Jalapeño : OpenAI grave sa puce et grille Nvidia au watt

OpenAI a publié le 25 août les premiers benchmarks de Jalapeño, sa puce d'inférence conçue avec Broadcom. Résultat mesuré : 1,5 à 1,9 fois plus de calcul par watt que les systèmes Blackwell de Nvidia, et une latence jusqu'à 3,6 fois plus basse. Pour les pros qui paient l'API au token, c'est le signal qu'un étage entier de la structure de coûts de l'IA vient de bouger — même si l'effet sur la facture n'arrivera pas avant 2027.

Jalapeño : la puce d'inférence OpenAI-Broadcom en chiffres

Neuf mois entre le design et le tape-out, seize mois entre les premières embauches de l'équipe silicium et la puce gravée. OpenAI a compressé un cycle qui prend d'ordinaire trois à quatre ans chez les fondeurs établis. Et l'entreprise ne s'est pas contentée d'un communiqué : elle a publié des résultats détaillés, obtenus sur trois modèles publics que chacun peut faire tourner — GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5, le modèle à 1 000 milliards de paramètres de Moonshot AI.

Les chiffres face aux systèmes GB200 et GB300 de Nvidia :

• 1,5 à 1,9× plus de débit par watt en throughput maximal ;
• 1,7 à 3,6× moins de latence de bout en bout ;
• 2,7 à 4,1× plus rapide en vitesse de décodage par utilisateur ;
• jusqu'à 104× plus de débit à latence égale sur certains scénarios interactifs.

Détail qui change tout par rapport aux annonces habituelles du secteur : SemiAnalysis, le cabinet de référence sur les infrastructures IA, a envoyé ses ingénieurs dans les labos d'OpenAI et a fait tourner les charges de travail lui-même, via InferenceX, son benchmark public d'inférence.

« Industry leading » : c'est le qualificatif retenu par SemiAnalysis après avoir reproduit les mesures — le même cabinet qui place Jalapeño devant les puces de Nvidia, d'AMD et de Google sur ces charges d'inférence.

Le clin d'œil ne manque pas de sel : pour prouver la valeur de sa puce, OpenAI a benchmarké les modèles open-weights de ses concurrents chinois. Choix pragmatique — ce sont les seuls gros modèles que des tiers peuvent vérifier de bout en bout.

550 watts mesurés là où un GB300 en tire 1 400

Jalapeño est spécifiée à 700 W, mais la consommation soutenue mesurée reste sous les 550 W sur les charges testées. Un GB300 tire 1 400 W. À l'heure où la disponibilité électrique est devenue LA contrainte numéro un des datacenters — et où chaque mégawatt se négocie des années à l'avance —, faire deux fois plus de travail par watt n'est pas un raffinement d'ingénieur. C'est ce qui détermine combien de tokens sortent d'un site électriquement saturé.

Pourquoi OpenAI grave sa propre puce plutôt que d'acheter du Nvidia

L'inférence, c'est le coût récurrent. L'entraînement d'un modèle se paie une fois ; servir des centaines de millions de requêtes quotidiennes se paie chaque seconde. Tant qu'OpenAI achète ses GPU chez Nvidia, une part substantielle de chaque token facturé finance la marge — historiquement supérieure à 70 % — du fournisseur de puces. L'accord de 10 gigawatts signé avec Broadcom fin 2025 disait déjà l'intention ; Jalapeño en est la première concrétisation mesurable.

Le calendrier n'est pas neutre non plus. À quelques mois de son entrée en Bourse, OpenAI doit démontrer aux investisseurs que sa structure de coûts peut converger vers la rentabilité. Nous avions décortiqué ce que l'IPO à 1 000 milliards d'OpenAI implique pour les clients ; une puce maison qui divise le coût du token servi est exactement le genre d'argument qui muscle un prospectus.

Dernier point, presque vertigineux : OpenAI affirme avoir utilisé ses propres modèles pour concevoir des blocs du chip. Sur les blocs concernés, les implémentations générées par IA seraient 1,5 à 1,8× plus performantes que les versions écrites par des ingénieurs. La génération 2 est déjà en conception, la 3 dans les cartons.

Prix API OpenAI : vers une baisse en 2027 ?

Soyons clairs : rien ne baisse cette semaine. Le déploiement commence « en très petits volumes » fin 2026, la montée en charge est prévue pour 2027. Et OpenAI est structurellement affamée de calcul : les premières capacités Jalapeño serviront d'abord ses propres produits — agents, vidéo, recherche — avant de desserrer quoi que ce soit côté API.

Mais la mécanique de fond mérite qu'on s'y arrête. Le prix d'un million de tokens reflète trois choses : le coût du matériel, le coût de l'électricité, et la marge. Une puce maison attaque les deux premiers simultanément. C'est le mouvement inverse de celui de DeepSeek, qui a dû remonter ses prix API faute de maîtriser ses coûts de calcul. Celui qui possède son silicium choisit sa guerre des prix ; les autres la subissent.

Pour une PME, la conséquence pratique est contre-intuitive : ce n'est pas parce que le coût unitaire va continuer de chuter que la facture suivra. Nos lecteurs connaissent le paradoxe — nous avons documenté

Latence divisée par trois : l'argument caché pour les agents temps réel

Le chiffre le moins commenté est peut-être le plus utile : 2,7 à 4,1× plus rapide en décodage par utilisateur. Concrètement, c'est le temps que met chaque token à s'afficher quand un client attend la réponse. Pour un chatbot de support, un agent vocal au téléphone ou un copilote commercial en rendez-vous, cette métrique fait la différence entre une conversation fluide et un silence gênant de quatre secondes.

Ceux qui ont suivi notre tutoriel pour réduire la latence des agents temps réel sur GPT-5.6 Sol savent ce que ces optimisations coûtent aujourd'hui en ingénierie et en surcoût de tiers « ultrafast ». Si Jalapeño tient ses promesses en production, une partie de ce travail deviendra simplement inutile : la latence basse sera le comportement par défaut de l'infrastructure, pas une option payante.

Ce que les benchmarks ne disent pas

Un benchmark publié par le vendeur, même contre-vérifié, reste un exercice de communication. Trois angles morts documentés méritent d'être gardés en tête.

The Register résume bien la prudence de mise : ces résultats sont « un argument d'ouverture solide, pas un verdict ». Et Nvidia n'a rien perdu de son avance sur l'entraînement, où CUDA et l'écosystème logiciel restent sans équivalent. Jalapeño ne sait faire qu'une chose — servir des modèles — et OpenAI ne la vendra à personne : c'est une arme interne, pas un produit.

Google, Amazon, Microsoft : tout le monde grave, le péage Nvidia se fissure

OpenAI rejoint un mouvement de fond. Google fait tourner Gemini sur ses TPU depuis des années et en a vendu un million à Anthropic fin 2025. Amazon pousse Trainium, Microsoft avance sur Maia. Hock Tan, le CEO de Broadcom, positionne d'ailleurs ouvertement Jalapeño dans cette lignée, face aux TPU et à Blackwell. Ce qui change avec l'annonce du 25 août, c'est la preuve publique : pour la première fois, un laboratoire d'IA démontre, mesures vérifiées à l'appui, que son ASIC maison bat le meilleur GPU marchand sur sa charge de travail cible, comme le détaille Seeking Alpha.

Pour l'Europe, le tableau est moins réjouissant. Aucun acteur européen ne grave de puce d'inférence compétitive : Mistral, OVHcloud et Scaleway servent leurs modèles sur du Nvidia acheté au prix fort. Pendant que les géants américains internalisent leur coût de calcul, les champions européens restent locataires. L'écart de structure de coûts, déjà sensible, risque de se creuser en 2027 — un paramètre à intégrer dans toute stratégie d'achat qui mise sur les API souveraines.

Qui doit s'en soucier dès maintenant

Si vous consommez de l'API OpenAI, il n'y a strictement rien à faire cette semaine — et méfiez-vous de quiconque vous vend une décision urgente sur la foi de cette annonce. Ce qu'il faut retenir tient en trois lignes : le coût de l'inférence va continuer de baisser structurellement ; OpenAI vient de s'acheter les moyens de mener la prochaine guerre des prix au lieu de la subir ; et la latence basse deviendra un standard, pas un luxe.

La seule action concrète : ne signez pas d'engagement de capacité long terme sans benchmark sur vos propres charges de travail, et gardez une stratégie multi-modèle qui vous laisse capter les baisses de prix d'où qu'elles viennent. Les plaques tectoniques bougent sous les API ; votre travail n'est pas de prédire le séisme, c'est de ne pas être cimenté au sol quand il arrive.