Pendant des décennies, la conception de circuits intégrés radiofréquences a été décrite comme un « art obscur » – une compétence maîtrisée uniquement grâce à des années d’expérience minutieuse. Aujourd’hui, des chercheurs de l’Université de Princeton affirment que l’intelligence artificielle est en train d’apprendre cet art et, dans certains cas, de surpasser les humains qui en détenaient autrefois le monopole.
Dans un article publié par IEEE Spectrum le 24 juin 2026, l'équipe a détaillé comment les méthodes d'apprentissage automatique sont utilisées pour générer des circuits intégrés à radiofréquence (RFIC) – les minuscules puces qui permettent aux téléphones, aux voitures et aux satellites d'envoyer et de recevoir des signaux sans fil – à partir de zéro. Selon les chercheurs, certaines des configurations résultantes « ressemblent davantage à de l'art moderne qu'à des configurations de circuits », mais leurs prototypes physiques ont surpassé les circuits de pointe conçus par l'homme en termes de performances. Pour plus de contexte sur cette histoire, consultez notre couverture de l'industrie de l'IA.
La réalisation n’est cependant pas purement esthétique. L’IA a conçu des conceptions fonctionnelles en un temps bien inférieur à celui dont aurait besoin un ingénieur humain.
Pourquoi la conception de puces RF est si difficile
Contrairement aux unités centrales de traitement (CPU) et aux puces graphiques (GPU) que l'on trouve dans les ordinateurs, les puces RF ne peuvent pas être conçues via un processus algorithmique standardisé. La conception RFIC est un exercice d’ingénierie couvrant plusieurs domaines physiques à la fois.
Les équations de Maxwell régissent la façon dont les champs électromagnétiques interagissent avec les dispositifs actifs et passifs d'une puce. Dans le même temps, les lois de la thermodynamique déterminent la manière dont la chaleur est générée et évacuée pendant le fonctionnement, tandis que les mécanismes de dilatation thermique dictent la fiabilité avec laquelle une puce et son emballage survivent aux variations de température. La prise en compte simultanée de toutes ces contraintes rend l’espace de conception presque impossible à atteindre, chaque décision impliquant des priorités concurrentes.
Le résultat est qu’une seule nouvelle conception de puce RF peut prendre des années et des dizaines, voire des centaines de millions de dollars.
Les fréquences en jeu
Les enjeux sont importants car les puces RF sont à la base de presque toutes les technologies sans fil. Les transistors d'un processeur typique surchauffent à des fréquences de fonctionnement de quelques gigahertz seulement. Les puces RF, en revanche, fonctionnent à des fréquences bien plus élevées : 28 et 39 gigahertz pour les signaux 5G, 26,5 à 40 gigahertz et au-delà pour les communications par satellite et 77 gigahertz pour les radars automobiles.
Pour survivre à ces fréquences, les puces RF gèrent intelligemment l'énergie d'un signal grâce à une conception électromagnétique soignée. Cela prend la forme de réseaux complexes d’éléments métalliques – géométriquement réguliers, souvent symétriques et si élaborés qu’ils peuvent ressembler à un filigrane en forme de dentelle. Ces structures passives, telles que les inductances et les lignes de transmission, dominent l'espace de la puce, occupant bien plus de place que les transistors eux-mêmes.
Comment l'IA aborde le problème
Selon le rapport IEEE Spectrum, le groupe de Princeton a commencé à explorer la conception RF basée sur l'IA il y a environ sept ans, à la suite de la victoire AlphaGo de DeepMind sur le champion du monde de Go Lee Sedol en 2016. Cette avancée a incité l'équipe à se demander si l'IA pouvait également apprendre « l'art sombre » de la conception RF.
La réponse est de plus en plus oui. Les chercheurs utilisent l'apprentissage par renforcement combiné à la conception inverse pour créer rapidement des RFIC à partir de zéro. Plutôt que de partir d'un modèle humain, le système apprend quelles structures produisent le comportement électromagnétique souhaité.
Plus récemment, les modèles de diffusion (la même famille d'IA générative derrière la synthèse d'images moderne) ont été utilisés pour générer rapidement de nouvelles configurations RF. Ces modèles peuvent produire des conceptions délibérément sauvages ou plus interprétables par l'homme, et ils ont atteint des performances record tout en réduisant considérablement le temps de conception.
Un exemple concret illustre ce changement. Un ingénieur concevant un amplificateur de puissance de 28 gigahertz pour un combiné à ondes millimétriques 5G partait traditionnellement de modèles établis et suivait des modèles symétriques et compréhensibles. Libérée de ces contraintes, l’IA peut explorer des conceptions qu’un humain ne dessinerait jamais – et qui n’ont pas besoin d’être compréhensibles par l’homme pour fonctionner.
Ce qui vient ensuite
Les chercheurs préviennent que le domaine n’en est pas encore au point de conception RF entièrement automatisée à bouton-poussoir. Selon eux, les progrès futurs dépendront de grands ensembles de données partagés sur la conception de puces et d'écosystèmes plus ouverts, afin que les systèmes d'IA puissent apprendre les comportements électromagnétiques et de circuits universels plutôt que des modèles étroits spécifiques aux laboratoires.
Si ces éléments de base se mettent en place, les implications s’étendent bien au-delà des puces radio. L’équipe de Princeton suggère que la conception basée sur l’IA pourrait devenir l’avenir de toute conception RF – et peut-être bien plus encore, en pointant vers les technologies sans fil de nouvelle génération, notamment les véhicules autonomes largement répandus, les communications quantiques, le service mobile 6G et les réseaux satellite avancés.
Pour une industrie où un seul cycle de conception peut prendre des années et des budgets à neuf chiffres, même réduire une fraction de ce temps pourrait être transformateur. Et alors que les circuits conçus par l’IA surpassent de plus en plus leurs homologues fabriqués par l’homme, l’« art sombre » de longue date de l’ingénierie RF pourrait enfin devenir une science.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
