OpenAI lance Jalapeño avec Broadcom, et Nvidia voit enfin sa rente contestée

La dépendance à Nvidia n’est plus une fatalité pour les géants de l’IA. Avec Jalapeño, son premier processeur conçu avec Broadcom, OpenAI envoie un signal net : la bataille ne se joue plus seulement sur les modèles, mais sur le contrôle de la machine qui les fait tourner.

OpenAI passe du logiciel au silicium

Le 24 juin 2026, OpenAI et Broadcom ont officialisé la présentation de Jalapeño, le premier processeur IA conçu par OpenAI, selon une information publiée par Reuters et confirmée dans un communiqué de Broadcom. Le positionnement est précis : il ne s’agit pas d’une puce d’entraînement généraliste, mais d’un accélérateur dédié à l’inférence, c’est-à-dire à la phase où un modèle répond concrètement aux requêtes des utilisateurs.

Le point le plus frappant tient au calendrier. D’après Reuters, le composant a été développé en seulement neuf mois. Dans une industrie où les cycles de conception matériel s’étirent souvent sur plusieurs années, cette durée dit autant la pression sur l’infrastructure IA que l’urgence stratégique d’OpenAI.

Broadcom présente Jalapeño comme le premier accélérateur d’une plateforme multi-génération. Le groupe précise que cette feuille de route vise des déploiements à l’échelle du gigawatt avec des partenaires de centres de données, à partir de 2026. Le terme n’a rien d’anodin : parler en gigawatts, c’est se situer au niveau des très grands campus de calcul, là où l’IA commence à se mesurer en capacité énergétique autant qu’en puissance logicielle.

L’inférence, le vrai goulet d’étranglement économique

L’annonce tombe à un moment où l’attention du marché se déplace progressivement. Pendant deux ans, la course a surtout porté sur l’entraînement des grands modèles. Mais à mesure que les produits grand public et professionnels montent en charge, l’inférence devient le poste le plus sensible : c’est elle qui absorbe les volumes de requêtes, les contraintes de latence et une part croissante de la facture énergétique.

Pour OpenAI, le calcul est simple. Plus ChatGPT, les API et les agents IA sont utilisés, plus il devient coûteux de dépendre d’un fournisseur dominant de GPU. Les puces de Nvidia restent la référence du secteur, notamment pour l’entraînement, mais leur coût, leur rareté passée et le poids de leur écosystème poussent les grands clients à chercher des alternatives partielles ou ciblées.

C’est là que Jalapeño prend son sens. Une puce d’inférence maison permet à OpenAI d’optimiser le matériel pour ses propres charges de travail : tailles de modèles, types de requêtes, niveaux de précision, exigences de latence, routage logiciel. Dit autrement, l’entreprise ne cherche pas nécessairement à battre Nvidia partout, mais à reprendre la main là où chaque watt et chaque milliseconde comptent.

Broadcom affirme d’ailleurs que l’objectif est d’offrir de meilleures performances par watt et de rendre l’IA avancée « plus accessible ». Dans le vocabulaire du secteur, cette promesse renvoie à un enjeu très concret : baisser le coût de génération d’un token, donc améliorer la marge ou permettre des usages plus massifs sans explosion de la dépense.

Une pièce de plus dans la guerre des infrastructures

L’intérêt de l’annonce dépasse largement la sortie d’un nouveau composant. Elle confirme une tendance lourde : les laboratoires et hyperscalers les plus puissants ne veulent plus dépendre d’une seule couche matérielle, ni d’un seul fournisseur.

Depuis plusieurs années, les grands acteurs du cloud développent leurs propres puces. Google a ses TPU, Amazon pousse Trainium et Inferentia, Microsoft a lancé Maia et Cobalt, Meta travaille sur ses accélérateurs internes. OpenAI, qui jusqu’ici incarnait surtout la puissance logicielle et la proximité avec Microsoft, entre à son tour dans ce club très fermé de l’intégration verticale.

Le message est stratégique. Contrôler une partie du silicium, c’est contrôler davantage de variables : le coût unitaire, l’allocation des ressources, l’optimisation du logiciel, la planification capacitaire, et à terme le rythme des déploiements. C’est aussi se donner un levier dans la négociation avec les fournisseurs historiques.

Cette bascule est particulièrement importante pour OpenAI, dont les ambitions industrielles sont devenues gigantesques. Le groupe ne vend plus seulement un assistant conversationnel ; il opère une infrastructure mondiale destinée à supporter des usages grand public, des intégrations logicielles et des clients entreprises. À ce niveau, la dépendance au matériel n’est plus un sujet technique secondaire, mais un risque stratégique de premier plan.

Pourquoi Broadcom compte autant dans l’équation

Le choix de Broadcom est lui aussi révélateur. Moins visible que Nvidia dans l’imaginaire du grand public, l’entreprise est devenue un acteur central de l’infrastructure IA, notamment grâce à ses activités de conception custom et à sa présence dans les composants réseau qui soutiennent les grands clusters de calcul.

En s’alliant à Broadcom, OpenAI ne part pas de zéro. Il s’appuie sur un industriel capable de transformer des exigences logicielles très spécifiques en produit déployable à grande échelle. Le communiqué insiste d’ailleurs sur une plateforme multi-génération, ce qui suggère que Jalapeño n’est pas un coup isolé, mais la première étape d’une feuille de route matérielle.

Autre élément à surveiller : le lien entre calcul et réseau. À l’échelle des très grands centres de données, la performance d’une puce ne suffit pas ; il faut aussi orchestrer les flux, la mémoire, l’interconnexion et la consommation énergétique. Broadcom dispose précisément de cette expertise d’infrastructure, ce qui peut faire la différence lorsque l’objectif affiché est un déploiement à l’échelle du gigawatt.

Sortir de l’ombre de Nvidia, sans la quitter totalement

Il serait toutefois excessif d’y voir une rupture immédiate avec Nvidia. Le marché de l’IA reste profondément structuré autour de son écosystème matériel et logiciel, en particulier CUDA, qui continue de verrouiller une grande partie des usages de pointe. Même avec une puce maison, OpenAI ne basculera pas du jour au lendemain l’ensemble de ses workloads.

Le scénario le plus crédible est celui d’une diversification progressive. Nvidia resterait incontournable pour une partie de l’entraînement et des déploiements les plus critiques, tandis que Jalapeño prendrait en charge des tâches d’inférence ciblées, là où l’optimisation économique est la plus forte. C’est souvent ainsi que commencent les transitions de plateforme : non par substitution totale, mais par spécialisation sur les segments les plus rentables.

Cela n’enlève rien à la portée politique de l’annonce. Dans la guerre actuelle des infrastructures IA, la capacité à concevoir ses propres puces devient un marqueur de souveraineté industrielle. Pour OpenAI, c’est une manière de ne plus être uniquement locataire d’un empilement technologique conçu par d’autres.

Ce que l’annonce dit du futur d’OpenAI

En neuf mois, OpenAI a donc franchi une étape que beaucoup attendaient sans savoir à quelle vitesse elle interviendrait. Avec Jalapeño, l’entreprise montre qu’elle veut maîtriser plus qu’un modèle ou une interface : elle veut peser sur toute la chaîne, du silicium jusqu’au service final.

La conséquence la plus tangible se jouera sur trois fronts. D’abord, le coût : si les promesses de performances par watt sont tenues, OpenAI pourra réduire une partie de sa facture d’inférence. Ensuite, la capacité : un meilleur contrôle de l’infrastructure signifie moins de dépendance aux contraintes d’approvisionnement externes. Enfin, la compétition : chaque succès sur le matériel affaiblit un peu plus l’idée que Nvidia est le seul passage obligé de l’IA à grande échelle.

Le prochain jalon sera concret : les premiers déploiements à partir de 2026 dans des centres de données partenaires. C’est à ce moment-là que Jalapeño sortira du registre symbolique pour entrer dans celui des métriques réelles : latence, coût par requête, consommation électrique et volume de trafic effectivement absorbé. Dans cette bataille, le verdict ne viendra pas d’une fiche technique, mais de la capacité d’OpenAI à servir plus d’utilisateurs, plus vite, avec moins de watts.