Au-dessus de la chaîne de l'industrie des semi-conducteurs, avant la naissance du jumeau numérique : Analyse des champions invisibles de l'amélioration du taux de rendement

Si l'on considère la fabrication de semi-conducteurs comme un système, on découvre une position longtemps négligée : au-dessus de la chaîne industrielle, avant la mise en œuvre réelle du jumeau numérique, existe une couche trans-entreprises encore non entièrement définie, une « couche de cognition » pour l'ensemble du processus. La valeur de PDF Solutions provient précisément de là.
Elle ne traite pas des données ponctuelles, mais de la chaîne causale traversant la conception, le procédé, l’équipement et les tests : une structure de conception spécifique, lors d'une étape de procédé ou sur une machine particulière, forme un défaut spécifique, qui se traduit finalement par une défaillance électrique. Un seul fablab ou une seule organisation de test peut posséder toutes les données brutes de certains segments, mais il est difficile de relier ces données de manière stable pour former un modèle causal réutilisable, c’est là que réside l’essence de l’approche de PDFS.
Pourquoi les EDA, fabs, fabricants d’équipements ne l’ont-ils pas fait eux-mêmes ? Ce n’est pas une question d’incapacité, mais de manque de motivation pour franchir cette étape.
Les concepteurs comme Synopsys, Cadence Design Systems ne peuvent que faire de l’optimisation en amont, manquant de boucle de rétroaction après fabrication ;
Les fabs comme TSMC, Intel ont les données les plus complètes, mais leur système est fragmenté, leur organisation dispersée, et l’intégration trans-processus coûte extrêmement cher ;
Les fabricants d’équipements comme KLA Corporation, Applied Materials maîtrisent la détection et le contrôle, mais leur perspective est limitée à une seule étape.
Chaque couche optimise une partie locale, mais aucun ne prend en charge les problèmes transfrontaliers, créant ainsi un vide dans la « système d’explication » au-dessus de la chaîne industrielle, où se situe précisément PDFS.
L’utilisation de PDFS dans la chaîne industrielle est motivée par la fracture des données — la conception regarde la conception, le procédé regarde le procédé, l’équipement regarde les défauts, mais il n’existe pas de mécanisme unifié pour relier ces informations en une chaîne causale explicable. Le rôle de PDFS est essentiellement de fournir un « langage unifié » trans-étapes, transformant des données initialement non reliées en une connaissance structurée utilisable pour la prise de décision.
PDFS réutilise un niveau d’abstraction : classification des défauts, ingénierie des caractéristiques, chemins d’analyse et la relation de « motif — cause ». C’est une forme de « capital cognitif composé », plutôt qu’un effet de réseau puissant à la manière d’Internet. Plus il y a de clients, meilleur est le modèle.
Pourquoi PDFS a-t-il pu atteindre sa position actuelle ? Parce qu’ils ont commencé par le travail le plus difficile.
Ils n’étaient pas à l’origine une plateforme, mais ont abordé le problème par des services d’ingénierie, en résolvant les problèmes de taux de rendement les plus épineux. La problématique de rendement traverse naturellement la conception, la fabrication et le test, ce qui oblige à dénouer toute la chaîne dès le départ. Avec l’accumulation de projets, des problèmes similaires réapparaissent, les méthodes d’analyse et la structure des données se pérennisent, passant progressivement d’un « pilotage humain » à un « pilotage par méthode », pour finalement devenir une plateforme (Exensio). La notion de « couverture de toute la chaîne de l’industrie » n’est pas le résultat d’une conception descendante, mais une expansion naturelle sous l’impulsion des problèmes.
Leur avantage concurrentiel actuel n’est pas encore suffisant pour évoluer automatiquement vers une norme sectorielle. La seule condition qui accélère cette évolution est la dépendance de l’IA à la structure des données. Avec l’intégration de l’IA dans le processus de fabrication, les entreprises préfèrent modéliser sur la base des cadres de données existants plutôt que de reconstruire un système, ce qui renforce la position de PDFS. Cependant, la standardisation des modèles de données progresse lentement, la collaboration inter-entreprises reste à ses débuts, et le cercle vertueux n’est pas encore bouclé.
Comparé à KLA Corporation, cette différence est encore plus claire. KLA contrôle « ce qu’on voit », les données proviennent de l’équipement, liées au monde physique, leur avantage concurrentiel est rigide et direct ; PDFS contrôle « comment comprendre », appartenant à la couche cognitive, dépendant de la structure des données et de l’accumulation d’expérience. La première est incontournable, la seconde possède des voies alternatives. À ce stade, KLA est plus fort, plus certain ; PDFS a un potentiel plus élevé, mais sa voie n’est pas encore verrouillée.
Selon le vocabulaire souvent utilisé par Jensen Huang d’nVDA, le « jeu final » de PDFS est le jumeau numérique.
Le jumeau numérique nécessite une boucle fermée entre données en temps réel, modèle causal et capacité de contrôle. PDFS couvre déjà la partie la plus difficile — la modélisation causale et la structure de données trans-chaînes —, ce qui le place dans une position très subtile : au-dessus de la chaîne industrielle, mais avant le jumeau numérique. Il est chargé de « comprendre le monde » pour permettre aux autres de « changer le monde ».
D’un point de vue de trajectoire de développement, la prochaine étape de PDFS convergera probablement vers trois axes principaux : standardisation, IA et intégration. La standardisation consiste à faire de leur structure de données un langage par défaut dans l’industrie ; l’IA implique que la capacité du modèle dépende de leur système de données ; l’intégration signifie passer de « recommandations d’analyse » à « décisions de production ». Si ces trois conditions sont réunies, PDFS pourra franchir cette frontière, passant du niveau cognitif à un véritable système.
En conclusion, la position la plus précise pour PDFS est : il se trouve à un endroit particulier — au-dessus de la chaîne de l’industrie des semi-conducteurs, avant le jumeau numérique.
Si cette couche est finalement standardisée, elle pourrait devenir une infrastructure ; sinon, elle restera simplement un outil de grande valeur.