-on sur La puce Jalapeño et la comparaison des modèles ?

OpenAI a appliqué la même approche à sa propre puce Jalapeño, passée du projet à la production en neuf mois. Les modifications proposées par les modèles ont réduit deux blocs clés de la puce d'environ 13% et 10%. D'après la société, ces changements ont aussi fonctionné sur le silicium final, et pas seulement en simulation. OpenAI a également testé cinq générations de ses modèles sur deux petits processeurs open source.

Que sait-on sur La suite et les limites ?

L'étape suivante est GPT-Synopsys, un modèle qu'OpenAI entraîne avec Synopsys. Il doit fonctionner dans les logiciels d'ingénierie auxquels les concepteurs de puces sont déjà habitués, et non dans un environnement séparé. L'idée séduit aussi les startups : en juin, Architect Labs a levé 24 millions de dollars pour aider les entreprises sur des problèmes similaires. Tout le monde n'est pas totalement convaincu.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…