OpenAI a posé son modèle sur une puce grande comme une assiette. Résultat : jusqu'à quatorze fois plus rapide.

Hier, OpenAI a ouvert un nouveau palier dans son interface pour développeurs. Son nom : Ultrafast. Un palier, c'est une formule de service : même produit, machine différente derrière. Le modèle ne change pas. C'est toujours gpt-5.6-sol, avec les mêmes réponses et la même intelligence. Seule la machine qui le fait tourner est différente. Et elle peut aller jusqu'à quatorze fois plus vite.

Le plat du jour mesure 21 centimètres de côté et coûte le prix d'une voiture. La carte des vins n'affiche pas de prix non plus.

Voici un exemple donné par la maison, parce que les pourcentages ne parlent à personne. La même demande consiste à générer un tableau de bord financier, deux fois, avec le même modèle.

Standard    12 min 20 s
Ultrafast    1 min 50 s

Douze minutes, c'est le temps d'aller chercher un café, puis de revenir en ayant oublié ce qu'on voulait faire. Une minute et cinquante secondes, c'est le temps de rester sur sa chaise. Ce n'est pas le même métier.

Pourquoi ton IA sort les mots au compte-gouttes

Petit détour par la mécanique. C'est là que ça devient intéressant.

Un modèle écrit un jeton à la fois. Un jeton, c'est un morceau de mot. Compte environ trois jetons pour deux mots. Pour produire chaque jeton, la machine doit relire tous les poids du modèle, c'est-à-dire les centaines de gigaoctets de nombres qui composent le bidule. Elle le fait pour un morceau de mot, puis recommence pour le suivant.

Sur une carte graphique, ces poids ne tiennent pas dans la puce. Ils sont stockés dans une mémoire placée à côté. Il faut donc aller les chercher en permanence. Résultat : ta carte à 30 000 euros passe le plus clair de son temps non pas à calculer, mais à faire des allers-retours au frigo.

À gauche, la cuisine actuelle. Le cuisinier est excellent. Il passe juste sa vie dans le couloir.

C'est contre-intuitif, donc beaucoup de gens se trompent sur le sujet. Le goulot d'étranglement, c'est-à-dire ce qui ralentit tout le système, n'est pas la puissance de calcul. C'est le tuyau qui apporte les données aux unités de calcul. Tu peux mettre un chef trois étoiles dans la cuisine. S'il doit traverser l'entrepôt pour chaque oignon, tu attendras quand même.

Une puce grande comme une assiette

C'est de là que vient l'idée de Cerebras, qui fabrique le matériel utilisé par ce nouveau palier. Au lieu de découper la galette de silicium en petites puces, l'entreprise la garde entière. Le processeur mesure donc 21,5 centimètres de côté. Il couvre 46 225 mm² et contient 4 000 milliards de transistors ainsi que 900 000 cœurs. Une puce H100 de Nvidia, la référence du secteur, mesure 814 mm². Elle est cinquante-sept fois plus petite.

L'intérêt n'est pas de fabriquer une énorme puce pour le plaisir. Cette surface permet de placer 44 Go de mémoire ultra-rapide directement sur la puce. Les poids du modèle restent donc sur le plan de travail. Plus d'aller-retour au frigo. Plus de couloir. Plus d'entrepôt.

Cerebras annonce un débit interne de 21 pétaoctets par seconde, contre environ 3,35 téraoctets par seconde pour la mémoire d'une H100. Je mets tout de suite un bémol honnête : ces deux chiffres ne sont pas mesurés de la même façon. Le premier additionne les échanges entre 900 000 cœurs et leur mémoire voisine. Le second mesure un bus externe, c'est-à-dire la liaison avec la mémoire. Ne retiens donc pas le rapport exact. Retiens l'ordre de grandeur. On ne joue plus dans la même catégorie de plomberie.

Perso, ce qui m'amuse le plus dans cette histoire, c'est que ce pari passait pour une lubie d'ingénieur. Une puce de la taille d'une assiette semblait impossible à produire sans défaut, impossible à refroidir et impossible à vendre. Dix ans plus tard, elle fait tourner le modèle d'OpenAI.

Non, ce n'est pas la galette que tu as vue passer

Une photo a beaucoup circulé, et elle risque de t'embrouiller. Elle m'a embrouillé aussi. On y voit Sam Altman, tout sourire, tenir une galette de silicium avec un monsieur en costume. Mais ce n'est pas celle dont on parle ici.

Le 24 juin, Sam Altman et Hock Tan, patron de Broadcom, présentent la puce maison d'OpenAI. Photo OpenAI et Broadcom. Cette galette, elle, passe au massicot.

Cette photo date du 24 juin. Le monsieur à droite, c'est Hock Tan, le patron de Broadcom. Ce qu'ils tiennent s'appelle Jalapeño. C'est la première puce conçue par OpenAI, fabriquée avec Broadcom, puis montée en racks par Celestica. Un rack, c'est une grande armoire qui regroupe les machines. Il s'est écoulé neuf mois entre le premier coup de crayon et l'envoi des plans à la gravure. Pour ce genre de bestiole, c'est très rapide.

Maintenant, regarde bien la galette. Tu vois le quadrillage et les centaines de petits rectangles ? Chaque rectangle correspond à une puce. Cette galette va donc être découpée. C'est ainsi qu'on fabrique des processeurs depuis cinquante ans : on grave les puces, on les découpe, on les trie, puis on jette celles qui sont ratées.

Voilà pourquoi ce n'est pas la même chose. Cerebras part d'une galette ronde similaire, mais choisit de ne pas la découper. Même morceau de silicium au départ, décision opposée à l'arrivée. La photo montre des puces individuelles. Cet article parle d'une galette utilisée entière.

Trois paris en même temps

Cela dit, cette photo raconte autre chose d'intéressant sur OpenAI. La stratégie ressemble à celle d'un bon père de famille : multiplier les solutions pour ne dépendre de personne.

Si tu comptes, OpenAI mène trois paris matériels en parallèle. Le premier consiste à louer des cartes Nvidia, comme tout le monde. Cela coûte cher et place l'entreprise à la merci d'un seul fournisseur. Le deuxième consiste à fabriquer sa propre puce avec Broadcom, celle de la photo. Son déploiement est prévu d'ici la fin de l'année, à l'échelle du gigawatt. Microsoft en prendrait 40 %, et l'un des modèles de code d'OpenAI tourne déjà dessus en version d'essai. Le troisième pari, lancé hier, consiste à louer de la vitesse pure chez Cerebras pour les situations où le temps d'attente devient le vrai problème.

Concernant le rendement énergétique de Jalapeño, la maison annonce « nettement mieux que ce qui existe ». Aucun chiffre, aucun rapport technique. Tu connais ma position sur ce genre de formule : on la note, puis on attend les preuves.

Les chiffres annoncés, et ceux que je crois

Le palier Ultrafast monte jusqu'à 750 jetons générés par seconde. Pour comparer, un lecteur humain lit environ 250 mots par minute, soit quatre mots par seconde. Ici, on atteint 560 mots par seconde. Le modèle écrit donc environ cent trente fois plus vite que tu ne lis.

La barre orange vient du vendeur. Les grises ont été mesurées par quelqu'un d'autre. Ça compte.

Le chiffre de 57 jetons par seconde pour le palier normal ne vient pas d'OpenAI. Il vient d'Artificial Analysis, qui mesure en continu les performances des modèles disponibles. Et ça tombe bien : 750 divisé par 57 donne 13. Le « jusqu'à 14 fois » annoncé tient donc debout.

Pour le reste, il faut lire les petites lignes. Cerebras affirme aussi être onze fois plus rapide que Fable 5 et cinq fois plus rapide qu'Opus 4.8 en mode rapide. L'entreprise dit également avoir terminé un examen réputé difficile en 11 h 11, contre 78 h 27. Ce sont ses mesures, réalisées dans ses conditions et avec son matériel. Je ne dis pas qu'elles sont fausses. Je dis que Cerebras n'est pas un arbitre indépendant.

Le chiffre le plus intéressant est aussi le plus modeste. Sur une série de tâches professionnelles, le gain total, du début à la fin du travail, tombe à 5,6 fois. C'est logique. Un agent qui bosse ne passe pas sa vie à écrire. Il compile du code, attend le réseau et relance des tests. Le modèle peut répondre en un clin d'œil. Si la compilation prend deux minutes, elle prendra toujours deux minutes.

Il manque le prix, et ce n'est pas un détail

Ah oui, le prix. Il n'y en a pas.

Pas « il est élevé ». Pas « il sera annoncé le mois prochain ». Rien. Aucun tarif, aucune date de disponibilité générale, aucune indication du coût. Il s'agit d'une préversion fermée, réservée à une poignée de clients. Les noms cités sont Jane Street, Podium, Basis et Rogo. Les autres peuvent rejoindre une liste d'attente. Et tout cela reste limité à l'interface pour développeurs. Rien dans ChatGPT.

Quand la carte n'affiche pas les prix, ce n'est jamais pour te faire une bonne surprise.

Pour donner un ordre de grandeur, le même modèle, dans le palier normal, coûte 5 dollars par million de jetons en entrée et 30 dollars en sortie. Les jetons en entrée correspondent à ce qu'on envoie au modèle. Ceux en sortie correspondent à sa réponse. Quant à une galette de silicium entière gravée chez TSMC, ce n'est pas exactement une pièce de rechange trouvée en promotion. Va-t-on payer deux fois plus pour cette vitesse ? Cinq fois plus ? Le service sera-t-il réservé aux gens qui font du trading à la milliseconde ?

Je n'en sais rien, et c'est bien le problème. Une vitesse qu'on ne peut pas s'offrir, ça s'appelle une démo.

Concrètement, ça change quoi pour toi

Si tu ne codes pas et que tu n'as jamais ouvert une interface pour développeurs, la question est légitime. Voilà ce qui se joue.

Imagine l'assistant vocal de la cuisine. Tu lui demandes de convertir des grammes en cuillères, et il met deux secondes à répondre. Ces deux secondes suffisent pour que personne ne s'en serve. On préfère encore sortir le téléphone. Même problème avec le service client d'un site marchand qui attend vingt secondes avant chaque réponse : tu fermes l'onglet. Même chose pour la traduction en direct pendant les vacances. Avec un délai, c'est un gadget. Sans délai, ça devient une conversation.

Le café froid, la toile d'araignée et la barbe : le vrai coût de l'intelligence artificielle en 2026.

Maintenant, parlons de l'échéance, sans enrobage. Aujourd'hui, ça ne change rien pour toi. Zéro. C'est une préversion fermée, sans prix, testée par quatre entreprises et accessible dans un outil que tu n'ouvriras probablement jamais. Le service peut se démocratiser l'an prochain. Il peut aussi rester un produit de luxe pour les salles de marché, ou disparaître si le rapport entre le prix et la vitesse ne tient pas la route.

La comparaison qui me paraît la plus juste, c'est le passage du modem 56k à l'ADSL. Sur le papier, on avait seulement accéléré le même web. En pratique, personne ne regardait de vidéos en ligne en 2000. Ce n'était pas une question de goût. L'attente était insupportable. La vitesse n'a pas seulement amélioré un usage existant. Elle en a créé un autre, puis YouTube est arrivé cinq ans plus tard. C'est le même pari ici. Et il peut très bien rater.

Ce que j'en pense

Je bosse tous les jours avec des assistants de code. Ce que personne ne mesure dans ces annonces, c'est l'effet de l'attente sur ton cerveau. Vingt secondes, ce n'est rien sur le papier. Sauf qu'en vingt secondes, tu regardes tes mails. Et tu ne reviens pas.

Un des chercheurs d'OpenAI résume ça mieux que je ne saurais le faire : « ça termine avant même que j'aie l'occasion de partir sur autre chose ». Voilà. Le vrai sujet n'est pas la vitesse. C'est l'attention. Un outil qui répond pendant que tu es encore concentré dessus est un outil que tu utilises. Un outil qui répond après ton café est un outil que tu contournes.

Bon, n'allons pas trop vite quand même. Sans prix, sans date et sans mesure indépendante, on n'a pour l'instant qu'une belle promesse et une jolie galette. Mais si cette vitesse devient normale, on rira en repensant à l'époque où l'on regardait un curseur tourner pendant qu'une machine terminait sa phrase. Un peu comme le bruit du modem.