La métrique gonflée qui peut coûter des milliards : le mirage de performance dans les transistors 2D
Depuis près de 20 ans, les semi-conducteurs 2D ont fonctionné comme une promesse séduisante : des matériaux comme le disulfure de molybdène (MoS₂) pourraient permettre des canaux ultra-fins, une commutation efficace et une voie pour continuer à réduire les transistors lorsque le silicium atteindra ses limites pratiques. Ce récit s'appuie sur des résultats de laboratoire qui, à première vue, semblaient démontrer que le saut était imminent.
Le problème est qu'une grande partie de cette preuve comparative peut s'appuyer sur une architecture d'essai qui ne représente pas un avenir intégrable à des puces commerciales. Une étude de l'Université de Duke publiée le 17 février 2026 dans ACS Nano met en lumière une vérité inconfortable : la configuration "back-gated", très utilisée pour sa simplicité expérimentale, peut gonfler la performance mesurée jusqu'à six fois en raison d'un effet appelé "contact gating", qui réduit la résistance de contact mais impose des limites physiques qui entrent en conflit avec la réalité industrielle, y compris les fuites de courant et des restrictions de vitesse.[1]
En tant qu'analyste de la diversité, de l'équité et du capital social, ma lecture n'est pas morale. Elle est stratégique. Lorsque tout un domaine s'habitue à mesurer le "progrès" avec des instruments qui récompensent une illusion, le risque ne se répartit pas : il se concentre. Cela affecte le portefeuille de R&D, cela impacte la feuille de route technologique et cela influence la réputation du leadership qui a misé sur des métriques faciles à célébrer.
Le constat de Duke : lorsque la conception de l'expérience change la physique rapportée
L'équipe dirigée par Aaron Franklin, avec le travail expérimental clé de la doctorante Victoria Ravel, a comparé de manière contrôlée comment se comportent les transistors 2D lorsque la porte qui module le canal est séparée de celle qui affecte les régions de contact.[1] L'architecture "back-gated" place le canal sur un substrat de silicium qui agit comme une porte ; cette porte ne modifie pas seulement le canal, mais altère aussi les contacts métalliques qui injectent le courant. Cet "effet double" est au cœur du contact gating.
En termes commerciaux, la différence est énorme : l'expérience ne mesure pas uniquement le matériau. Elle mesure un raccourci architectural. La recherche a fabriqué un design symétrique à double porte qui permet d'activer de manière indépendante une porte supérieure ou arrière sur le même canal de MoS₂, isolant l'effet des contacts.[1] Dans des dispositifs plus grands, la performance a doublé dans certaines conditions, ce qui indique déjà que l'architecture est importante même avant de monter en échelle.[1]
Mais le message qui influence les décisions apparaît lors du passage à des dimensions pertinentes pour les futures puces : avec 50 nm de longueur de canal et 30 nm de longueur de contacts, le contact gating a augmenté le courant en état "on" d'environ 70% et a fait grimper la performance rapportée jusqu'à six fois.[1] Franklin l'a dit sans ambages : "La plupart des rapports de transistors 2D haute performance utilisent un design de dispositif qui n'est pas compatible avec les technologies commerciales... cela peut considérablement gonfler la performance".[1]
Cela n'est pas un détail académique. C'est un rappel que l'industrie pourrait comparer des pommes avec des artefacts de laboratoire. Et lorsque les budgets, les acquisitions, les alliances et les talents sont décidés sur des benchmarks déformés, des châteaux se construisent sur le sable.
L'économie du hype technique : quand un benchmark biaisé réorganise le capital et les priorités
Le hype ne naît pas seulement du marketing. Dans la deep tech, le hype est produit par des incitations structurelles : publier, démontrer "l'état de l'art", obtenir du financement et maintenir un récit de continuité. Si l'instrument le plus rapide pour obtenir des résultats "bons" est une architecture d'essai simple — et que cette simplicité devient norme —, toute la discipline commence à optimiser pour le test, pas pour le produit.
Duke quantifie cette distorsion : jusqu'à 6x de gonflement n'est pas une marge d'erreur ; c'est un multiplicateur qui altère les décisions des portefeuilles. Sans données financières spécifiques dans les sources, l'implication reste claire : le secteur investit des milliards dans la R&D de semi-conducteurs et dans les voies de montée en échelle où un point de pourcentage de performance ou d'énergie crée des cycles d'investissement complets. Si une partie de la communauté a célébré des améliorations dépendant d'un design non intégrable en raison de fuites et de vitesse, le risque entrepreneurial prend trois formes.
Premièrement, risque d'allocation de capital : des matériaux ou des approches à l'apparence supérieure dans le "back gate" sont financés mais perdent leur avantage lorsqu'il s'agit d'architectures compatibles. Deuxièmement, risque de calendrier : des feuilles de route qui supposent une maturité technique proche peuvent être retardées lorsque les benchmarks sont corrigés. Troisièmement, risque réputationnel et de gouvernance : lorsqu'un comité technique ne peut pas expliquer pourquoi un saut de performance disparaît en changeant le setup, la confiance du conseil d'administration dans la fonction R&D s'effrite.
Franklin souligne également une tension typique : "Amplifier la performance semble être une bonne chose... mais... a des limitations physiques qui l'empêchent d'être utilisée dans une technologie de dispositif réelle".[1] Traduite en langage C-Level : le laboratoire pourrait maximiser un KPI que le marché ne valorise pas. C'est la manière la plus coûteuse de progrès.
Le point aveugle organisationnel : homogénéité technique et réseaux fermés qui normalisent l'erreur
Ici apparaît ma perspective : la distorsion n'est pas seulement d'architecture électrique ; elle est de l'architecture sociale. Pendant deux décennies, une pratique de benchmarking s'est normalisée. Cela ne se produit que rarement parce que "personne ne savait". Cela se produit parce que les réseaux qui valident le savoir — réviseurs, laboratoires de référence, leaders d'opinion — ont tendance à être fermés et autoréférentiels. Lorsque le réseau est trop vertical, le pouvoir de définir ce qui constitue une "bonne performance" se concentre.
L'étude décrit un phénomène qui "affecte la plupart des tests de laboratoire" et qui exige de réévaluer des centaines d'études antérieures.[1] Ce type de correction de terrain nécessite plus qu'un article : il exige la capacité de désaccord technique au sein des communautés qui fixent les standards. Dans les organisations corporatives, cela se traduit par des équipes qui ne sont pas des clones de formation, d'incentives et de contacts.
Une équipe de direction homogène échoue souvent dans une mécanique spécifique : elle confond consensus et vérité. Si la table technique partage la même origine académique, les mêmes congrès, le même circuit de validation et les mêmes "gourous", le système devient fragile face à un biais méthodologique. Il n'est pas nécessaire de malveillance. Il suffit d'un circuit de réputation qui récompense des résultats "comparables" et punit ceux qui s'écartent de la configuration dominante.
La leçon opérationnelle est inconfortable : la diversité utile dans la deep tech n'est pas cosmétique. C'est une diversité de discipline (fabrication, design, intégration, fiabilité, fabrication), une diversité d'incitations (recherche vs. produit), et une diversité de réseaux (gens qui ne dépendent pas du même capital social pour progresser). En termes d'exécution, le contact gating a fonctionné comme un "raccourci" pendant des années parce qu'il était facile à utiliser et produisait des chiffres attrayants. Les réseaux fermés transforment ces raccourcis en dogme.
Lorsque Franklin affirme "nous devons être honnêtes quant à la manière dont l'architecture des dispositifs façonne ce que nous mesurons",[1] il décrit, indirectement, un échec de gouvernance du savoir : si le standard de mesure récompense un mirage, l'écosystème entier court dans la mauvaise direction.
Ce qu'un C-Level devrait exiger dès demain : des benchmarks intégrables et un réseau technique qui sait dire non
La valeur de l'étude n'est pas de décourager les 2D. Elle vise à forcer un changement de discipline : séparer la découverte de matière de l'architecture d'essai et de la compatibilité avec l'intégration commerciale. Duke propose une base : des designs comme le dual-gate pour évaluer de manière plus juste et reproductible. De plus, l'équipe prévoit d'évoluer les longueurs de contact à 15 nm et de tester des métaux alternatifs pour réduire la résistance de contact tout en respectant des contraintes compatibles.[1]
Pour le C-Level, cela se transforme en une liste de contrôle, pas en une discussion académique :
- Réévaluation des KPIs de R&D : exiger que tout "record" de performance en 2D soit accompagné du setup et d'une explication explicite sur si l'architecture est intégrable ou seulement démonstrative. Le chiffre sans contexte n'est plus une preuve.
- Gouvernance de validation : imposer des revues croisées avec des profils qui ne sont pas capturés par le même circuit de publications. Cela inclut l'ingénierie de fabrication, la fiabilité, et des personnes qui ont vécu des transitions technologiques où les benchmarks se sont effondrés lors de l'industrialisation.
- Architecture du capital social : construire des relations horizontales avec des laboratoires et des équipes qui peuvent contredire le récit dominant sans payer le coût réputationnel de "sortir du standard". Dans l'innovation dure, le réseau le plus précieux n'est pas celui qui applaudit en premier ; c'est celui qui détecte la faille avant.
L'industrie des semi-conducteurs ne peut pas se permettre deux décennies supplémentaires d'optimisation pour la vitrine du laboratoire. Le message de Duke est un appel à mûrir : mesurer comme on fabrique, et fabriquer comme on vend.
Le mandat pour le leadership corporatif est direct : lors de la prochaine réunion du conseil d'administration, le C-Level doit regarder sa table et reconnaître que si tout le monde est trop similaire, ils partagent les mêmes angles morts et risquent d'être des victimes imminentes de la disruption.
