Jalapeño : OpenAI publie des tests plaçant sa puce devant certains systèmes Nvidia

Jalapeño. Le nom a tout d’un clin d’œil : un piment pour une puce qui pique. Derrière l’anecdote se cache l’une des annonces les plus lourdes de conséquences du mois d’août 2026. OpenAI, l’entreprise la plus visible de l’intelligence artificielle mondiale, ne dépend plus à 100 % de Nvidia pour faire tourner ses modèles.

Le 25 août 2026, à 7 h, heure de Greenwich, l’éditeur de ChatGPT a publié une page intitulée « Jalapeño’s first results show industry-leading speed and efficiency in AI inference », autrement dit les tout premiers résultats mesurés de sa puce maison. La même matinée, sa directrice financière Sarah Friar publiait une tribune sur la stratégie de calcul de l’entreprise. Deux textes, un même message : OpenAI veut contrôler toute la chaîne, des modèles jusqu’au silicium.

Pourquoi cela vous concerne, vous, lecteur non technique ? Parce que la vitesse de réponse de ChatGPT, la fiabilité des assistants au quotidien et, à terme, le prix de ces services dépendent de ces machines. Une puce plus efficace, c’est un serveur qui rend plus de réponses par kilowatt, donc, en théorie, une IA moins chère à servir et plus facile à déployer à grande échelle.

Dans cet article, nous avons lu les deux annonces d’OpenAI en entier, vérifié chaque chiffre à la source, et comparé ce qu’elles affirment avec ce que les gros titres en ont retenu.

Que s’est-il passé exactement le 25 août 2026 ?

OpenAI a rendu publics les résultats de tests de Jalapeño sur trois modèles à poids ouverts : GPT-OSS 120B (le modèle à poids ouverts d’OpenAI, 120 milliards de paramètres), DeepSeek R1 670B (670 milliards de paramètres) et Kimi K2.5 1T (mille milliards de paramètres, le plus gros modèle public testé). Le banc d’essai s’appelle InferenceX, un benchmark public développé par SemiAnalysis, qui mesure le processus complet de service d’une requête d’IA, du prompt reçu à la réponse livrée.

Le résultat, selon OpenAI :

« Jalapeño peut traiter plus de travail d’IA par unité de puissance tout en renvoyant les réponses plus rapidement. » (Jalapeño can serve more AI work per unit of power while also returning responses more quickly.)

Et plus précisément :

« Sur les trois modèles, Jalapeño a délivré de 1,5 à 1,9 fois plus de travail d’IA par watt au débit maximal et de 1,7 à 3,6 fois moins de latence de bout en bout que les systèmes comparés. Pour les charges de travail très interactives, il a délivré de 2,1 à 4,1 fois plus de performance. » (Across all three, Jalapeño delivered 1.5 to 1.9 times more AI work per watt at peak throughput and 1.7 to 3.6 times lower end-to-end latency than the comparison systems. For highly interactive workloads, it delivered 2.1 to 4.1 times higher performance.)

L’annonce ne porte pas sur un produit disponible. OpenAI indique prévoir de commencer le déploiement dans son infrastructure de calcul d’ici la fin de l’année, avec une deuxième génération déjà en développement avancé et une troisième en cours de définition. La puce succède à une première annonce, faite le 24 juin 2026 avec Broadcom.

Jalapeño, la puce d’OpenAI : une genèse en trois étapes

Pour comprendre pourquoi cette annonce est un événement, il faut revenir à la date où la puce a été dévoilée. L’entreprise avait annoncé dès 2025 son intention de fabriquer elle-même ses puces, un projet que Yiaho avait décrypté à l’époque.

Retour sur la chronologie :

1. 24 juin 2026 : la révélation. OpenAI et Broadcom dévoilent Jalapeño, présenté comme le premier « processeur d’intelligence » d’OpenAI. La puce est un accélérateur spécialisé pour l’inférence des grands modèles de langage, conçu en collaboration avec Broadcom (implémentation silicium, mise en boîtier, réseau haute performance via les puces Tomahawk) et Celestica (cartes, châssis, systèmes). Les échantillons d’ingénierie faisaient déjà tourner en laboratoire des charges de travail, dont GPT-5.3-Codex-Spark, à la fréquence et à la puissance cibles. Mais le communiqué précisait que la puce restait en phase de tests : « Bien qu’OpenAI mesure encore les performances finales, les premiers tests montrent que Jalapeño offrira un rapport performance par watt nettement supérieur à l’état de l’art actuel » (annonce OpenAI/Broadcom du 24 juin, consultée le 26/08/2026).
2. 25 août 2026 : les premiers chiffres. Deux mois après la révélation, OpenAI publie les résultats mesurés, tirés du benchmark public InferenceX. C’est l’annonce de ce jour, et le sujet de cet article.
3. Fin 2026 : l’entrée en service annoncée. OpenAI annonce vouloir commencer le déploiement dans son infrastructure d’ici la fin de l’année : c’est un projet annoncé, pas une disponibilité actuelle. Les générations 2 et 3 sont déjà au programme des équipes matérielles. (Annonces consultées le 26/08/2026.)

Cette chronologie compte : une puce de ce niveau qui passe de la conception au « tape-out » (le fichier de fabrication) en neuf mois est, selon ses auteurs, du jamais vu à cette échelle.

« Jalapeño a été co-développée, de la conception initiale au tape-out de fabrication, en à peine neuf mois, et le programme représente ce que nous croyons être le cycle de développement d’un ASIC le plus rapide jamais atteint dans les semi-conducteurs avancés. » (Jalapeño was co-developed from initial design to manufacturing tape-out in just nine months, and the custom AI accelerator program represents what we believe to be the fastest ASIC development cycle ever achieved in high-performance advanced semiconductors.)

Le chiffre de 700 watts revient aussi dans la fiche technique. C’est la consommation de référence « package TDP » annoncée, contre 1 200 watts pour l’accélérateur Nvidia GB200 et 1 400 watts pour le GB300, les deux accélérateurs auxquels OpenAI compare sa puce. Ces 700, 1 200 et 1 400 watts sont les puissances de référence des puces et packages, celles qu’OpenAI utilise pour normaliser ses comparaisons (annexe de l’annonce du 25 août, consultée le 26/08/2026) : elles ne représentent pas la consommation complète d’un système ni celle d’un datacenter. Détail remarquable : OpenAI précise que la puissance soutenue mesurée sur les charges testées est restée à 550 watts ou moins.

Le message derrière les chiffres

Greg Brockman, président de l’entreprise, avait donné le ton dès juin :

« Le monde s’oriente vers une économie portée par le calcul. Jalapeño fait partie de notre stratégie d’infrastructure full-stack à long terme pour rendre le calcul plus abondant, avec une IA plus rapide, plus fiable et plus abordable pour les gens et les entreprises. » (Jalapeño is part of our long-term full-stack infrastructure strategy to make compute more abundant, resulting in AI which is faster, more reliable, more affordable for people and businesses, and can be used to solve more important problems.)

Le 25 août, Sarah Friar a poursuivi la même logique :

« Les meilleures économies viennent de l’intelligence utile par dollar. » (The best economics come from useful intelligence per dollar.)

Autrement dit : ce n’est pas la puissance brute qui compte, c’est le travail utile produit par chaque watt et chaque euro investi.

Les chiffres, modèle par modèle : ce que dit la mesure

Avant les tableaux, trois notions de vocabulaire, expliquées simplement.

• L’inférence, c’est le moment où l’IA répond. Quand vous tapez une question dans ChatGPT, des serveurs « infèrent » la réponse. C’est l’étape la plus coûteuse en volume : chaque requête, chaque utilisateur, chaque jour.
• Le débit utilisateur (TBT, time between tokens), c’est le rythme auquel les mots arrivent à l’écran. 535 tokens par seconde par utilisateur, c’est un texte qui défile quasi instantanément ; 169 tokens par seconde reste fluide, mais moins vertigineux. Yiaho avait déjà exploré cette notion dans son décryptage des 750 tokens par seconde de GPT-5.6 Sol en mode Ultrafast.
• Le mode de comparaison, enfin, est essentiel. OpenAI dit évaluer « à expérience utilisateur équivalente » : combien de travail utile chaque système arrive-t-il à accomplir par unité de puissance, tout en tenant le rythme de latence exigé par les usages interactifs.

Voici les résultats publiés, tels quels (les ratios sont ceux d’OpenAI) :

Lecture simple du tableau : sur les trois modèles, la puce d’OpenAI tient le coup sur des modèles qu’elle n’a pas entraînés, y compris sur des modèles concurrents comme Kimi ou DeepSeek. OpenAI insiste sur ce point : l’architecture fonctionne au-delà de ses propres modèles. Dans l’annonce du 24 juin, l’entreprise décrivait la puce comme « conçue avec la flexibilité nécessaire pour fonctionner avec tous les LLM » (annonce OpenAI/Broadcom, consultée le 26/08/2026) ; les résultats publiés le 25 août l’ont montrée testée publiquement sur trois familles de modèles : GPT-OSS, DeepSeek R1 et Kimi K2.5.

Sur GPT-OSS 120B, le petit modèle du lot, la comparaison se fait avec le GB200 de 1 200 W. Sur les deux modèles géants, le comparateur est le GB300 de 1 400 W. Le détail qui change la lecture : les deux dernières colonnes comparent les systèmes à expérience utilisateur équivalente, c’est-à-dire à un temps entre tokens (TBT) identique. C’est là que les ratios deviennent importants : ils quantifient un scénario de comparaison donné, pas la vitesse moyenne de la puce.

Le décodeur : quatre questions sur l’annonce

Cliquez sur une question : chaque panneau répond avec les faits vérifiés dans les deux annonces d’OpenAI (24 juin et 25 août 2026).

1,9 fois, 53,7 fois, 104,3 fois : les gros titres et les chiffres

La couverture de l’annonce a été considérable. La presse spécialisée française, comme ZDNET, a titré que « le premier processeur d’OpenAI devancerait Nvidia en efficacité et rapidité », reprenant les chiffres officiels. La presse anglophone a parlé d’une puce de 700 watts qui « surclasse » le GPU phare de 1 400 watts, avec « jusqu’à 1,9 fois » plus de débit par watt.

Ces gros titres ne sont pas faux, mais ils mélangent deux mesures très différentes.

La mesure n° 1 : au pic de débit, l’écart est de 1,5 à 1,9 fois

C’est la mesure la plus simple : chacun fait tourner ses serveurs à fond, et on compare le travail rendu. Selon le modèle, Jalapeño rend 1,5, 1,7 ou 1,9 fois plus de travail par watt. Le « 1,9 fois » des titres correspond au cas GPT-OSS 120B, le plus favorable.

La mesure n° 2 : à rythme utilisateur égal, l’écart explose

OpenAI a aussi forcé les deux systèmes à répondre au même rythme : celui du meilleur système existant, soit un temps entre tokens identique entre les deux puces. Résultat, sur DeepSeek R1 : 12 258 débits par kW pour Jalapeño, contre 118 pour le GB300. D’où le « 104,3 fois » : le ratio d’un scénario à expérience utilisateur équivalente, pas un indice de vitesse globale.

Pourquoi un tel écart ? Parce que le comparateur Nvidia ne tient pas ce rythme : à 169 tokens par seconde et par utilisateur, son débit par watt s’effondre, alors que la puce d’OpenAI garde le cap. Le « 104 fois » est donc un chiffre vrai dans un cadre précis : celui où l’on exige du système existant une rapidité qu’il ne peut pas fournir confortablement.

Le piège de la lecture

Trois précautions avant de comparer ce chiffre au « 104 fois » d’autres annonces :

• Les chiffres sont publiés par le fabricant lui-même. Le benchmark est public et indépendant, mais le choix des points de mesure, la normalisation et la présentation appartiennent à OpenAI.
• La normalisation est faite sur les consommations annoncées. Jalapeño est compté à 700 watts, alors que la mesure réelle est à 550 watts ou moins : la comparaison est donc prudente pour OpenAI, pas l’inverse.
• Les tests portent sur des modèles à poids ouverts. Sur ses modèles propriétaires, OpenAI dit que « l’avantage se creuse » en interne, mais sans publier de chiffres.

Une chose est sûre : la promesse n’est pas « la puce est 100 fois plus rapide ». Elle est : « à puissance égale, nous servons davantage d’utilisateurs, plus vite, et nous croyons le coût unitaire plus bas ». C’est déjà considérable, mais ce n’est pas la même phrase.

L’IA qui a conçu la puce qui fait tourner l’IA

L’annonce contient une deuxième histoire, plus vertigineuse que la première : selon OpenAI, ses modèles ont activement participé à la conception de la puce.

• Neuf mois du premier dessin au tape-out, grâce à des cycles de conception, de mesure et de vérification raccourcis par les modèles, qui ont aussi optimisé les circuits arithmétiques.
• Trois modèles à poids ouverts mis à niveau en deux mois avec Codex et GPT-Astra, alors qu’ils ne faisaient pas partie du plan initial de production de la puce.
• Des implémentations écrites par IA plus rapides que celles des experts : sur certains blocs d’attention et de mélange d’experts de GPT-OSS, de 1,5 à 1,8 fois plus rapides que les versions écrites à la main. Précision importante : ces gains concernent des blocs choisis, pas le modèle entier.

Autrement dit, la boucle est bouclée : les mêmes modèles servis aux utilisateurs aident à concevoir l’infrastructure qui sert les modèles de demain. OpenAI le formule comme un principe : « Nous avons utilisé l’IA pour concevoir la puce, et nous avons conçu la puce pour que l’IA puisse la programmer » (We used AI to design the chip, and designed the chip so AI could program it).

Le 24 juin, l’entreprise résumait l’ambition d’une phrase que peu de reprises ont citée :

« Si l’IA peut aider les ingénieurs à concevoir de meilleures puces plus rapidement, elle peut réduire le coût du calcul dans toute l’industrie et contribuer à démocratiser l’accès à l’IA avancée. » (If AI can help engineers design better chips faster, it can lower the cost of compute across the industry and help democratize access to advanced AI.)

Pour comprendre cette mécanique sans jargon, le guide complet de l’IA de Yiaho détaille ce qu’est un modèle, un paramètre et un serveur d’inférence.

Ce que l’annonce ne prouve pas, encore

Une annonce de ce niveau mérite d’être lue avec ses limites. En voici la liste, telle que nous avons pu la vérifier.

• Les chiffres viennent d’OpenAI. Le benchmark InferenceX est indépendant et public, mais la sélection des points de fonctionnement et la communication des résultats sont celles du fabricant.
• Un seul benchmark. InferenceX mesure le service de requêtes ; il ne dit rien de l’entraînement, qui reste massivement sur GPU Nvidia.
• Trois modèles à poids ouverts. Les modèles propriétaires d’OpenAI, les plus critiques pour son activité, ne sont pas couverts par des chiffres publiés.
• Le déploiement n’a pas commencé. « D’ici la fin de l’année » reste une intention ; la qualification de production, la maturation logicielle et la validation à grande échelle sont encore en cours, selon les mots mêmes d’OpenAI.
• Les générations suivantes sont au stade de projet. La Gen 2 est « en développement avancé », la Gen 3 « prend forme » : rien n’est livré.
• Pas de promesse tarifaire publique. Sarah Friar parle de « levier opérationnel » et de « coût total du travail réussi », pas d’un prix affiché pour les abonnements.

Retenons aussi un point rarement signalé : OpenAI n’a pas encore publié de rapport technique détaillé. En juin, l’entreprise promettait « un rapport technique détaillé sur les performances sera présenté dans les mois à venir » (A detailed technical report on performance will be presented in the coming months.) ; la page du 25 août présente des graphiques et des chiffres, mais pas de méthodologie complète.

Et pour vous, concrètement ?

À court terme, rien ne change à l’écran. La puce n’est pas en service, et les gains mesurés en laboratoire ne se voient pas dans votre ChatGPT de ce soir.

À moyen terme, si le rythme de déploiement se tient, trois effets sont plausibles :

1. Des réponses plus rapides. Le rythme utilisateur est justement le champ où la puce écrase la concurrence à puissance égale. Les modes « rapides » pourraient monter en débit sans consommer plus.
2. Des agents plus ambitieux. Un agent qui enchaîne des centaines d’étapes est sensible à chaque milliseconde : moins de latence, c’est des workflows plus longs qui deviennent viables.
3. Une pression sur les coûts. Si l’inférence devient moins chère à servir, la concurrence sur les prix ou sur la gratuité des usages d’entrée de gamme peut s’accentuer. C’est précisément le terrain de bataille où Yiaho joue déjà, avec une IA en ligne gratuite et sans inscription, au moment même où les grandes références comme GPT-5.6 se déploient partout dans le monde.

Il faut néanmoins rester mesuré : le secteur raconte que l’énergie et les puces manquent, et tout gain d’efficacité est aussitôt repris par de nouveaux usages, et OpenAI elle-même a été vue en train de ralentir certains investissements pour maîtriser ses coûts, comme le montrait notre décryptage du 18 août. C’est le paradoxe de Jevons, cité par Sarah Friar elle-même. La baisse du coût unitaire ne signifie pas une facture d’électricité mondiale en baisse.

FAQ : vos questions sur Jalapeño

En un mot

Le 25 août 2026, OpenAI rapporte des résultats mesurés sur sa propre puce d’inférence, qui tiennent face aux meilleurs accélérateurs du marché à puissance égale, sur les trois familles de modèles testées publiquement. Ce n’est ni la fin de Nvidia, ni une révolution visible dès demain : c’est l’instauration d’un nouveau rapport de force, et l’une des pièces d’un puzzle plus vaste où l’IA contribue à concevoir l’infrastructure qui la fait tourner.

Pendant que les géants construisent leurs puces, les IA grand public sont déjà là, et se comparent sur le terrain qui compte vraiment : la qualité et la rapidité des réponses, sans abonnement ni compte à créer. C’est exactement le test que vous pouvez faire dès maintenant sur l’IA de Yiaho.