GaN, SiC, IA : comment l’électronique de puissance se réinvente ?
Publié le 29/09/2026Article co-rédigé avec les experts de Fermat Labs
Véhicules électriques, développement des énergies renouvelables, explosion des data centers et essor de l’intelligence artificielle : les besoins en électricité évoluent rapidement. Dans ce contexte, l’électronique de puissance est confrontée à un double défi : convertir et gérer davantage d’énergie, tout en limitant les pertes et l’encombrement des systèmes.
Pour y répondre, de nouveaux matériaux comme le nitrure de gallium (GaN) et le carbure de silicium (SiC) s’imposent progressivement. Mais une autre technologie pourrait accélérer encore cette transformation : l’intelligence artificielle, capable d’intervenir dans la recherche de nouveaux matériaux, l’optimisation des procédés de fabrication ou encore la conception des transistors.
Avec Fermat Labs, entreprise deeptech française spécialisée dans la création et l’entraînement d’intelligence artificielle appliquée à la conception et à la vérification des circuits intégrés, le Pôle Smart Power explore les évolutions qui pourraient redessiner l’électronique de puissance dans les prochaines années.
DES BESOINS ÉLECTRIQUES QUI CHANGENT D’ÉCHELLE
L’électrification des usages transforme progressivement les contraintes qui pèsent sur les systèmes électriques. Le développement des véhicules électriques, la croissance de la production photovoltaïque et la multiplication des centres de données font évoluer les profils de consommation et les niveaux de puissance nécessaires.
Le phénomène est particulièrement visible avec les infrastructures dédiées à l’intelligence artificielle. Les besoins des serveurs augmentent et la puissance concentrée dans les racks peut désormais atteindre des niveaux considérables.
« Un rack classique peut être autour de 10 à 30 kW. Sur des applications liées à l’IA et aux data centers, on peut dépasser les 100 kW. »
Cette montée en puissance pose un défi très concret : comment faire passer davantage d’énergie dans un espace toujours plus réduit, sans générer davantage de pertes et de chaleur ?
L’enjeu devient donc double : améliorer l’efficacité de la conversion électrique tout en augmentant la densité de puissance des systèmes.
GaN et SiC : DEUX MATÉRIAUX, DEUX DOMAINES D’APPLICATION
C’est précisément sur ce terrain que le GaN et le SiC prennent de l’importance.
Ces deux matériaux à large bande interdite permettent d’aller plus loin que le silicium sur certaines caractéristiques, notamment en matière de vitesse de commutation, de rendement et de densité de puissance. On les identifie d’ailleurs comme des technologies clés pour faire évoluer les convertisseurs de puissance.
Mais ils ne répondent pas exactement aux mêmes besoins.
Le GaN se distingue notamment par sa très grande vitesse de commutation. Il est particulièrement adapté aux applications de puissance faible à intermédiaire, mais également à certaines applications radiofréquences.
Le SiC, de son côté, s’adresse davantage aux applications nécessitant des tensions et des puissances élevées, notamment dans les systèmes électriques et les réseaux.
« Le GaN va plutôt être intéressant sur des puissances faibles à moyennes, avec une très forte vitesse de commutation. Le SiC, lui, va davantage s’orienter vers les fortes tensions et les fortes puissances. »
Cette complémentarité permet ainsi d’adapter le matériau aux contraintes propres à chaque application.
UNE RUPTURE TECHNOLOGIQUE… MAIS PAS ENCORE UNE RUPTURE INDUSTRIELLE
L’intérêt du GaN et du SiC ne repose pas uniquement sur leur capacité à supporter davantage de puissance. Leurs propriétés permettent aussi de repenser la taille et l’efficacité des systèmes.
Avec le GaN, la forte vitesse de commutation permet notamment de réduire les pertes dynamiques. À cela s’ajoute une plus faible résistance que le silicium à l’état passant (à dimensions égales), qui limite les pertes statiques.
Un exemple est déjà visible dans notre quotidien : les chargeurs GaN. En permettant de travailler à des fréquences élevées et de limiter les pertes, ces composants contribuent à proposer des chargeurs de téléphone plus compacts à puissance équivalente.
Le SiC apporte une réponse différente : sa capacité à supporter des tensions élevées permet de concevoir des composants plus compacts que leurs équivalents en silicium pour certaines applications haute tension.
Mais ces avantages technologiques ne signifient pas pour autant que leur adoption industrielle soit immédiate.
« L’industrie du silicium a derrière elle 30 à 40 ans d’optimisation des coûts et des procédés. Le GaN et le SiC n’ont pas encore cette maturité industrielle. »
La fabrication des semi-conducteurs repose en effet sur des procédés extrêmement complexes et sur des équipements largement optimisés autour du silicium. Passer à de nouveaux matériaux implique donc d’adapter des procédés, des équipements et des modèles de caractérisation.
Le défi n’est donc pas seulement de concevoir un composant plus performant : il faut aussi être capable de le produire efficacement et à grande échelle.
ET SI L’IA DEVENAIT UN OUTIL DE RECHERCHE POUR LES SEMI-CONDUCTEURS ?
C’est ici qu’intervient une autre rupture potentielle : l’intelligence artificielle.
Souvent présentée comme une nouvelle source de consommation électrique, notamment avec l’essor des data centers, l’IA pourrait aussi contribuer à améliorer les technologies qui permettent de produire, convertir et gérer cette énergie.
Une première piste concerne directement les matériaux.
Et si une IA pouvait explorer un très grand nombre de combinaisons pour identifier des matériaux présentant simultanément certaines propriétés recherchées ? Par exemple, une forte vitesse de commutation associée à une capacité à supporter de très hautes tensions ?
« On peut imaginer une IA qui propose de nouveaux matériaux à partir de propriétés recherchées. »
L’IA pourrait ainsi devenir un outil d’exploration pour les chercheurs et les ingénieurs, en réduisant le nombre de pistes à tester expérimentalement.
Mais son rôle pourrait aller plus loin, notamment dans l’optimisation des procédés de fabrication. La production d’un semi-conducteur repose sur une multitude de paramètres — températures, profils de traitement, dopage, matériaux… — qui influencent directement les propriétés finales du composant.
L’IA pourrait aider à identifier les combinaisons de paramètres les plus performantes et à optimiser progressivement les procédés.
VERS UNE CONCEPTION DES TRANSISTORS ASSISTÉE PAR L’IA
L’histoire des semi-conducteurs montre que les gains de performance ne proviennent pas uniquement des matériaux. Les architectures des transistors ont elles aussi profondément évolué, des structures planaires aux FinFET, puis aux architectures Gate-All-Around (GAA).
Demain, l’IA pourrait contribuer à explorer de nouvelles géométries ou de nouvelles associations de matériaux.
Le principe serait de créer une boucle entre simulation physique et intelligence artificielle : l’IA propose une architecture, le simulateur en évalue les propriétés électriques et thermiques, puis les résultats permettent d’affiner la proposition.
« On pourrait avoir une IA dans la boucle avec un simulateur de physique des semi-conducteurs : l’IA modifie la géométrie, le simulateur évalue les performances, puis l’IA recommence avec les résultats obtenus. »
Une telle approche permettrait d’explorer beaucoup plus rapidement un espace de solutions particulièrement vaste et complexe.
POURQUOI UNE IA SPÉCIALISÉE PEUT FAIRE LA DIFFÉRENCE
Reste une question essentielle : quelle IA pour quels usages ?
La conception des semi-conducteurs est un domaine fortement contraint par la physique, dans lequel les propriétés électriques, thermiques et géométriques sont intimement liées. Une IA généraliste ne peut pas nécessairement répondre aux exigences spécifiques de ce domaine.
Pour Fermat Labs, l’enjeu est donc de développer une IA spécialisée dans les problématiques des semi-conducteurs, experte dans le design des puces, entraînée sur des données propres à cet univers.
« Un fab, c’est-à-dire une usine de fabrication de semi-conducteurs, n’a pas besoin d’une IA qui sait faire des recettes ou écrire des poèmes. Il a besoin d’une IA qui comprend les problématiques des semi-conducteurs. »
C’est précisément le positionnement de Fermat Labs, qui développe des solutions EDA intégrant une intelligence artificielle propriétaire pour automatiser et optimiser les étapes de conception des circuits intégrés : architecture, design, vérification et validation.
DE LA RECHERCHE À L’INDUSTRIALISATION : LE VÉRITABLE ENJEU
Si l’IA permet demain d’identifier un nouveau matériau ou une architecture de transistor plus performante, une question restera entière : comment passer de la découverte à la production ?
La chaîne de fabrication des semi-conducteurs est profondément intégrée autour des technologies existantes. Les fabs représentent des investissements considérables et ne peuvent pas être transformées du jour au lendemain.
« Trouver un nouveau matériau ou une nouvelle géométrie et réussir à l’industrialiser sont deux choses très différentes. »
C’est donc probablement dans cette capacité à faire dialoguer innovation algorithmique, physique des matériaux et réalité industrielle que se situera l’un des prochains défis de l’électronique.
LA PROCHAINE RUPTURE SERA-T-ELLE MATÉRIELLE… OU ALGORITHMIQUE ?
À court terme, le GaN et le SiC disposent déjà d’applications concrètes et leur développement devrait se poursuivre, en particulier pour répondre aux besoins croissants de rendement, de puissance et de compacité.
À plus long terme, l’intelligence artificielle pourrait accélérer une autre étape : celle de la découverte et de l’optimisation.
L’association d’une IA spécialisée et de simulateurs physiques suffisamment performants pourrait permettre d’explorer de nouveaux matériaux, de nouvelles géométries et de nouveaux procédés, avec l’objectif de repousser encore les limites des semi-conducteurs.
Mais la véritable rupture ne résidera peut-être pas dans une technologie prise isolément. Elle pourrait émerger de leur combinaison : des matériaux plus performants, des architectures optimisées et une intelligence artificielle capable d’accélérer leur conception.
Pour les acteurs de l’électronique, de l’énergie et du numérique, cette convergence ouvre ainsi un nouveau terrain d’innovation : concevoir des systèmes capables de gérer toujours plus de puissance, dans des volumes toujours plus réduits, tout en maîtrisant leur efficacité énergétique.
Un article par Smart Power et Fermat Labs
Envie de vous former au GaN et SiC dans le cadre d’ASTEERICS ?