OpenAI dit que Jalapeño bat les GPU Nvidia, mais les tests viennent de ses propres labos

La bataille des infrastructures IA ne se joue plus uniquement à coups de modèles toujours plus grands. Avec Jalapeño, OpenAI affirme pouvoir rivaliser avec les accélérateurs les plus puissants de Nvidia sur deux critères décisifs pour ses agents : la vitesse d’exécution et le coût énergétique.

OpenAI passe de l’autre côté de la chaîne

Le 25 août 2026, OpenAI a publié les premiers résultats de Jalapeño, une puce dédiée à l’inférence développée avec Broadcom. L’objectif n’est pas de remplacer immédiatement tous les GPU Nvidia, mais d’optimiser l’étape qui intervient après l’entraînement : produire les réponses des modèles à grande échelle, pour des millions d’utilisateurs et de tâches automatisées.

Selon les tests publiés par OpenAI, Jalapeño fournit 1,5 à 1,9 fois plus de travail par watt que les systèmes comparés lorsqu’ils fonctionnent à leur meilleur débit. La latence de bout en bout serait par ailleurs réduite d’un facteur de 1,7 à 3,6.

Ces résultats ont été obtenus sur trois modèles aux profils très différents : GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5. OpenAI présente ces mesures comme les premiers éléments démontrant la capacité de son accélérateur à traiter des modèles de grande taille, y compris des systèmes de raisonnement et des architectures adaptées aux agents.

L’entreprise prévoit de commencer le déploiement de Jalapeño dans ses propres centres de données d’ici la fin de 2026.

Un avantage revendiqué face aux systèmes Nvidia

La comparaison la plus sensible concerne les plateformes équipées des GPU les plus récents de Nvidia, notamment la génération GB300 évoquée dans les benchmarks relayés par Tom’s Hardware. OpenAI ne dit pas que Jalapeño sera supérieur à chaque GPU Nvidia dans tous les scénarios. La formulation porte sur des systèmes complets, avec leur configuration logicielle, leur mémoire et leurs paramètres de fonctionnement.

Cette nuance est essentielle. Dans l’IA, la performance d’une puce dépend rarement du seul silicium. La taille des lots de requêtes, la longueur des contextes, la précision numérique, la mémoire disponible et les bibliothèques logicielles peuvent modifier fortement le classement entre deux architectures.

Les chiffres publiés par OpenAI restent donc des résultats de laboratoire contrôlés par le fabricant. Ils indiquent une direction stratégique crédible, mais ne constituent pas encore une validation indépendante. Des évaluations menées par des clients, des chercheurs ou des organismes spécialisés seront nécessaires pour mesurer la reproductibilité de ces écarts dans des environnements de production.

Pourquoi l’inférence est devenue le front prioritaire

Pendant plusieurs années, la course aux puces IA s’est concentrée sur l’entraînement. Cette phase exige une puissance de calcul massive pour ajuster les paramètres d’un modèle. L’inférence, elle, consiste à exécuter le modèle une fois entraîné. Sa facture devient considérable dès qu’un service traite des milliards de requêtes, des conversations longues ou des tâches en plusieurs étapes.

Les agents IA accentuent cette pression. Un agent qui consulte des documents, appelle une API, vérifie un résultat puis produit une synthèse peut générer plusieurs appels au modèle pour une seule demande utilisateur. La réduction de quelques dizaines de millisecondes par étape, ou de quelques watts par requête, peut alors représenter une économie importante à l’échelle d’un centre de données.

L’indicateur de travail par watt est particulièrement stratégique. Une puce plus efficace ne réduit pas seulement la consommation électrique. Elle peut aussi limiter les besoins en refroidissement, augmenter la densité de calcul dans les salles informatiques et retarder les investissements dans de nouvelles infrastructures. Pour OpenAI, ces gains peuvent directement peser sur le coût de fonctionnement de ChatGPT et de ses futurs services agentiques.

La latence constitue l’autre enjeu. Un modèle capable de répondre plus vite permet de réduire les temps d’attente, mais aussi d’enchaîner davantage d’actions dans un même budget de temps. Pour les usages professionnels, cette contrainte est aussi importante que le coût brut d’une requête.

Une attaque contre la dépendance à Nvidia

OpenAI reste l’un des plus grands acheteurs de capacités de calcul Nvidia. L’entreprise exploite déjà des infrastructures reposant largement sur les GPU du fabricant, tandis que Microsoft fournit une part majeure de ses ressources via Azure. Cette dépendance donne à Nvidia un poids considérable dans les coûts, les délais de livraison et la planification des capacités.

Jalapeño vise à réduire cette exposition, sans nécessairement l’éliminer. Concevoir une puce spécialisée permet à OpenAI d’adapter le matériel à ses modèles, à ses schémas de requêtes et à ses contraintes de déploiement. En contrepartie, l’entreprise doit assumer les coûts de conception, de fabrication, de validation et de maintenance d’une plateforme complète.

Le partenariat avec Broadcom est déterminant. OpenAI ne construit pas seule une usine de semi-conducteurs : elle s’appuie sur un acteur expérimenté dans la conception de circuits spécialisés et les infrastructures réseau. Cette coopération lui permet de se concentrer sur les caractéristiques propres à ses modèles tout en limitant le risque industriel.

Cette stratégie suit une tendance déjà visible chez plusieurs grands acteurs du cloud. Google dispose de ses TPU, Amazon développe les puces Trainium et Inferentia, tandis que Microsoft travaille également sur des accélérateurs maison. L’objectif commun consiste à ne plus dépendre d’une seule architecture généraliste pour chaque étape du traitement IA.

Le résultat décisif sera celui des centres de données

Le premier déploiement annoncé avant la fin de 2026 constituera le véritable test de Jalapeño. Les benchmarks devront alors être confrontés à des contraintes absentes ou limitées dans une démonstration : disponibilité continue, pannes, montée en charge, refroidissement, interconnexion entre puces, mises à jour logicielles et coexistence avec plusieurs générations de matériel.

Le coût total sera également plus instructif que le seul score de performance. Une puce théoriquement plus rapide peut perdre son avantage si sa mémoire est insuffisante, si son logiciel est moins mature ou si son intégration impose des dépenses supplémentaires. Nvidia conserve sur ce terrain une avance importante grâce à son écosystème CUDA, à ses bibliothèques optimisées et à son expérience des déploiements à grande échelle.

Le prochain jalon concret sera donc la publication de mesures issues de la production, avec des volumes de requêtes réels et des comparaisons documentées avec les systèmes GB300 et d’autres plateformes Nvidia. Si les gains annoncés de 1,5 à 1,9 fois par watt et de 1,7 à 3,6 fois en latence se confirment dans ces conditions, OpenAI pourra réduire une partie de sa facture d’inférence et négocier plus durement ses approvisionnements. Jalapeño ne serait alors pas seulement une puce interne, mais un instrument pour reprendre du contrôle sur l’économie de ses agents IA.