Je viens de réaliser quelque chose de très important dans l'industrie des puces modernes. Il y a eu une session de discussion passionnante lors de la conférence GTC où Bill Dally de Nvidia a parlé de quelque chose qui a changé la façon de penser la conception des puces entièrement.

L'histoire a commencé avec des chiffres vraiment effrayants - auparavant, transférer une bibliothèque de cellules standard contenant des milliers de cellules nécessitait une équipe de 8 ingénieurs travaillant pendant 10 mois complets. Maintenant ? Un seul processeur GPU qui fonctionne toute la nuit et la tâche est terminée. Les résultats sont même meilleurs que la conception humaine en termes d'efficacité et de consommation d'énergie.

Mais la vérité est plus profonde que les titres de presse. Nvidia n'a pas utilisé une boîte noire aléatoire - il existe des outils avancés développés depuis des années. Le logiciel NB-Cell repose sur l'apprentissage par renforcement, et il y a des modèles linguistiques internes appelés Chip Nemo et Bug Nemo qui ont été entraînés sur tout, de l'histoire de Nvidia depuis G80 jusqu'à Blackwell. Cela signifie qu'un nouvel employé peut accéder à l'expertise de 20 ans d'ingénieurs professionnels en un clic.

Mais la partie la plus intelligente de la stratégie est venue après. En décembre 2025, Nvidia a investi 2 milliards de dollars dans Synopsys - l'une des plus grandes entreprises d'outils de conception de puces au monde. Et ils ont signé un accord pour intégrer profondément la technologie Nvidia dans tous les outils de Synopsys. Peu de temps après, Cadence et d'autres entreprises ont annoncé qu'elles développaient des outils alimentés par l'intelligence artificielle sur des processeurs GPU Nvidia.

Les chiffres effrayants ? Les outils de Synopsys sont 30 fois plus rapides sur Blackwell, d'autres outils 20 fois plus rapides, et 12 fois sur d'autres processeurs. La différence est énorme.

Voici le vrai problème. Autrefois, les outils de conception de puces fonctionnaient de manière équivalente sur les processeurs Intel et AMD. L'avenir est complètement différent - si vous voulez les outils les plus rapides, vous devez acheter uniquement des cartes Nvidia. Imaginez que vous êtes un ingénieur dans une entreprise concurrente qui veut concevoir une puce surpassant Blackwell - vous ouvrez l'outil de conception le plus rapide et découvrez qu'il fonctionne de manière optimale uniquement sur des processeurs Nvidia. Soit vous acceptez un cycle de conception deux fois plus lent, soit vous achetez une grande quantité de cartes Nvidia pour concevoir une puce destinée à battre Nvidia elle-même.

La stratégie va plus loin. Nvidia couvre toutes les étapes de la chaîne de production, de la conception à la fabrication, avec l'intelligence artificielle. Chip Nemo gère la conception en amont, NB-Cell s'occupe des optimisations intermédiaires, les outils EDA sont liés par un investissement de 2 milliards de dollars, et même les calculs optiques en fabrication se font sur des processeurs Nvidia.

La paradoxe douloureuse : tout concurrent cherchant à battre Nvidia découvrira que tous les outils nécessaires pour gagner sont détenus ou optimisés pour Nvidia. La personne que vous voulez battre vous fournit tous les outils pour essayer.

Et pour les entreprises chinoises locales qui tentent d'entrer sur le marché des GPU ? La situation est bien plus difficile. La plupart utilisent encore des outils Synopsys et Cadence sous licence, perdant des milliards chaque année, mais le marché les considère comme une "Nvidia locale" avec une valeur de marché énorme. L'écart entre l'évaluation et la réalité est très effrayant.