OpenAI a publié le 25 août 2026 les premiers résultats des tests de son propre accélérateur d'inférence Jalapeño. Sur le benchmark public InferenceX de SemiAnalysis, les systèmes équipés de la nouvelle puce ont montré 1,5 à 1,9 fois plus de calculs par watt en débit de pointe 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 effectués sur les modèles GPT-OSS-120B, DeepSeek R1 et Kimi K2.5. Pour une entreprise qui sert 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 la consommation soutenue sous les charges testées est restée à un niveau allant jusqu'à 550 W. Un rack de 128 Jalapeño annonce 1,7 exaflops de calcul en 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 silicium et de la partie réseau, Celestica des cartes et des racks. Neuf mois se sont écoulés entre le début de la conception et le transfert du design 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 pluriannuelle appelée à s'étendre.
L'accélérateur universel de Nvidia doit servir un large éventail de clients et de types de tâches. Jalapeño, quant à lui, est conçu pour la charge de travail spécifique qu'OpenAI génère elle-même, mesure et peut modifier en même temps que sa pile logicielle – autour de ses propres modèles de langage, cœurs de calcul, mouvement des données, mémoire et échange réseau.
Une échelle fixée à 10 GW
La base de tout le programme est l'accord entre OpenAI et Broadcom, par lequel les parties se sont engagées au déploiement de 10 GW d'accélérateurs de conception propre d'OpenAI. L'installation des racks débutera dans la seconde moitié de 2026 et se prolongera jusqu'à fin 2029. À une telle puissance, la différence en watts et en millisecondes cesse d'être une caractéristique de laboratoire pour devenir un poste de dépenses en électricité, refroidissement, mémoire, réseau, racks et surface de centres de données.
OpenAI ne renonce pas pour autant complètement aux fournisseurs externes :
- l'entraînement des modèles de pointe nécessite toujours des accélérateurs externes ;
- la production en série de Jalapeño dépend de partenaires pour la fabrication, la mémoire, l'encapsulation et l'assemblage ;
- l'entreprise continuera d'utiliser largement les puces de Nvidia et d'autres fournisseurs – tant pour l'entraînement que pour une partie de l'inférence.
La limite du projet est donc claire : OpenAI conserve une chaîne d'approvisionnement externe, mais s'approprie l'architecture matérielle pour son plus grand flux quotidien de calculs.
L'économie de l'inférence
La différence entre une puce propriétaire et l'achat de GPU va au-delà de la consommation énergétique. Nvidia a clôturé l'exercice 2026 avec un chiffre d'affaires de 215,9 milliards de dollars et une marge brute de 71,1 %, et son segment 'datacenter' a cru de 68 % en glissement annuel – ces données sont reflétées dans ses déclarations auprès de la SEC (Securities and Exchange Commission). L'acheteur de GPU paie non seulement l'équipement, mais aussi la marge commerciale du fournisseur par-dessus.
OpenAI conçoit la puce comme un composant interne de son propre service et bénéficie de la réduction du coût total de traitement d'une requête, même sans marge commerciale distincte sur le processeur lui-même. Une partie du coût qui revenait auparavant au fournisseur d'accélérateurs universels, l'entreprise tente de la transformer en économie propre et en capacité de calcul supplémentaire.
Une inférence moins chère et plus rapide permet d'exécuter plus longtemps des tâches d'agents, de servir plus de requêtes parallèles 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, accroît la charge de la plateforme propriétaire et rend la génération suivante de puces spécialisées plus économiquement justifiée.
Jalapeño change 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 acquiert désormais le contrôle sur l'architecture du processeur, dont dépend le prix de la réponse. Nvidia conserve le marché de l'entraînement 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 des raisons d'économie. La logique générale est la même : les hyperscalers s'éloignent des GPU universels vers des puces adaptées à leur propre charge dès que le volume d'inférence devient suffisamment prévisible et massif.
Cette stratégie comporte aussi 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 de risque unique sur tout le 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 ?
