Le 3 novembre, OpenAI a indiqué que deux de ses salariés avaient conçu avec GPT-6 Astra un appareil de test pour dialoguer avec Codex, du boîtier au firmware en passant par le circuit imprimé, en moins d’une semaine et en marge de leur travail. Un sous-traitant en a ensuite fabriqué une petite série de prototypes en moins d’un mois.
La veille, l’équipe Hunyuan de Tencent affirmait que son agent de recherche Hyra 2.0 avait relevé de 5,79 % le score par GHz de XiangShan, un processeur RISC-V open source, et trouvé 10 bugs absents de la liste officielle du projet. Plus tard le 3 novembre, selon The Information, Anthropic a indiqué à des investisseurs pressentis pour son introduction en Bourse que sa nouvelle équipe puces, forte de 15 personnes, se sert de Claude pour l’ingénierie et la conception du silicium destiné à entraîner et à faire tourner Claude. Les trois annonces portent sur un appareil, un processeur open source et les puces destinées à entraîner et à faire tourner Claude.
Un appareil pour parler à Codex
Pour OpenAI, l’appareil teste les compétences multimodales d’Astra et sa capacité à piloter un ordinateur, avec un objectif que le billet nuance plus loin : créer un appareil « sans aucune modification humaine directe ». Astra a rédigé le cahier des charges fonctionnel et défini l’esthétique de l’objet, en s’inspirant d’une collaboration passée d’OpenAI avec Work Louder, de jeux et de jouets. Le modèle a dessiné le boîtier et les structures internes, choisi les composants électroniques et conçu le circuit imprimé aux dimensions du boîtier. Il a aussi conçu l’interface et généré le firmware (le logiciel embarqué de la carte) ainsi que le logiciel de liaison avec Codex.
Préparer l’appareil à la fabrication « a tout de même nécessité plusieurs cycles de revue et d’itération », écrit OpenAI, car Astra « n’a pas systématiquement tenu compte des limites de production du fabricant, des tolérances ou des détails nécessaires à l’assemblage ». Le billet ne dit pas combien de temps ces revues ont pris.
Les équipes matériel et infrastructure d’OpenAI (robotique, infrastructure de calcul) utilisent Codex et ChatGPT pour la CAO, les plans de fabrication, les simulations et les revues de conception. La consommation de tokens des équipes matériel a été multipliée par 23 depuis février. Sur BenchCAD 2.0, un banc d’essai externe (reconstruction de pièces et d’assemblages 3D, connexions de circuits imprimés), OpenAI indique qu’un modèle interne plus récent obtient en moyenne 0,875, contre 0,594 pour GPT-6 Astra à son réglage de raisonnement le plus élevé. Le billet annonce aussi des recherches avec Mazda sur l’aérodynamique et la sécurité passive.
L’agent de Tencent et un processeur open source
L’équipe Hunyuan de Tencent a publié Hyra 2.0 le 2 novembre, avec un long billet en chinois, daté du 1er novembre sur la page, et un dépôt GitHub. Tencent présente l’agent comme un fabricant d’outils de recherche ; l’un des projets sur lesquels il a travaillé est XiangShan, un processeur entièrement open source fondé sur RISC-V, un jeu d’instructions libre de redevances.
Selon Tencent, Hyra 2.0 a corrigé plusieurs problèmes révélés par la suite de tests SPEC CPU2006 et, avec d’autres réglages, a relevé de 5,79 % la moyenne géométrique du score par GHz de XiangShan, un indicateur de performance à fréquence égale. La fréquence monocœur ne change pas et la surface de la puce augmente de 0,3 %. Tencent estime ce gain à environ deux à trois mois de travail de l’équipe officielle, d’après le rythme relevé sur le tableau de bord de performances du projet.
Les tests de fuzzing conçus par Hyra 2.0, qui bombardent la conception d’entrées aléatoires, ont trouvé 7 bugs. Avec 3 autres découverts séparément, Tencent en compte 10, aucun ne figurant dans la liste officielle des tickets. Une vérification formelle écrite en TLA+, un langage de spécification vérifiable par des outils automatiques, a mis au jour un contre-exemple dans la cohérence de cache multicœur (chaque cœur doit voir la même version d’une donnée partagée). Le correctif a été reversé à OpenLLC, un cache de dernier niveau open source (l’étage de cache juste avant la mémoire principale).
Hyra a aussi conçu une main robotique à cinq doigts, disposés comme les marches d’un escalier en colimaçon. Dans la simulation DR5, après le même réglage fin, elle fait tourner les objets 28,6 % plus vite que la meilleure main à cinq doigts de l’article de référence. Tencent précise qu’elle n’a été testée qu’en simulation.
Le dépôt GitHub contient des fichiers sur les protéines, les champs de force ou les mathématiques, mais rien sur XiangShan ni sur la main : ces chiffres reposent sur le seul billet de Tencent. Pandaily, qui a couvert la sortie le 3 novembre, note que tous les résultats émanent de Tencent et n’ont pas été vérifiés de manière indépendante.
L’équipe puces d’Anthropic et Renesas
The Information, dans un article payant relayé par AI Weekly, cite quatre personnes au fait des discussions. Selon l’article, Anthropic a expliqué lors de rencontres récentes avec des investisseurs que sa nouvelle équipe de conception de puces utilise déjà Claude pour l’ingénierie et la conception de ses puces sur mesure, et ses ingénieurs affirment que Claude réduit le temps de conception par rapport à leurs estimations des méthodes de Nvidia et d’AMD. Anthropic a aussi dit qu’il garderait une approche « multipuce », fondée sur les puces de Nvidia, d’AMD, d’AWS et de Google. Le relais ne donne aucun pourcentage et ne nomme aucune puce.
Dans son prospectus amendé du 2 novembre, que nous avons analysé le 3 novembre, Anthropic écrit que ses attentes « concernant les futurs modèles, plutôt que nos modèles actuels », indiquent qu’il pourrait atteindre « de façon imminente » son propre seuil de « progrès considérablement accéléré attribuable à l’IA ».
Le 4 novembre, Nikkei xTech rapportait que Renesas prépare le terrain pour confier à des agents d’IA tout son flux de conception de puces et vise à concevoir tous ses produits avec l’IA. Le fabricant japonais attend de forts gains d’efficacité sur les systèmes sur puce complexes faits de chiplets numériques et analogiques. La partie gratuite de l’article payant ne donne aucun chiffre.
La boucle décrite par Tencent
Tencent inscrit ce travail dans l’auto-amélioration récursive : de meilleurs outils rendent plus fort le système qui les fabrique, lequel peut alors en fabriquer de meilleurs. Selon l’équipe, Hyra 2.0 participe déjà aux prochains modèles Hy (infrastructure d’entraînement, chaînes de synthèse de données, images et systèmes d’inférence), et Tencent espère qu’ils deviendront à leur tour des outils de Hyra.
Le cabinet SemiAnalysis, qui a lancé son banc d’essai GDPx le 2 novembre avec la conception de puces comme seul domaine doté de trois fournisseurs de tâches, s’attend à ce que les dépenses en IA dans ce domaine « commencent à décoller sérieusement en 2027 » et y voit, après le code, la prochaine application phare dont il est le plus sûr.
Côté logiciel, des chercheurs du MIT ont montré le 2 novembre que GPT-6 Astra savait modifier directement les poids d’un petit modèle, sans entraînement, et Anthropic a rapporté en octobre que Claude avait conçu des circuits quantiques jusqu’à 39 fois moins coûteux que les meilleurs publiés, vérifiés automatiquement.
Les limites des conceptions actuelles
La remarque d’OpenAI sur les tolérances rejoint les résultats d’un banc d’essai externe publié la veille. Dans GDPx, une tâche publique de Beautiful Machines demande à un agent de concevoir un boîtier moulé par injection (matière fondue injectée dans un moule) autour d’un compresseur existant, livré sous forme d’assemblage SolidWorks modifiable, avec ses plans natifs et une gamme de fabrication. Sur 12 essais de GPT-6 Astra, Claude Opus 5.5, Grok 4.7 et GLM 5.3, aucun n’a obtenu de réussite complète vérifiée, et SemiAnalysis écrit que les échecs décisifs portent sur la fabricabilité et le respect de l’intention de conception. Cinq des six rendus d’Opus et d’Astra ont passé les contrôles de jeu sur un cycle complet et toutes les séquences de modification.
Sur une tâche Arcverex de vérification de la cohérence de cache, chacun des trois rendus d’Astra a accepté les quatre conceptions correctes mais laissé passer une partie des défectueuses. Sur RWE-bench, un ensemble de 20 tâches réelles de conception mécanique, électrique et aérospatiale, GPT-6 Astra arrivait en tête du classement du 28 octobre avec 37 % d’essais réussis.
Les annonces n’ont pas toutes le même poids : le score BenchCAD 2.0 est celui qu’OpenAI annonce pour son propre modèle non publié, les résultats de Tencent sur le processeur et la main sont autodéclarés, et celui d’Anthropic est un argument présenté à des investisseurs, connu par un article de presse.
Notre analyse
Selon OpenAI, deux personnes épaulées par un modèle ont produit en moins d’une semaine un premier jet complet d’appareil, du cahier des charges au firmware. La validation finale n’a pas suivi au même rythme : OpenAI a eu besoin de cycles de revue sur les tolérances et la fabricabilité, aucun modèle n’a réussi la tâche de boîtier de GDPx, et les bancs de test d’Astra ont laissé passer des conceptions défectueuses.
L’argument de l’accélération tient à la cible de ce travail. Les équipes matériel d’OpenAI, dont le travail couvre l’infrastructure de calcul, consomment 23 fois plus de tokens qu’en février. Chez Anthropic, selon The Information, Claude participe à l’ingénierie et à la conception du silicium de Claude, et chez Tencent l’agent travaille sur les prochains modèles Hy, dont le groupe espère que Hyra se servira ensuite comme outils. Aucun des trois groupes n’a encore montré de puce terminée ni de gain mesuré par un tiers.
Les mainteneurs de XiangShan peuvent confirmer ou non les 10 bugs dans leur suivi de tickets et les 5,79 % sur leur tableau de bord de performances. Si OpenAI publie son modèle interne plus récent, des mesures externes montreront si son score BenchCAD tient. Ni la partie gratuite de l’article de The Information ni le relais d’AI Weekly ne donnent de date pour une première puce.
Sources
- Accelerating engineering for the physical world, OpenAI, 3 novembre 2026
- Hyra 2.0：自动化科研的下一步, Tencent Hunyuan, 1er novembre 2026
- Tencent-Hunyuan/Hyra-results, Tencent Hunyuan, GitHub, 2 novembre 2026
- Tencent Hunyuan’s Hyra 2.0 Research Agent Builds Its Own Tools for Proteins, Proofs and Chips, Pandaily, 3 novembre 2026
- Anthropic Touts Claude’s Chip Design Skills to IPO Investors, The Information, 3 novembre 2026
- ルネサス、半導体設計全体をAIエージェント化 全製品に適用へ, Nikkei xTech, 4 novembre 2026
- GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains, SemiAnalysis, 2 novembre 2026
Image d’en-tête : graphique MACCUS, données d’OpenAI (3 novembre 2026) et de Tencent Hunyuan (2 novembre 2026)
