L’intelligence artificielle ne transforme pas seulement les logiciels : elle commence aussi à modifier la manière dont sont conçues les puces qui les font fonctionner. Samsung aurait intégré Claude Code, l’outil de programmation d’Anthropic, à certains workflows de sa division System LSI, avec des gains de productivité spectaculaires sur des tâches ciblées de développement et de validation des semi-conducteurs.
Dans certains scénarios, un travail nécessitant auparavant plus d’un mois aurait ainsi été ramené à seulement deux jours. Un chiffre impressionnant qui mérite toutefois d’être replacé dans son contexte.
Claude Code entre dans le développement des semi-conducteurs chez Samsung
Selon les informations relayées par le leaker Ice Universe, la division System LSI de Samsung Electronics expérimente désormais Claude Code dans ses processus d’ingénierie. Cette branche joue un rôle stratégique pour le groupe, puisqu’elle développe notamment les processeurs Exynos et les capteurs photo ISOCELL, deux familles de composants utilisées dans de nombreux appareils Samsung et proposées également à d’autres constructeurs.
L’IA serait désormais utilisée pour assister les ingénieurs lors de certaines étapes de conception, de simulation et de validation.
Les gains annoncés seraient considérables : Samsung aurait observé une amélioration de productivité allant de 15 à 30 fois sur certaines opérations spécifiques.
Il ne faut toutefois pas comprendre que Samsung peut désormais concevoir un Exynos complet trente fois plus rapidement. Ces chiffres concernent des tâches précises au sein d’un processus industriel beaucoup plus complexe.
Simuler du matériel qui n’existe pas encore
L’un des exemples les plus intéressants concerne la validation d’une puce dont certains composants étaient encore en développement. Traditionnellement, les ingénieurs doivent parfois attendre que plusieurs blocs matériels soient suffisamment avancés avant de pouvoir tester leur interaction.
Avec l’aide de l’IA, Samsung aurait créé des modèles logiciels reproduisant temporairement le comportement des composants encore indisponibles. Ces représentations virtuelles permettent aux ingénieurs de commencer à vérifier les interactions entre différentes parties du système sans attendre que l’intégralité du matériel soit finalisée.
Selon les informations rapportées, une opération qui aurait normalement demandé plus d’un mois aurait ainsi été réalisée en environ deux jours.
Une journée au lieu de plusieurs semaines pour certains outils de test
Un autre cas concerne le développement de périphériques USB virtuels. Un ingénieur Samsung devait créer des modèles logiciels simulant un clavier et une souris USB afin d’effectuer différents tests. Une approche classique aurait nécessité de comprendre la documentation technique, d’étudier du code existant puis de développer manuellement les outils nécessaires. En utilisant l’IA pour accélérer cette phase, le prototype aurait été réalisé en une seule journée.
Le travail aurait ensuite servi au développement de pilotes USB pour Android.
C’est probablement dans ce type de scénario que les assistants de programmation peuvent produire les gains les plus importants : non pas en remplaçant l’expertise des ingénieurs, mais en supprimant plusieurs jours consacrés à l’écriture de code auxiliaire, à la documentation ou à la création d’environnements de test.
Pourquoi cette évolution est importante pour Exynos ?
Pour Samsung, l’enjeu dépasse largement quelques journées économisées. Développer un processeur mobile moderne implique des milliers d’ingénieurs, une multitude de blocs matériels et logiciels ainsi que des phases extrêmement longues de simulation et de validation. Chaque retard peut coûter cher. Une erreur détectée tardivement peut nécessiter une nouvelle révision du silicium, repousser la production et compromettre l’intégration d’une puce dans une future génération de Galaxy.
L’utilisation d’agents IA pourrait permettre à Samsung de tester plus tôt, multiplier les simulations et détecter certaines erreurs avant que le silicium physique ne soit produit. C’est là que les gains économiques pourraient devenir réellement importants.
L’IA devient un outil industriel
Cette expérimentation illustre également une transformation plus profonde de l’intelligence artificielle générative. Après avoir commencé comme assistants capables de produire du texte ou quelques lignes de code, les modèles les plus avancés s’intègrent désormais à des workflows d’ingénierie spécialisés.
Dans les semi-conducteurs, l’IA pourrait progressivement intervenir dans la génération de code de validation, la simulation, l’analyse d’erreurs, la documentation ou encore l’automatisation de certaines étapes répétitives.
Les ingénieurs resteraient responsables de l’architecture et de la validation finale, mais une partie du travail intermédiaire pourrait être largement accélérée.
Pour une industrie où le développement d’une nouvelle génération de processeurs représente plusieurs années de travail et des milliards de dollars d’investissements, même une amélioration relativement modeste du cycle de conception peut avoir des conséquences majeures.
Des Galaxy moins chers ? Pas nécessairement
Reste la question qui intéresse directement les consommateurs : ces gains pourraient-ils réduire le prix des smartphones ? Il serait prématuré de l’affirmer. Le coût d’un processeur ne dépend pas uniquement de son développement. Les procédés de gravure avancés, les wafers, la mémoire, le packaging, les rendements de production et les investissements dans les usines représentent une part considérable de l’équation.
L’IA peut donc réduire certains coûts d’ingénierie sans nécessairement provoquer une baisse visible du prix d’un Galaxy.
L’intérêt pourrait être ailleurs : permettre à Samsung de maintenir ses tarifs malgré l’inflation des composants, d’accélérer le développement des générations Exynos ou simplement de proposer des puces plus abouties au moment de leur lancement.
Dans un marché où chaque mois gagné peut déterminer si un processeur arrive à temps pour la prochaine génération de smartphones, l’avantage le plus précieux de l’IA pourrait finalement ne pas être de concevoir moins cher, mais de concevoir plus vite et de détecter les problèmes plus tôt.
