OpenAI publie les chiffres de sa puce maison. Elle bat Nvidia, et il faut lire les petites lignes.

Mardi, OpenAI a publié les résultats de tests de sa première puce à elle, celle qui doit faire tourner ses modèles dans ses propres machines. Elle s'appelle Jalapeño, elle a été dessinée avec Broadcom et fabriquée par TSMC, et le chiffre mis en avant est le suivant : à électricité égale, elle abat presque deux fois plus de travail qu'un système Nvidia.

C'est un gros chiffre. Il est probablement vrai. Et il est mesuré par celui qui vend la puce, dans les conditions qu'il a choisies, ce qui ne l'annule pas mais qui change complètement la façon de le lire.

Le compteur de gauche et celui de droite tournent à la même vitesse. Ce qui sort en dessous, non.

Le chiffre qui compte n'est pas celui qu'on croit

Pendant vingt ans, on a comparé les processeurs à la vitesse. Le plus rapide gagnait, point.

Aujourd'hui la question a changé, et elle se pose comme pour une voiture : ce qui compte n'est plus la vitesse de pointe, c'est le nombre de kilomètres au litre. Sauf qu'ici le litre s'appelle le watt.

Petit mot de vocabulaire avant d'aller plus loin, un seul et il sert partout dans l'article. Quand une intelligence artificielle te répond, elle ne fabrique pas des phrases d'un bloc : elle produit des morceaux de mots l'un après l'autre, très vite. Ces morceaux s'appellent des jetons. Toute l'industrie compte en jetons par seconde, comme une imprimerie compte en pages à l'heure.

La mesure publiée par OpenAI, c'est donc : combien de jetons par kilowatt d'électricité consommé. Des pages à l'heure, par litre de carburant.

Pourquoi l'électricité, et pas l'argent

Là, il faut que je te raconte un truc que je trouve fascinant, parce qu'il ne se voit nulle part et qu'il décide de tout.

Un centre de données, aujourd'hui, n'est pas limité par la place. Du terrain, il y en a. Il n'est pas non plus vraiment limité par l'argent, vu les sommes qui circulent. Il est limité par le courant que le réseau électrique local veut bien lui livrer.

Le bâtiment peut faire la taille qu'on veut. Le câble qui arrive dedans, non.

Une fois que tu as obtenu tes cinquante mégawatts, tu ne peux plus en avoir davantage avant des années : il faudrait construire des lignes, des postes de transformation, parfois une centrale. Ton nombre de mégawatts est donc figé, et la seule question qui reste est : combien de travail j'arrive à faire rentrer dedans ?

C'est pour ça que le rendement par watt est devenu la vraie monnaie de ce secteur. Doubler le travail par watt, ce n'est pas « aller deux fois plus vite ». C'est servir deux fois plus de monde sans tirer un seul câble de plus.

Les chiffres annoncés

Sur un modèle ouvert que tout le monde peut tester, face à un système Nvidia de la génération Blackwell, OpenAI annonce environ 1,9 fois plus de travail par kilowatt.

Deux barres, une seule unité, et une réserve écrite en bas. Elle compte autant que les barres.

Sur l'ensemble des scénarios testés, la maison revendique de 1,5 à 1,9 fois plus de calcul par watt, et des temps de réponse de 1,7 à 3,6 fois plus courts. Sur le papier, c'est une claque.

Maintenant, les petites lignes

Et c'est là que ça devient intéressant, parce que ce qui suit vaut pour tous les tests, pas seulement pour celui-ci.

La ligne la plus instructive est toujours la plus petite.

Première question : qui tient le chronomètre ? Ici, c'est OpenAI qui teste la puce d'OpenAI. Ce n'est pas de la triche, les chiffres seront vérifiés par d'autres, mais celui qui choisit les épreuves choisit toujours celles où il est bon.

Deuxième question : contre quoi ? Le concurrent choisi est la génération Blackwell de Nvidia. Sauf que Jalapeño arrivera face à la génération suivante, Rubin, qui est déjà en train d'être livrée. Comparer sa voiture de l'an prochain au modèle de l'an dernier, ça se fait beaucoup et ça se dit rarement.

Troisième question : à armes égales ? Non, et c'est le point le plus solide de la critique. Jalapeño embarque une mémoire d'une génération plus récente que celle du système Nvidia auquel elle est comparée, et sur ce genre de travail, la mémoire fait une bonne partie du résultat. Une partie de l'avance mesurée n'est donc pas dans la puce, elle est dans les barrettes autour.

Quatrième question : est-ce que ça existe pour de vrai ? Pas encore tout à fait. On parle d'exemplaires de mise au point. Le déploiement doit commencer dans les propres machines d'OpenAI d'ici la fin de l'année, la production sérieuse est attendue en 2027, et le plein régime pas avant 2028. D'ici là, il peut se passer beaucoup de choses, y compris rien.

Détail qui n'a l'air de rien et qui dit tout : OpenAI a précisé qu'elle continuait d'acheter du Nvidia. Beaucoup. Quand on annonce qu'on a fait mieux que son fournisseur tout en confirmant qu'on lui passe commande, c'est qu'on sait très bien où on en est.

Ça change quoi pour toi ?

Rien cette année, et je préfère le dire tout de suite.

À moyen terme, deux choses, et elles sont concrètes.

La première, c'est le prix. Ce que tu paies pour utiliser une intelligence artificielle, que ce soit un abonnement mensuel ou une facture à l'usage, est adossé à deux coûts : le matériel et l'électricité qu'il avale. Une machine qui fait le même travail avec moitié moins de courant, c'est une pression à la baisse sur ce que ça coûte. Pas une garantie, une pression.

La deuxième, c'est la dépendance. Aujourd'hui, presque tout ce qui fait tourner l'IA dans le monde sort de la même entreprise, et quand un fournisseur est seul, il fixe les prix et les délais tout seul. Chaque acteur qui arrive à faire tourner ses modèles sur sa propre puce enlève un peu de ce pouvoir. C'est la même bataille que celle que je racontais il y a huit jours avec une petite société qui vise exactement la même place, sauf qu'ici ce n'est plus une jeune pousse ambitieuse, c'est le plus gros client de Nvidia qui fabrique son propre matériel.

Et il y a un effet de bord qui te concerne plus directement que tu ne crois. Les centres de données et ta maison tirent sur le même réseau. Chaque fois qu'une de ces machines fait le même travail avec moitié moins de courant, ce sont des mégawatts qui ne sont pas réclamés au réseau de quelqu'un. Ça ne fera pas baisser ta facture, mais ça compte dans la file d'attente.

Ce que j'en retiens

Perso, ce qui me plaît là-dedans, ce n'est pas le score. C'est le déplacement de la question.

Pendant des années, la course s'est jouée sur « qui a le plus gros modèle », puis sur « qui a le plus de cartes graphiques ». Maintenant elle se joue sur combien de travail on arrive à sortir d'un mégawatt, et ça, c'est une contrainte physique, la seule que le marketing n'arrive pas à contourner. On ne convainc pas un transformateur électrique avec une bonne présentation.

Et puis, soyons honnêtes deux secondes : une puce qui s'appelle Jalapeño, ça méritait bien un article !

Sources

• CNBC : OpenAI's Jalapeño AI chip brings new threat to Nvidia margins, 26 août 2026
• SemiAnalysis : OpenAI Jalapeño, better than Nvidia, analyse détaillée des chiffres et des réserves sur la comparaison avec Blackwell
• OpenAI et Broadcom : présentation de la puce Jalapeño, 24 juin 2026
• Tom's Hardware : Broadcom and OpenAI unveil the custom built Jalapeño inference processor, conception en neuf mois, fabrication TSMC