OpenAI a dévoilé les premiers résultats publics de Jalapeño, son ASIC d’inférence co-développé avec Broadcom, lors de la conférence Hot Chips le 25 août 2026, et les chiffres sont suffisamment agressifs pour qu’on arrête de traiter cette initiative comme un hobby de milliardaires. Sur le benchmark InferenceX de SemiAnalysis, appliqué à trois modèles ouverts (GPT-OSS 120B, DeepSeek R1, Kimi K2.5 1T), la puce affiche entre 1,5 et 1,9 fois plus de travail IA par watt au pic de débit que les GPU GB200/GB300, et une latence de bout en bout 1,7 à 3,6 fois inférieure. Quand on pousse les workloads très interactifs, l’écart se creuse encore avec un ratio de 2,1 à 4,1x en performance pure.
La fiche technique du Jalapeño ressemble à un manifeste contre le gaspillage énergétique des GPU géants. Gravée en 3 nm chez TSMC, la puce embarque 6 piles HBM4 totalisant 216 GiB de mémoire (environ 50 % de plus par watt que le GB300) et délivre un débit mémoire avoisinant les 15 TB/s. Son enveloppe thermique est officiellement fixée à 700 W, alors que les mesures en fonctionnement continu plafonnent à 550 W, soit la moitié du budget thermique d’un GB300 coté à 1 400 W. Aux points de latence les plus bas, Tom’s Hardware rapporte des ratios de débit par kilowatt allant de 8,6x à 104,3x face aux réglages les plus rapides du concurrent vert. On peut discuter la méthodologie… mais pas ignorer l’ordre de grandeur.
Neuf mois séparent le début du design du tapeout, un calendrier que l’équipe de Richard Ho, VP hardware chez OpenAI, attribue en partie à l’utilisation intensive de l’IA dans le processus de conception. La génération 2 serait déjà proche du tapeout et la troisième en phase de design actif, ce qui signifie qu’OpenAI ne mise pas sur un prototype vitrine mais sur une cadence industrielle calquée sur celle que Nvidia impose depuis une décennie.
Pourquoi, alors, Sam Altman continue-t-il de signer des chèques pharaoniques à Jensen Huang ? Parce que Jalapeño est un chip d’inférence, conçu exclusivement pour servir des réponses, pas pour entraîner les modèles monstres qui justifient l’existence même d’OpenAI. L’entraînement reste le territoire quasi-monopolistique de Nvidia, et Richard Ho l’a rappelé à Bloomberg avec une franchise désarmante « Nvidia est un très bon partenaire, et nous continuons d’avoir besoin de beaucoup de Nvidia ». Une déclaration qui prend tout son relief quand on sait que Nvidia a accepté, à peine dix jours plus tôt, de garantir jusqu’à 105 milliards de dollars de financement pour les datacenters qu’OpenAI construit dans l’Ohio.
L’absence la plus éloquente de cette présentation reste la plateforme Vera Rubin, la prochaine architecture de Nvidia attendue en 2026-2027 et taillée pour dominer l’inférence autant que l’entraînement. Comparer Jalapeño au GB300 revient à affronter le champion sortant plutôt que le challenger qui s’échauffe en coulisses, ce qui rend les benchmarks impressionnants sur le papier mais stratégiquement incomplets. OpenAI prévoit de déployer sa puce dans ses propres datacenters d’ici fin 2026, un horizon qui coïncide précisément avec la montée en puissance de Vera Rubin.
La leçon de fond dépasse la guerre des specs entre deux géants californiens qui dorment dans le même lit financier. Chaque hyperscaler, de Google (TPU) à Amazon (Trainium) en passant désormais par OpenAI, fabrique ses propres puces d’inférence pour la même raison triviale qui pousse un restaurateur à cultiver ses propres tomates quand il en consomme dix tonnes par semaine. L’inférence, c’est le coût opérationnel permanent de l’IA générative, et réduire ce coût de moitié par watt vaut des milliards en marge annuelle. Jalapeño ne libère pas OpenAI de Nvidia, il rend la dépendance soutenable, ce qui est peut-être encore plus redoutable pour Jensen Huang que ne le serait une rupture franche.
