OpenAI a publié le mardi 25 août 2026 les premiers résultats de Jalapeño, sa propre puce d'inférence, et ils dépassent ce qu'un premier silicium réussit habituellement. Conçue avec Broadcom et bâtie autour de mémoire HBM4, Jalapeño ne fait que de l'inférence, pas d'entraînement. Sur trois modèles testés, OpenAI annonce de une virgule cinq à une virgule neuf fois plus de travail par watt au débit maximal que les meilleurs systèmes commercialement disponibles, et une latence de bout en bout de une virgule sept à trois virgule six fois inférieure. La réserve compte autant que l'annonce : Jalapeño reste un échantillon d'ingénierie, alors que les systèmes battus sont livrés aujourd'hui.
The short answer
OpenAI a publié le 25 août 2026 les premières mesures de Jalapeño, son accélérateur d'inférence conçu avec Broadcom. Sur GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5 1T, OpenAI annonce 1,5 à 1,9 fois plus de travail par watt au débit maximal et une latence de bout en bout 1,7 à 3,6 fois inférieure à celle des meilleurs systèmes commercialement disponibles. SemiAnalysis note que la comparaison juste est Vera Rubin plutôt que Blackwell, puisque les deux utilisent de la HBM4, et estime que Jalapeño garde l'avantage en jetons de sortie par mégawatt. La puce reste un échantillon d'ingénierie.
Une puce de première génération sert d'habitude d'exercice d'apprentissage. Vous la sortez, elle fonctionne, elle perd contre l'acteur en place, et vous réinvestissez la leçon dans la deuxième. C'est la forme normale de cette histoire, et c'est pour cela que les chiffres de Jalapeño ont fait réagir.
Ce que disent réellement les mesures
OpenAI a testé trois modèles à poids ouverts : GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5 1T. Le titre porte sur l'efficacité plus que sur la vitesse brute.
Au débit maximal, OpenAI rapporte 1,5 à 1,9 fois plus de travail par watt que les meilleurs systèmes commercialement disponibles, sur les trois modèles. La latence de bout en bout ressort 1,7 à 3,6 fois plus basse. Sur les charges interactives précisément, quand une personne attend une réponse, l'écart monte à 2,1 à 4,1 fois.
Les cadences brutes donnent de la texture à tout cela. GPT-OSS 120B tourne à environ 1 400 jetons par seconde et par utilisateur. DeepSeek R1 670B, cinq fois plus de paramètres, tient encore 700 jetons par seconde sur une requête concurrente unique. Ce sont des chiffres interactifs et non des chiffres de traitement par lot, et cette distinction résume tout le cahier des charges.
Le chiffre le plus repris, de 54 à 104 fois le débit de jetons par kilowatt à vitesse de décodage égale, doit garder sa réserve attachée. À vitesse de décodage égale signifie que la comparaison fige l'interactivité et demande combien de watts chaque système consomme pour la tenir. La question est légitime et l'avantage réel, mais c'est une tranche étroite, pas un multiplicateur général.
La génération de mémoire fait une bonne part du travail
Voici le point perdu dans la première vague de reprises.
Jalapeño utilise de la HBM4. Blackwell utilise de la HBM3E. Les comparer sur du travail limité par la mémoire, ce qu'est massivement le décodage, revient à créditer la conception de ce que les fabricants de mémoire ont livré. SemiAnalysis l'a dit franchement : la comparaison honnête est la plateforme Vera Rubin de Nvidia, qui embarque elle aussi de la HBM4.
Sur cette base, Jalapeño reste devant en jetons de sortie par mégawatt. La marge se réduit, la conclusion tient. SemiAnalysis a résumé ainsi : les puces de première génération ne sont d'ordinaire pas compétitives, et celle ci bat Blackwell et même Rubin.
C'est cette version qu'il faut retenir. Pas « OpenAI bat Nvidia par cent », qui est un artefact de mesure, mais « une première tentative se place devant la génération actuelle du leader sur l'axe précis qui décide de l'économie d'un centre de données ».
Pourquoi tous les gros acheteurs arrivent à la même idée
L'inférence et l'entraînement veulent du matériel différent, et l'écart se creuse depuis deux ans.
L'entraînement est une charge de recherche. Elle change de forme sans arrêt, elle a besoin de souplesse, et un GPU généraliste y justifie son prix. L'inférence est une charge de production. Une fois le modèle figé, le servir revient à répéter la même opération des milliards de fois, et la répétition est exactement la condition dans laquelle un silicium sur mesure rembourse son coût de conception.
D'où la répétition du schéma. Google a construit les TPU. Nvidia a elle même racheté une pièce de décodage dédiée et l'a mise en production sous le nom de Groq 3 LPX. Etched a levé sept cents millions de dollars pour une valorisation de vingt et un milliards sur du silicium spécifique aux transformeurs. AMD a racheté Taalas pour graver les poids des modèles directement dans le silicium. Chacun de ces paris dit la même chose sur l'endroit où se trouve l'argent.
L'électricité forme l'autre moitié de l'argument. Le prix de la mémoire pousse le coût des serveurs IA d'environ 15 pour cent pour début 2027, le raccordement au réseau est le chemin critique de la plupart des constructions, et une pièce qui sert plus de jetons par watt est de la capacité que vous n'avez pas à négocier avec un fournisseur d'énergie.
Ce que cela change pour nous
Rien ce trimestre. Jalapeño est un échantillon d'ingénierie et aucun chemin ne permet à un développeur extérieur d'y exécuter quoi que ce soit.
L'effet arrive indirectement, par le prix. OpenAI baisse déjà ses tarifs de jetons, en dernier lieu en ramenant GPT-5.6 Sol à quatre et vingt dollars par million. Une flotte de service dont le coût par jeton baisse nettement est ce qui rend ces baisses durables plutôt que promotionnelles. Si Jalapeño atteint la production en volume, le signal visible sera un prix affiché par million de jetons de sortie qui continue de baisser pendant que la latence interactive s'améliore.
Le conseil pratique est donc du genre ennuyeux. Ne réarchitecturez rien autour d'une puce que vous ne pouvez pas acheter. Surveillez en revanche les grilles tarifaires, car c'est là que les revendications de mesure finissent par devoir se justifier.
Sources et pour aller plus loin
- OpenAI's Jalapeño AI chip brings new threat to Nvidia margins as custom silicon gains ground, CNBC, 26 août 2026
- OpenAI's first custom chip Jalapeño reportedly beats Nvidia's Blackwell and Rubin in inference benchmarks, The Decoder, 26 août 2026
- OpenAI Jalapeño: Better Than Nvidia Blackwell, SemiAnalysis
- OpenAI's Jalapeño spices up chip market as it outperforms Nvidia's Blackwell, Seeking Alpha
Questions fréquentes
Qu'est ce que Jalapeño exactement et qui l'a construite ?
Jalapeño est le premier accélérateur maison d'OpenAI, conçu en partenariat avec Broadcom et bâti autour de mémoire HBM4. Il ne traite que l'inférence, autrement dit il exécute les modèles mais ne les entraîne pas. Les travaux de conception ont démarré à la mi 2024, le dessin final est parti en fabrication en novembre 2025, et le cycle complet a pris environ seize mois dont neuf mois de conception active. C'est rapide pour du silicium. Cette séparation compte pour lire les chiffres : OpenAI ne prétend pas avoir remplacé sa flotte d'entraînement, elle affirme que la moitié service de sa facture peut tourner sur une pièce qu'elle maîtrise, et le service est là où se loge le coût récurrent une fois le modèle terminé.
La comparaison avec Nvidia Blackwell tient elle la route ?
En partie seulement, et les analystes l'ont dit. Jalapeño utilise de la HBM4 quand Blackwell utilise de la HBM3E : une part de l'avantage en bande passante mémoire vient donc de la génération de mémoire plutôt que de la conception. SemiAnalysis a soutenu que la comparaison honnête est la plateforme Vera Rubin de Nvidia, qui embarque elle aussi de la HBM4. Sur cette base, Jalapeño reste devant en jetons de sortie par mégawatt, mais avec une marge plus étroite. Le sens du résultat survit donc à la référence plus juste, pas le multiplicateur affiché. Lisez les chiffres par watt comme réels et les valeurs précises comme soigneusement choisies.
Quels modèles ont été testés et à quelles vitesses ?
Trois modèles à poids ouverts de tailles très différentes : GPT-OSS 120B, DeepSeek R1 670B et Kimi K2.5 1T. Sur GPT-OSS 120B, OpenAI rapporte environ 1 400 jetons par seconde et par utilisateur. Sur DeepSeek R1 670B, elle annonce 700 jetons par seconde sur une requête concurrente unique. Ce sont des cadences interactives pour un utilisateur, pas un débit de flotte, et c'est précisément le régime qui compte pour les agents et les assistants de code où une personne attend la sortie. OpenAI cite aussi de 2,1 à 4,1 fois plus de performance sur les charges interactives, cohérent avec une pièce réglée pour la latence plutôt que pour l'efficacité en lot.
Peut on louer du temps de calcul dessus ?
Pas encore, et c'est le point que la plupart des reprises ont survolé. Jalapeño n'a pas dépassé le stade des échantillons d'ingénierie. Vera Rubin, la plateforme Nvidia à laquelle elle est comparée, est déjà livrée aux clients. Une mesure faite sur un échantillon vous dit ce que la conception sait faire dans des conditions choisies par le concepteur. Elle ne dit rien du rendement de fabrication, du comportement de la pièce en baie à grande échelle, ni de la pile logicielle disponible pour quiconque hors d'OpenAI. La lecture réaliste : cela change la structure de coûts d'OpenAI sur un ou deux ans, et n'atteint les autres, éventuellement, qu'à travers le prix des jetons.
Qu'est ce que cela signifie pour Nvidia ?
Une pression sur les marges dans l'inférence précisément, pas un remplacement. L'inférence est la moitié en volume du marché, et celle où un très gros acheteur avec une seule forme de charge peut justifier de dessiner son propre silicium : c'est exactement la logique qui a produit le TPU de Google. L'entraînement reste le problème le plus difficile et l'endroit où les GPU généralistes gardent leur avantage. Ce qu'il faut suivre n'est pas de savoir si Nvidia perd OpenAI comme client, mais combien de gros acheteurs finiront par exploiter leurs propres pièces d'inférence à côté des baies Nvidia. Chacun d'eux retire une tranche du volume le plus rentable.