Depuis plus d’un demi-siècle, l’évolution des technologies numériques a été guidée par un principe simple, presque prophétique : la loi de Moore. Formulée en 1965 par Gordon Moore, elle prédisait que le nombre de transistors sur une puce allait doubler tous les deux ans, entraînant mécaniquement une augmentation de la puissance de calcul et une baisse des coûts. Cette observation empirique a façonné l’industrie des semi-conducteurs, propulsant l’informatique dans toutes les sphères de notre quotidien, du smartphone aux supercalculateurs.

Mais aujourd’hui, cette loi historique atteint ses limites physiques et économiques. Pour continuer à progresser, l’industrie doit trouver de nouveaux leviers, et c’est ici qu’intervient l’intelligence artificielle. Longtemps cantonnée au rôle d’application logicielle, l’IA devient désormais un acteur clé dans la conception des puces. Elle accélère les cycles de R&D et imagine des architectures inédites, parfois si contre-intuitives que même les ingénieurs peinent à en comprendre le fonctionnement.

Dès lors, une question se pose : sommes-nous toujours dans une logique de progrès linéaire, ou entrons-nous dans une ère où l’IA redéfinit les règles du jeu en imaginant des designs que l’humain n’aurait jamais pu concevoir seul ?

La loi de Moore : socle fondateur de l’ère numérique

La loi de Moore a été le véritable moteur de la révolution informatique. Pendant des décennies, elle a servi de boussole aux industriels : chaque nouvelle génération de puces devait être plus petite, plus rapide et plus économique. Ce cycle vertueux a permis la démocratisation des ordinateurs personnels, l’explosion d’Internet et la montée en puissance du cloud.

Depuis les années 2010 pourtant, les signes d’essoufflement se multiplient. La miniaturisation atteint ses limites physiques, butant sur les contraintes de la mécanique quantique. Dans le même temps, les coûts de fabrication explosent : chaque nouveau nœud technologique exige des investissements de plusieurs milliards de dollars. Et les gains de performance, longtemps exponentiels, apparaissent désormais beaucoup moins linéaires.

Pour autant, comme le rappelle Aart de Geus (Synopsys), « la loi de Moore n’est pas morte ». Les progrès se poursuivent, mais ils ne peuvent plus se contenter de la seule logique de densité. C’est désormais dans la complexité systémique que se joue l’avenir des semi-conducteurs.

Du More Moore au SysMoore : une nouvelle ambition

C’est ce que Synopsys appelle le SysMoore : une approche qui ne repose plus uniquement sur la densité des transistors, mais sur l’intégration intelligente de multiples composants et systèmes. L’idée est de conjuguer deux dynamiques complémentaires. Le More Moore consiste à poursuivre la miniaturisation des composants quand cela reste possible, afin de prolonger les gains de performance. Le More than Moore, lui, mise sur l’ajout de nouvelles fonctionnalités au sein d’une même puce, comme des modules de communication, des capteurs, des unités d’IA embarquée ou encore des mécanismes de sécurité avancés.

Dans cette logique, l’IA joue un rôle déterminant. Synopsys, pionnier dans l’automatisation de la conception électronique, a développé une plateforme baptisée DSO.ai (Design Space Optimization). Grâce à l’apprentissage automatique, cet outil est capable d’explorer en quelques heures des millions de configurations possibles et d’identifier des optimisations invisibles à l’œil humain.

Les résultats sont éloquents. Des expérimentations menées avec DSO.ai ont permis d’améliorer l’efficacité énergétique des circuits d’environ 25 %, un gain équivalent à ce que l’on attend généralement d’un saut de génération technologique complet. Ce chiffre illustre la portée du SysMoore : il ne s’agit plus seulement de grignoter quelques nanomètres supplémentaires, mais de repenser l’architecture globale pour en tirer une efficacité inédite.

L’IA qui invente des circuits “étranges” mais performants

L’industrie des semi-conducteurs n’est pas la seule à tirer parti de l’IA. Le monde académique s’aventure lui aussi dans des voies inédites. Des chercheurs de Princeton University et de l’IIT Madras ont démontré le potentiel de l’inverse design appliqué aux circuits radiofréquences (RF).

Traditionnellement, les concepteurs partaient des composants connus et optimisaient les circuits par itérations successives. Ici, la démarche est inversée : on part directement des performances attendues, et l’IA imagine elle-même l’architecture capable de les atteindre.

Les résultats sont surprenants et impressionnants. L’algorithme a conçu des antennes compactes capables de fonctionner simultanément sur plusieurs bandes de fréquences, un atout décisif pour la 5G et encore plus pour la future 6G. Il a généré en quelques minutes des filtres RF qui auraient nécessité des semaines de travail manuel. Enfin, les formes produites par l’IA sont radicalement différentes des conceptions habituelles : des géométries irrégulières, parfois déroutantes, mais d’une efficacité supérieure.

Ce paradoxe est fascinant : l’IA conçoit des systèmes dont nous ne comprenons pas toujours la logique interne, mais dont les performances dépassent celles des conceptions humaines. Nous entrons dans une ère où la créativité algorithmique dépasse l’intuition des ingénieurs.

Opportunités stratégiques

Ces innovations redessinent déjà les équilibres stratégiques de plusieurs secteurs. Dans les télécommunications, la conception accélérée d’antennes multi-bandes ouvre la voie à des réseaux 5G et 6G plus performants, plus fiables et plus économes en énergie. Dans la mobilité autonome, les radars et capteurs embarqués des véhicules deviennent plus compacts et plus efficaces, renforçant la sécurité tout en réduisant la consommation énergétique.

L’impact se mesure aussi sur la transition écologique. En diminuant les pertes électriques, les puces conçues par IA contribuent directement à la réduction de l’empreinte carbone du numérique, enjeu majeur pour l’ensemble des industries. Enfin, cette révolution touche à la souveraineté technologique : la possibilité de concevoir rapidement des puces locales pourrait réduire la dépendance vis-à-vis des géants américains et asiatiques, un sujet crucial pour l’Europe.

Pour les assureurs et les acteurs de la cybersécurité, ces opportunités s’accompagnent d’une responsabilité : anticiper les risques liés à l’adoption rapide de ces technologies, en évaluant leur robustesse et leur résilience.

Limites et risques

L’IA soulève aussi des questions critiques. La première concerne l’opacité : les circuits générés par IA fonctionnent, mais leur logique interne échappe parfois à la compréhension humaine. Cette absence de transparence crée un problème de confiance.

La fiabilité est une autre inquiétude majeure. Dans des environnements critiques comme la santé, les transports aériens ou les infrastructures militaires, comment certifier un dispositif que personne ne comprend totalement ?

S’ajoute à cela un risque de dépendance. À mesure que l’IA prend en charge des tâches de conception de plus en plus poussées, les compétences humaines risquent de s’éroder. Une panne ou une indisponibilité de ces outils fragiliserait la résilience de toute l’industrie.

Enfin, la sécurité n’est pas garantie. Des vulnérabilités inédites peuvent apparaître dans ces architectures complexes, parfois impossibles à corriger. Le risque d’introduire, volontairement ou non, des failles exploitables – y compris des backdoors – ne peut pas être écarté.

Ces défis rappellent une évidence : la vitesse d’innovation doit s’accompagner d’une rigueur accrue en matière de validation, certification et gestion des risques.

Perspectives et avenir

La conception de puces dans dix ou vingt ans prendra sans doute la forme d’une collaboration étroite entre l’humain et l’IA. L’ingénieur restera l’architecte global, garant de la sécurité et de la fiabilité, tandis que l’IA deviendra un outil d’exploration et d’optimisation, capable de proposer des solutions inédites.

Cette approche hybride pourrait s’étendre à des domaines émergents : ordinateurs quantiques, réseaux intelligents, infrastructures énergétiques, ou encore recherche de nouveaux matériaux. Nous assistons ainsi à un basculement profond : d’une logique de densité prévisible héritée de la loi de Moore, nous passons à une logique de créativité algorithmique, où la valeur ne se mesure plus seulement en nanomètres, mais en potentiel fonctionnel.

L’intelligence artificielle ne met pas fin à la loi de Moore : elle en prolonge l’ambition tout en transformant les règles du jeu. Les architectures qu’elle conçoit sont parfois étranges, souvent imprévisibles, mais leur efficacité est indéniable.

Pour les entreprises, chercheurs et assureurs spécialisés en nouvelles technologies, le défi sera double : exploiter les gains spectaculaires promis par ces puces tout en maîtrisant les risques liés à l’opacité et à la dépendance aux algorithmes.

Une certitude demeure : l’avenir des semi-conducteurs ne sera plus écrit uniquement par l’ingénieur ou par la loi de Moore, mais par une équation partagée entre l’humain et l’IA, où performance, sécurité et créativité devront avancer de concert.