Il y a des communiqués qui vous informent, et il y a ceux qui vous facturent. Celui de TechCrunch Disrupt 2026 appartient à la deuxième catégorie : deux noms, un intitulé de panel, et une remise de 200 dollars qui expire aujourd'hui. Voilà. C'est tout. Pas une thèse, pas un chiffre, pas un résultat — un compte à rebours promotionnel déguisé en annonce éditoriale.
Anna Goldie et Azalia Mirhoseini monteront donc sur la Disrupt Stage pour parler de « fermer la boucle entre l'IA et le développement des puces ». Traduction : faire concevoir par des modèles les processeurs qui feront tourner les modèles. Le serpent qui se mord la queue — sauf que dans cette version, c'est le serpent qui encaisse.
AlphaChip : le papier de 2021 qui n'a pas fini de faire débat
Rappel pour ceux qui débarquent. Goldie et Mirhoseini ne sont pas des inconnues : elles sont les autrices du travail publié dans Nature en 2021 sur le placement de circuits par apprentissage par renforcement — moins de six heures pour un floorplanning que des humains mettaient des mois à produire, promettait le papier. Google en a fait un produit marketing, AlphaChip, et une fierté maison.
Ce que la communication a moins mis en avant : la méthode a été sérieusement contestée sur ses comparatifs et sa reproductibilité, et l'entreprise a dû publier sa défense. Une partie de la communauté EDA n'a jamais validé les baselines. Ce n'est pas un détail : dans un domaine où un tapeout raté coûte des dizaines de millions, la reproductibilité n'est pas un tic académique, c'est une condition d'existence.
Depuis, les deux chercheuses ont quitté Google pour fonder Ricursive Intelligence et vendre cette thèse à des investisseurs. Parfait. Maintenant, la question que le panel devra esquiver poliment : qu'avez-vous réellement tapé out ?
Le vrai goulot d'étranglement n'est pas l'intelligence, c'est l'usine
On vous vend une révolution cognitive. La réalité industrielle est plus prosaïque. Concevoir un chip, c'est bien. Le fabriquer, c'est là que le monde se souvient qu'il n'y a qu'une poignée d'acteurs : TSMC, et à la marge Samsung et Intel Foundry. Ajoutez ASML pour la lithographie, et vous obtenez trois ou quatre entreprises qui tiennent l'ensemble du récit par la gorge.
Pendant ce temps, Synopsys (DSO.ai) et Cadence (Cerebrus) vendent déjà de l'IA pour l'EDA, intégrée dans des outils que personne ne quitte parce que les PDK et les accords fonderies ne se forkent pas sur GitHub. Un modèle qui pond un floorplan dans un notebook, c'est une démo. Un floorplan signé off par une fonderie, c'est un business.
Alors qui se goinfre ? Nvidia, qui vend le compute d'entraînement aux deux camps. TSMC, qui facture chaque wafer. Les éditeurs EDA, qui encaissent les licences. Et l'IA-designer-en-chef, elle, lève des fonds en attendant son tour.
Trois questions à poser sur scène, si le micro n'est pas coupé
Un : quel jeu de données, quel baseline, et cette fois publié comment ? Deux : combien de puces issues de votre pipeline sont réellement sorties de fonderie, et chez qui ? Trois : si votre modèle est si bon, pourquoi n'y a-t-il aucun chiffre dans le communiqué qui le présente ?
On ira écouter. On paiera même le pass — sans la remise, on n'est pas à 200 dollars près quand il s'agit d'assister au spectacle. Mais qu'on soit clairs : le panel est un produit, la disruption est un argument de vente, et la seule information vérifiable de cette annonce était sa date d'expiration.