Le 25 août 2026, OpenAI a publié les premiers résultats de test de son propre accélérateur d'inférence, Jalapeño. Sur le benchmark public InferenceX de SemiAnalysis, les systèmes équipés de cette nouvelle puce ont affiché 1,5 à 1,9 fois plus de calculs par watt à un débit maximal et ont réduit la latence de réponse de 1,7 à 3,6 fois par rapport aux systèmes basés sur Nvidia GB200 et GB300. Les tests ont été menés sur les modèles GPT-OSS-120B, DeepSeek R1 et Kimi K2.5. Pour l'entreprise, qui traite quotidiennement un énorme flux de requêtes via ChatGPT, Codex et sa propre API, de telles performances sont directement liées au coût unitaire de chaque réponse.
La puce est conçue pour une puissance nominale de 700 W, mais sa consommation stable sous les charges testées est restée inférieure à 550 W. Un bloc de 128 Jalapeño annonce une capacité de calcul de 1,7 exaflops au format 4 bits.
Où s'arrête l'indépendance vis-à-vis de Nvidia
Jalapeño a été développé en partenariat : Broadcom était responsable de la réalisation du circuit intégré et de la partie réseau, Celestica des cartes et des baies. Neuf mois se sont écoulés entre le début de la conception et le transfert de la conception à la production. Le déploiement de la puce dans l'infrastructure d'OpenAI est prévu pour fin 2026, et Jalapeño constituera la première génération d'une plateforme prévue sur plusieurs années, avec des extensions ultérieures.
L'accélérateur universel de Nvidia doit servir un large éventail de clients et de types de tâches. Jalapeño, quant à lui, est conçu pour une charge de travail spécifique qu'OpenAI génère elle-même, mesure et peut modifier avec sa pile logicielle – autour de ses propres modèles de langage, cœurs de calcul, transfert de données, mémoire et échanges réseau.
Une échelle définie à 10 GW
La base de l'ensemble du programme est l'accord entre OpenAI et Broadcom, par lequel les parties se sont engagées à déployer 10 GW d'accélérateurs de conception propre d'OpenAI. L'installation des baies commencera dans la seconde moitié de 2026 et se poursuivra jusqu'à fin 2029. À une telle puissance, la différence de watts et de millisecondes cesse d'être une caractéristique de laboratoire pour devenir un poste de dépenses en électricité, refroidissement, mémoire, réseau, baies et surface de centres de données.
Cependant, OpenAI n'abandonne pas complètement les fournisseurs externes :
- la formation des modèles les plus avancés nécessite toujours des accélérateurs externes ;
- la production en série de Jalapeño dépend de partenaires pour la fabrication, la mémoire, l'emballage et l'assemblage ;
- l'entreprise continuera d'utiliser largement les puces Nvidia et d'autres fournisseurs, tant pour l'entraînement que pour une partie de l'inférence.
La frontière du projet est donc claire : OpenAI conserve une chaîne d'approvisionnement externe, mais s'approprie l'architecture matérielle pour son plus grand flux de calculs quotidiens.
L'économie de l'inférence
La différence entre une puce propriétaire et l'achat de GPU va au-delà de la consommation d'énergie. Nvidia a clôturé son exercice 2026 avec un chiffre d'affaires de 215,9 milliards de dollars et une marge brute de 71,1 %, son segment data center ayant progressé de 68 % en glissement annuel – ces données figurent dans la déclaration de l'entreprise auprès de la Securities and Exchange Commission (SEC). L'acheteur de GPU paie non seulement l'équipement lui-même, mais aussi la marge commerciale du fournisseur par-dessus.
OpenAI construit la puce comme un composant interne de son propre service et tire profit de la réduction du coût total de traitement d'une requête, sans même appliquer une marge de marché distincte au processeur lui-même. Une partie du coût qui auparavant restait chez le fournisseur d'accélérateurs universels, l'entreprise cherche à la transformer en économies propres et en capacité de calcul supplémentaire.
Une inférence moins chère et plus rapide permet d'exécuter plus longtemps des tâches d'agent, de traiter plus de requêtes en parallèle et de réduire le coût des produits sans croissance proportionnelle du nombre de centres de données. L'augmentation de l'utilisation du service, à son tour, améliore le taux d'utilisation de la plateforme propriétaire et rend la génération suivante de puces spécialisées plus économiquement justifiée.
Jalapeño modifie la position d'OpenAI dans la chaîne d'infrastructure de l'IA : l'entreprise contrôlait déjà le modèle, la pile logicielle et le produit, et obtient désormais le contrôle sur l'architecture du processeur, dont dépend le prix de la réponse. Nvidia conserve le marché de la formation des modèles et des accélérateurs universels, mais le segment de travail le plus massif d'OpenAI cesse d'être une vente garantie pour elle.
L'avis de l'IA
D'un point de vue d'analyse de données automatisée, le cas Jalapeño répète la trajectoire qu'ont déjà suivie d'autres leaders du secteur avant OpenAI. Anthropic s'est engagée sur un million de TPU auprès de Google dès octobre 2025, et Midjourney a transféré la génération d'images sur les TPU de Google Cloud pour réaliser des économies. La logique générale est la même : les hyperscalers passent des GPU universels aux puces adaptées à leur propre charge de travail dès que le volume d'inférence devient suffisamment prévisible et massif.
La stratégie a également un revers. La spécialisation pour un modèle et une pile spécifiques réduit la flexibilité en cas de changement d'architectures d'IA, et la dépendance envers Broadcom et Celestica pour la production crée un point unique de risque sur l'ensemble du cycle de développement de neuf mois. Jalapeño restera-t-il compétitif après deux ou trois générations de modèles, ou l'optimisation étroite pour l'inférence d'aujourd'hui deviendra-t-elle une limitation demain ?
