Auteur : Harry Foster, Siemens EDA
Pendant des décennies, les progrès en matière d'automatisation de la conception électronique (EDA) sont allés de pair avec des moteurs de calcul plus rapides. Les équipes de vérification s'appuyaient sur des simulateurs plus puissants, des outils formels évolutifs et des moteurs de résolution à plus grande capacité pour suivre le rythme de la croissance des conceptions.
Cette approche atteint désormais ses limites.
Dans le développement moderne des systèmes sur puce, le véritable goulot d'étranglement n'est plus le débit brut des outils, mais la coordination. La vérification est devenue un processus continu et adaptatif. Les ingénieurs doivent interpréter les résultats, affiner leurs intentions et ajuster leurs stratégies à travers de multiples outils et itérations. De plus en plus, la productivité est limitée par la complexité des flux de travail, et non par la puissance de calcul.
De l'automatisation à l'intelligence des flux de travail
L'automatisation traditionnelle garantit des entrées stables et des flux prévisibles. La vérification RTL fonctionne différemment. Les conceptions évoluent, les spécifications changent et les résultats intermédiaires révèlent souvent de nouveaux risques.
C’est là que l’IA agentielle gagne du terrain.
Au lieu d'optimiser chaque étape individuellement et de manière cloisonnée, les systèmes multi-agents fonctionnent par flux de travail. Les agents surveillent l'état de la vérification, planifient des actions spécifiques, exécutent les tâches et synthétisent les résultats.
L'intégration est essentielle. Une IA externe à la chaîne d'outils, analysant des journaux ou générant des scripts, peut alourdir le processus de vérification et diminuer la fiabilité des résultats. À l'inverse, les approches intégrées permettent d'évaluer les actions générées par l'IA à l'aide des mêmes modèles de couverture, critères sémantiques et contrôles requis pour la validation finale.
Maintenir la participation humaine au processus décisionnel
Malgré les progrès rapides de l'IA, une autonomie totale reste irréaliste pour la vérification RTL. Et elle n'est même pas souhaitable.
L’objectif n’est pas de remplacer les ingénieurs, mais de réduire la coordination manuelle afin qu’ils puissent se concentrer sur la prise de décision et l’atténuation des risques.
Les décisions de vérification dépendent de spécifications incomplètes, d'hypothèses implicites et de compromis techniques qui requièrent une expertise humaine. Déterminer des résultats « suffisants » n'est pas une règle absolue.
Par conséquent, les systèmes d'agents efficaces sont conçus pour être centrés sur l'humain. Les agents d'IA apportent leur aide en proposant des actions, en exécutant des tâches et en fournissant des informations. Les ingénieurs conservent la maîtrise de toutes les décisions relatives à l'objectif, au périmètre et à l'approbation finale.
Concrètement, cela implique de définir des points d'approbation explicites dans le flux de travail. L'IA accélère l'exécution et l'analyse, mais l'ingénieur conserve le pouvoir de validation final.
(Source : Siemens Digital Industries Software)
Une base solide pour des flux de travail fiables
La mise en œuvre de ce modèle ne se limite pas à l'ajout de fonctionnalités d'IA aux outils existants. Elle repose sur une architecture qui expose les moteurs de vérification de manière structurée et sémantiquement pertinente.
Les interfaces natives du moteur permettent aux agents d'exécuter des outils, d'obtenir des résultats et d'observer directement l'état du système. Au lieu de s'appuyer sur des entrées non structurées, ces interfaces offrent des points d'entrée contrôlés, tels que l'exécution de simulations, l'interrogation de la couverture et l'analyse des défaillances.
Le contexte est essentiel. En maintenant les liens entre les conceptions, les tests, les assertions et les résultats historiques, les systèmes multi-agents peuvent raisonner par itérations. Cette continuité est cruciale dans les environnements de vérification complexes où chaque étape s'appuie sur les résultats précédents.
Où l'IA agentielle apporte-t-elle de la valeur ajoutée ?
Les premières applications de l'IA agentielle améliorent déjà la productivité dans divers flux de travail RTL :
- Développement RTL : La génération de code assistée par l'IA permet d'aligner les objectifs de conception sur les exigences de vérification et de détecter les problèmes au plus tôt.
- Analyse statique et de linting : Une configuration plus intelligente et un filtrage contextuel permettent de réduire le bruit et de concentrer l'attention sur les vrais problèmes.
- Domaines d'horloge inter-horloges (CDC) : L'analyse et le perfectionnement itératifs accélèrent la convergence vers des conceptions asynchrones robustes.
- Planification de la vérification : Les agents d'IA peuvent traduire des spécifications changeantes en plans structurés qui s'adaptent à l'évolution des conceptions.
- Épuration : En corrélant les formes d'onde, les assertions et les enregistrements de toutes les performances, les causes sous-jacentes possibles sont découvertes plus rapidement.
Dans tous ces cas, un schéma constant se dégage : une automatisation limitée, un contexte robuste et une supervision humaine. Il en résulte une augmentation quantifiable de la productivité sans compromettre la rigueur.
Gestion des risques et maintien de la confiance
Comme toute forme d'automatisation, l'IA agentielle introduit de nouveaux risques. Des systèmes moins contrôlés pourraient propager des erreurs ou dissimuler des intentions.
La solution n'est pas de limiter les capacités, mais de renforcer la structure.
Les actions délimitées restreignent les capacités des agents d'IA. La validation par le moteur garantit la conformité des résultats aux normes de production. Les interfaces structurées réduisent l'ambiguïté. Un examen humain obligatoire assure la responsabilisation aux points de décision clés.
Cela correspond à la réalité de la vérification, dont la responsabilité incombe en dernier ressort aux équipes d'ingénierie. Dans ce modèle, l'IA vient compléter l'expertise plutôt que de la remplacer.
Regard vers le futur
L'intelligence artificielle agentique dans l'automatisation de la conception électronique est en constante évolution, mais sa direction est claire. L'objectif actuel est de réduire les frictions lors de la planification, de l'exécution et de l'analyse, tout en préservant le contrôle de l'ingénieur.
À long terme, cela pourrait évoluer vers une orchestration plus large, mais seulement si elle est soutenue par la transparence et une validation rigoureuse.
À mesure que les conceptions se complexifient, les gains les plus importants proviendront de l'amélioration des méthodes de travail, et non plus seulement de la rapidité d'exécution des outils. L'IA agentique représente une évolution vers une intelligence des flux de travail, permettant aux équipes d'avancer plus vite tout en préservant la rigueur nécessaire à la validation finale.
Pour les équipes de vérification confrontées à une surcharge d'itérations toujours croissante, ce changement arrive à point nommé.
