OpenAI a désormais sa propre puce… mais prévoit toujours au moins 10 GW de systèmes NVIDIA : la guerre du calcul IA change de nature

Jalapeño : OpenAI passe du modèle à la puce

Le 24 juin 2026, OpenAI et Broadcom ont dévoilé Jalapeño, présenté comme le premier « Intelligence Processor » d’OpenAI. Il s’agit d’un accélérateur conçu spécifiquement pour l’inférence des grands modèles de langage, c’est-à-dire la phase où un modèle déjà entraîné répond aux utilisateurs, exécute une requête ou fait fonctionner un agent.

Le point important est industriel : OpenAI ne se contente plus d’acheter du calcul. L’entreprise conçoit désormais une partie du matériel autour de ses propres charges de travail. Broadcom apporte l’implémentation silicium, le réseau et les technologies de connectivité ; Celestica intervient sur les cartes, les racks et les systèmes.

OpenAI affirme que Jalapeño a été développé de la conception au tape-out en neuf mois et qu’il doit être déployé à l’échelle du gigawatt sur plusieurs générations. Les premiers déploiements de la plateforme sont annoncés pour la fin de 2026.

10 GW avec Broadcom : la puce maison devient une infrastructure

Jalapeño n’est pas un prototype isolé. Dès octobre 2025, OpenAI et Broadcom avaient annoncé une collaboration portant sur 10 GW d’accélérateurs d’IA personnalisés. OpenAI conçoit les accélérateurs et les systèmes ; Broadcom participe à leur développement et doit déployer des racks associant accélérateurs et solutions réseau Ethernet.

Le calendrier annoncé prévoit un démarrage des déploiements au second semestre 2026 et une montée en puissance jusqu’à la fin de 2029. À cette échelle, OpenAI ne cherche plus seulement quelques gains d’optimisation : il construit une seconde voie de calcul capable de compter dans son infrastructure globale.

Mais NVIDIA ne disparaît pas : OpenAI prévoit toujours au moins 10 GW de ses systèmes

Un mois avant l’annonce Broadcom, OpenAI et NVIDIA avaient annoncé un autre accord d’une taille comparable : au moins 10 GW de systèmes NVIDIA pour l’infrastructure de nouvelle génération d’OpenAI, représentant potentiellement des millions de GPU.

Le premier gigawatt de systèmes NVIDIA est prévu au second semestre 2026 sur la plateforme Vera Rubin. OpenAI décrit par ailleurs NVIDIA comme son partenaire stratégique privilégié pour le calcul et le réseau dans ses projets d’AI factories. NVIDIA a annoncé son intention d’investir jusqu’à 100 milliards de dollars dans OpenAI au fur et à mesure du déploiement des gigawatts.

Autrement dit, l’arrivée de Jalapeño ne signifie pas « OpenAI quitte NVIDIA ». Les deux trajectoires sont simultanées : OpenAI augmente massivement sa capacité avec NVIDIA tout en construisant une architecture personnalisée avec Broadcom.

Pourquoi concevoir un accélérateur quand on continue d’acheter NVIDIA ?

Parce qu’un grand laboratoire d’IA n’a pas nécessairement intérêt à faire fonctionner tous ses workloads sur le même matériel. L’entraînement de modèles de frontière, l’inférence interactive, les agents et les API n’imposent pas exactement les mêmes contraintes de débit, de latence, de consommation électrique ou de coût.

Jalapeño a précisément été conçu pour l’inférence LLM. OpenAI affirme que ses premiers résultats mesurés sur InferenceX, avec GPT-OSS 120B, montrent davantage de débit maximal par kilowatt et une latence de token plus faible que les systèmes commerciaux inclus dans cette comparaison. Ces résultats sont publiés par OpenAI lui-même et doivent donc être lus comme les mesures du concepteur, pas comme un verdict indépendant sur l’ensemble du marché.

Le bénéfice recherché est clair : lorsqu’une entreprise connaît exactement les modèles et produits qu’elle doit servir à très grande échelle, elle peut adapter le matériel à ses propres besoins au lieu de dépendre exclusivement d’accélérateurs généralistes ou semi-généralistes.

La vraie compétition se déplace du GPU vers le système complet

Une puce ne fonctionne jamais seule. Le partenariat Broadcom inclut aussi les systèmes, le réseau Ethernet, la connectivité, les racks et les partenaires de data centers. Le partenariat NVIDIA associe lui aussi matériel, logiciels et réseau, avec une co-optimisation annoncée entre les feuilles de route des modèles d’OpenAI et celles du matériel NVIDIA.

C’est pourquoi la « guerre des puces IA » devient en réalité une guerre d’architectures complètes : accélérateurs, réseau, mémoire, refroidissement, énergie, logiciels d’infrastructure et data centers doivent fonctionner ensemble. Concevoir son propre accélérateur donne davantage de contrôle, mais ne remplace pas instantanément l’écosystème construit autour d’un fournisseur historique.

OpenAI devient progressivement une entreprise « full stack »

Dans sa stratégie publiée en août 2026, OpenAI décrit désormais explicitement son calcul comme un système intégré allant des data centers et des puces jusqu’aux modèles, à la plateforme développeurs, aux produits grand public et aux futurs appareils natifs IA.

Ce mouvement rappelle une logique déjà connue ailleurs dans la technologie : lorsqu’un produit atteint une très grande échelle, contrôler davantage de couches du système peut améliorer l’optimisation et réduire certaines dépendances. Mais OpenAI ne construit pas pour autant tout seul : Broadcom, NVIDIA, Microsoft, Oracle, AWS, SoftBank et d’autres acteurs restent au cœur de son infrastructure.

Ce que Jalapeño change vraiment

Le changement n’est donc pas qu’OpenAI aurait trouvé un substitut à NVIDIA. Le changement est qu’un des plus grands clients du calcul IA devient lui-même concepteur d’accélérateurs et peut désormais répartir ses workloads entre plusieurs architectures.

Pour NVIDIA, cela signifie que ses plus gros clients peuvent aussi devenir des concepteurs de silicium personnalisé. Pour Broadcom, cela ouvre un marché où la valeur vient autant de la co-conception et du réseau que de la puce elle-même. Pour OpenAI, l’enjeu est de disposer de suffisamment de calcul, au bon coût et avec la bonne efficacité, pour soutenir une demande qui continue de croître.

La bataille du calcul IA change donc de nature : elle ne consiste plus seulement à savoir qui fabrique le GPU le plus puissant, mais qui peut assembler l’écosystème matériel et logiciel capable de produire des gigawatts d’intelligence utilisable.