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)
SortieAnalyse · Sur le radar3DNews AI→ original

L'IA d'OpenAI a amélioré une puce AMD de 14 % en énergie, vitesse et surface en cinq mois

Pendant des mois, des ingénieurs grappillent à la main quelques pourcents sur un schéma de puce déjà finalisé : moins d'énergie, davantage de vitesse, moins de silicium. Les modèles d'OpenAI ont amélioré ces trois indicateurs (PPA) sur des blocs du GPU phare d'AMD, pour un gain cumulé allant jusqu'à 14 %. Selon OpenAI, le travail a pris moins de cinq mois au lieu d'un an, et les corrections ont été vérifiées par le logiciel de Synopsys. Conclusion : l'IA peut affiner des schémas, à condition que le résultat puisse être contrôlé automatiquement.

Traité par IA depuis 3DNews AI ; édité par Hamidun News
L'IA d'OpenAI a amélioré une puce AMD de 14 % en énergie, vitesse et surface en cinq mois
Source : 3DNews AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaire3DNews AI ↗
Rédacteur en chef
Chiffre clé #1Le multiplieur occupe 15 % de surface en moins et calcule en 1 cycle au lieu de 2
Chiffre clé #2La surface du bloc vectoriel Jalapeño a diminué d'environ 13 %
Chiffre clé #3AMD a déjà intégré une partie des corrections dans un projet envoyé en production

Imaginez un code qui fonctionne déjà, optimisé par des experts, et dont il faudrait encore extraire quelques pourcents. Pour les puces, c'est la même logique, mais plus coûteuse : chaque pourcent économisé sur l'énergie, la vitesse ou la surface de silicium représente de l'argent sur des millions de composants. OpenAI explique avoir confié ce travail d'optimisation à ses modèles.

Sur des blocs du GPU phare d'AMD, ils ont amélioré simultanément trois indicateurs : la consommation énergétique, la performance et la surface occupée, que l'industrie résume par l'acronyme PPA (Power, Performance, Area). Le gain cumulé atteint jusqu'à 14 % par rapport à des schémas que des ingénieurs avaient déjà soigneusement optimisés. Selon OpenAI, il a fallu moins de cinq mois, alors qu'une approche classique aurait demandé environ un an.

Ce qu'a fait l'IA concrètement

Le travail a débuté au début de 2025 sur l'accélérateur maison d'OpenAI, baptisé Jalapeño, avec le modèle GPT-o3 mini. Le réseau de neurones s'est concentré sur le bloc vectoriel, la partie de la puce qui exécute les calculs en parallèle. Il a optimisé les additionneurs et les multiplieurs, les blocs de conversion de données et les nœuds d'opérations spécialisées. Le modèle a simplifié les circuits logiques et redistribué les calculs entre les étapes du pipeline. Résultat : différentes opérations utilisent désormais les mêmes composants matériels, et le volume de données stockées temporairement en mémoire a diminué.

Les chiffres sont les suivants. Le multiplieur occupe 15 % de surface en moins et effectue une opération en un cycle au lieu de deux. L'additionneur a lui aussi diminué de 15 %, tout en conservant une latence de deux cycles. Au total, la surface des cellules standard du bloc vectoriel a été réduite d'environ 13 %, et celle du bloc matriciel d'environ 10 %, selon les estimations.

Comment cela a fonctionné avec AMD

En collaboration avec AMD, les modèles d'OpenAI ont proposé des modifications du code RTL en SystemVerilog, le langage qui décrit les circuits numériques au niveau matériel. Le modèle ne s'est pas limité aux blocs de calcul : il a aussi examiné les circuits de contrôle et de transfert de données.

Les propositions de l'IA n'ont pas été acceptées sans vérification. Les schémas ont été contrôlés avec les outils de Synopsys, qui confirment que les blocs conservent leur comportement initial après modification et aident à arbitrer entre consommation, performance et surface de la puce. AMD a intégré une partie des corrections dans un projet envoyé en production et a ajouté les autres à la documentation de conception pour les futures versions. La société confirme par ailleurs un gain de PPA de quelques pourcents sur les blocs clés des processeurs centraux phares de nouvelle génération, conçus avec les modèles d'OpenAI.

Test sur des cœurs RISC-V ouverts et réserves

Pour comparer les générations de modèles, OpenAI a utilisé deux cœurs de processeur ouverts de l'architecture RISC-V : PicoRV32, conçu pour les puces programmables, et Ibex, utilisé dans OpenTitan. Deux tâches ont été menées : accélérer un cœur existant et concevoir un processeur à partir d'un cahier des charges. Pour un volume de calcul comparable, soit environ 112 000 tokens par exécution, le meilleur résultat sur les deux cœurs a été obtenu par GPT-6.2 Astra, et GPT-6.1 Sol a devancé GPT-5.6 Sol. Au total, 9 881 essais ont été réalisés, et les cinq modèles ont obtenu de meilleures notes en concevant un processeur à partir de zéro qu'en améliorant un schéma existant.

Cet avantage a un revers, qu'OpenAI signale elle-même. En conception from scratch, il est possible de ne pas inclure les fonctions du processeur d'origine qui influent peu sur les résultats des tests définis. Ces essais ne reflètent donc pas tout à fait le développement réel. Pour une vérification rigoureuse, il faut des fonctions obligatoires, des contraintes plus strictes sur la surface de la puce et une vérification du schéma après la conception physique.

Ce que cela change en pratique

La principale leçon pour ceux qui développent des agents : l'IA produit des résultats là où une vérification automatique est possible. Ici, elle était assurée par les outils de Synopsys, et l'association « le modèle propose, le logiciel de contrôle confirme » transforme des idées en modifications utilisables en production. Le principe vaut aussi pour le développement classique : un agent doté de tests et de linters peut être sollicité pour affiner du code existant bien plus sereinement qu'un agent sans ces garde-fous.

L'étape suivante d'OpenAI se fait avec Synopsys : les deux entreprises développent un modèle GPT-Synopsys, capable d'utiliser les outils de conception assistée par ordinateur et de vérification de schémas comme le font les concepteurs de puces expérimentés.

Il faut garder à l'esprit les limites. Tous les chiffres sont des estimations d'OpenAI elle-même, sans mesures indépendantes. Le 14 % correspond à un maximum, et non à une moyenne sur l'ensemble des blocs. La comparaison « un an contre cinq mois » relève de l'estimation, et non d'une expérience contrôlée. Mais le fait qu'une partie des corrections soit entrée dans un projet envoyé en production montre que l'IA dans la conception de puces a déjà dépassé le stade de la démonstration.

Dossier

Questions clés sur cet article

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

Le travail a débuté au début de 2025 sur l'accélérateur maison d'OpenAI, baptisé Jalapeño, avec le modèle GPT-o3 mini. Le réseau de neurones s'est concentré sur le bloc vectoriel, la partie de la puce qui exécute les calculs en parallèle. Il a optimisé les additionneurs et les multiplieurs, les blocs de conversion de données et les nœuds d'opérations spécialisées. Le modèle a simplifié les circuits logiques et redistribué les calculs entre les étapes du pipeline.

Comment cela a fonctionné avec AMD?

En collaboration avec AMD, les modèles d'OpenAI ont proposé des modifications du code RTL en SystemVerilog, le langage qui décrit les circuits numériques au niveau matériel. Le modèle ne s'est pas limité aux blocs de calcul : il a aussi examiné les circuits de contrôle et de transfert de données. Les propositions de l'IA n'ont pas été acceptées sans vérification.

Que sait-on sur Test sur des cœurs RISC-V ouverts et réserves ?

Pour comparer les générations de modèles, OpenAI a utilisé deux cœurs de processeur ouverts de l'architecture RISC-V : PicoRV32, conçu pour les puces programmables, et Ibex, utilisé dans OpenTitan. Deux tâches ont été menées : accélérer un cœur existant et concevoir un processeur à partir d'un cahier des charges. Pour un volume de calcul comparable, soit environ 112 000 tokens par exécution, le meilleur résultat sur les deux cœurs a été obtenu par GPT-6.2 Astra, et GPT-6.1 Sol a devancé GPT-5.6 Sol.

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…