Le 24 juin 2026, OpenAI et Broadcom ont officiellement annoncé Jalapeño, leur première puce ASIC (Application-Specific Integrated Circuit) dédiée à l'inférence de modèles de langage à grande échelle. L'objectif affiché par Sam Altman est une réduction de l'ordre de 50 % du coût d'inférence par rapport à l'utilisation de GPU standards — sans benchmark indépendant publié à ce stade. Le déploiement pilote est prévu fin 2026, avec une montée en charge progressive jusqu'à l'horizon H1 2028.
Cette annonce s'inscrit dans un mouvement de fond déjà engagé par Google (TPU), Amazon (Trainium) et Meta (MTIA) : les grands acteurs du cloud et de l'IA sortent progressivement de la dépendance exclusive aux GPU NVIDIA pour l'inférence à grande échelle. Pour les équipes techniques et les décideurs qui déploient ou envisagent des solutions IA en entreprise, comprendre ce que Jalapeño change — et ce qu'il ne change pas — est essentiel pour anticiper l'évolution des coûts et de l'offre dans les 18 mois à venir.
Pourquoi OpenAI passe aux ASIC : les limites du GPU pour l'inférence de masse
Un GPU (Graphics Processing Unit) comme le NVIDIA H100 ou B200 est une puce généraliste : elle peut aussi bien entraîner un modèle de diffusion que faire tourner un moteur de jeu ou exécuter des milliers de requêtes d'inférence en parallèle. Cette polyvalence a un coût : le GPU embarque des circuits inutiles pour l'inférence pure, consomme davantage d'énergie par token généré, et mobilise une surface de silicium non optimisée pour les patterns d'activation propres aux grands modèles de langage.
L'inférence, c'est-à-dire la génération de réponses par un LLM à partir d'un prompt utilisateur, représente aujourd'hui l'essentiel du trafic compute d'OpenAI : chaque appel à ChatGPT ou à l'API OpenAI est une tâche d'inférence. À l'échelle de dizaines de millions de requêtes par jour, même un gain marginal d'efficacité énergétique ou de débit par puce se traduit en centaines de millions de dollars d'économies annuelles.
Un ASIC résout ce problème en sacrifiant la polyvalence au profit de l'optimisation radicale. Jalapeño ne sait faire qu'une chose : exécuter de l'inférence de LLM, et le faire avec le moins de transistors inutiles possible. C'est ce qui permet d'atteindre des gains théoriques de l'ordre de 50 % sur le coût par token — un chiffre que les ingénieurs de Broadcom ont construit sur mesure autour des architectures Mixture of Experts (MoE) qu'OpenAI utilise dans ses modèles de production.
Pour les entreprises qui utilisent des API IA tierces, ce gain de coût côté fournisseur peut se traduire à terme par une baisse du prix des tokens facturés — ou par une capacité accrue pour un même budget. Pour celles qui envisagent de déployer des modèles en interne sur mesure, la dynamique ASIC annonce également l'arrivée de puces d'inférence moins chères sur le marché secondaire dans deux à trois ans.
Architecture de Jalapeño : ce que révèle Broadcom
Les informations techniques publiées à ce stade restent partielles — OpenAI et Broadcom n'ont pas diffusé de fiche technique complète. Voici ce qui est documenté par les sources officielles et relayé par les médias spécialisés.
Taille de die maximal (reticle-sized). Jalapeño utilise un die dit reticle-limited : la surface de silicium la plus grande qu'un masque lithographique peut exposer en une seule passe (environ 850 mm² selon les nœuds de fonderie actuels). Cette approche maximise le nombre de transistors fonctionnels sur une seule puce sans recourir à un assemblage chiplet multi-die, simplifiant l'empilement mémoire et réduisant la latence interne.
Spécialisation MoE. Les architectures Mixture of Experts activent, pour chaque token traité, seulement un sous-ensemble des paramètres du modèle — typiquement 2 à 8 experts sur plusieurs dizaines ou centaines. Les GPU généralistes gèrent mal ce pattern d'activation éparse car ils maintiennent l'ensemble du contexte en VRAM active. Jalapeño intègre, selon les sources disponibles, un routage matériel spécialisé pour ces flux d'activation partiels, réduisant les déplacements inutiles en mémoire.
Cycle de développement. La puce aurait été développée en neuf mois — un délai remarquablement court pour du silicium custom, rendu possible par le recours à des plateformes IP de Broadcom déjà validées en production (PHY SerDes, contrôleurs HBM, interconnexions). Ce raccourci a permis d'éviter les cycles de tape-out multiples habituels.
Deuxième puce : Strawberry. OpenAI et Broadcom auraient également annoncé une puce distincte baptisée Strawberry, ciblant les modèles de raisonnement (reasoning models) qui requièrent des profils de calcul différents de l'inférence conversationnelle classique. Les deux puces adressent donc des segments distincts du portefeuille de modèles OpenAI.
Calendrier : fin 2026, 2027, H1 2028 — trois phases de déploiement
OpenAI a communiqué une feuille de route en trois phases dont voici les grandes lignes, telles que documentées par les sources officielles et spécialisées :
- Fin 2026 — phase pilote. Les premiers exemplaires de Jalapeño entrent dans l'infrastructure d'OpenAI pour des tests de charge en production restreinte. L'objectif est de valider la stabilité du silicium, les drivers logiciels et la chaîne d'approvisionnement Broadcom avant une montée en puissance.
- 2027 — montée en charge. Déploiement progressif en data centers OpenAI, en parallèle de l'infrastructure GPU existante. Cette cohabitation GPU/ASIC est classique dans les grandes transitions silicium : les GPU restent nécessaires pour l'entraînement et les workloads qui ne correspondent pas au profil ASIC.
- H1 2028 — régime nominal. Jalapeño représente, selon les déclarations d'OpenAI, une proportion significative de la capacité d'inférence de l'entreprise. Les GPU NVIDIA demeurent indispensables pour l'entraînement de nouveaux modèles.
Ce calendrier dépend de facteurs externes : disponibilité des fonderies TSMC (ou TSMC-Advanced), chaînes d'approvisionnement en mémoire HBM, et validation logicielle des runtimes d'inférence (vraisemblablement un dérivé du stack CUDA ou une alternative maison). Tout glissement dans ces dépendances peut décaler les dates annoncées.
Pour les équipes qui planifient aujourd'hui des projets d'automatisation métier par IA avec des LLM, retenir l'horizon 2028 comme date de normalisation des nouvelles puces est raisonnable — les prix et disponibilités API devraient s'en ressentir à partir de 2027.
Impact économique : -50 % sur le coût d'inférence, qu'est-ce que ça signifie ?
La réduction de coût de 50 % annoncée par Sam Altman mérite d'être contextualisée avec précision : il s'agit d'une déclaration de l'entreprise, sans benchmark indépendant publié à ce jour. Les résultats finaux dépendront des conditions réelles de production — température, charge, configuration mémoire — et ne seront vérifiables qu'une fois Jalapeño en déploiement de masse.
Ce que ce chiffre signifie en pratique, si confirmé :
- Pour OpenAI, une réduction des charges variables d'infrastructure de l'ordre de plusieurs centaines de millions de dollars par an, à volume de requêtes constant.
- Pour les utilisateurs de l'API OpenAI, une pression à la baisse sur les tarifs au token — ce qui s'est déjà produit de manière marquée entre GPT-4 (2023) et GPT-4o (2024), en partie grâce à des optimisations similaires.
- Pour les entreprises qui déploient des solutions IA sur mesure consommatrices de tokens (RAG, agents, analyse documentaire), une amélioration du ROI sans changement d'architecture de leur côté.
À l'inverse, ce que Jalapeño ne change pas à court terme : les coûts d'entraînement (toujours sur GPU), la dépendance aux fournisseurs cloud pour les entreprises sans infrastructure propre, et les tarifs OpenAI avant 2027 au plus tôt.
Enfin, notons l'effet systémique : si Jalapeño tient ses promesses, NVIDIA subira une pression sur ses marges d'inférence — sans perdre le marché de l'entraînement, où le GPU reste incontournable. La dynamique de consolidation du marché silicium IA s'accélère.
ASIC souverain dans l'écosystème mondial : Jalapeño face aux TPU, Trainium et MTIA
OpenAI n'est pas pionnier dans cette démarche. Google développe ses TPU depuis 2016, actuellement à la génération v6 (Trillium), utilisés massivement pour Gemini. Amazon a lancé AWS Trainium 2 en 2024 pour les workloads d'entraînement et de fine-tuning. Meta déploie son MTIA (Meta Training and Inference Accelerator) en interne pour ses modèles Llama. Ce mouvement traduit une tendance structurelle : au-delà d'un certain volume de calcul, le coût d'un ASIC dédié (développement, NRE — Non-Recurring Engineering) devient inférieur à la facture GPU sur la durée.
Jalapeño se distingue par son positionnement inférence pure et son développement avec un partenaire tiers (Broadcom) plutôt qu'en interne. Cela ouvre une question pour l'industrie : Broadcom pourrait-il proposer une version de Jalapeño ou de la plateforme sous-jacente à d'autres clients ? Broadcom ne l'a pas confirmé, mais c'est cohérent avec son modèle d'ASIC pour hyperscalers (il développe déjà des puces custom pour Google et Meta).
Pour les entreprises européennes et les PME/ETI françaises, ce mouvement rappelle l'importance de la couche logicielle et du choix d'API plutôt que du silicium : vos pipelines IA continueront de fonctionner via API indépendamment de la puce sous-jacente. La vraie dépendance à surveiller est la concentration de l'offre API entre trois ou quatre acteurs. C'est précisément pour cette raison que des solutions de développement sur mesure intégrant des modèles open source déployables en local conservent une valeur stratégique au-delà des aspects de coût.
En cas de doute sur la stratégie IA adaptée à votre contexte, nous sommes disponibles pour un cadrage de 30 minutes.
FAQ — OpenAI et Broadcom dévoilent Jalapeño, leur puce ASIC pour l'inférence LLM : 50 % de coût en moins — architecture, calendrier et horizon 2028
Qu'est-ce qu'un ASIC et en quoi diffère-t-il d'un GPU ?
Un ASIC (Application-Specific Integrated Circuit) est une puce conçue pour une tâche unique. Jalapeño ne fait qu'une chose : exécuter de l'inférence LLM. À l'inverse, un GPU (NVIDIA H100, B200) est généraliste — entraînement, inférence, calcul scientifique, rendu 3D. Cette spécialisation permet à Jalapeño d'éliminer les circuits inutiles pour l'inférence, réduisant la consommation d'énergie et le coût par token généré.
La réduction de 50 % de coût est-elle garantie ?
Non. Il s'agit d'une déclaration de Sam Altman (CEO OpenAI) faite lors de l'annonce du 24 juin 2026. Aucun benchmark indépendant n'a été publié à ce stade. Le chiffre final dépendra des conditions réelles de production, de la charge et de la configuration mémoire. La réduction réelle sera vérifiable une fois Jalapeño en déploiement de masse, attendu fin 2026 pour les pilotes et H1 2028 pour le régime nominal.
Est-ce que Jalapeño rend NVIDIA obsolète ?
Non. Jalapeño est un ASIC d'inférence uniquement — il ne peut pas entraîner des modèles. L'entraînement de grands modèles de langage requiert des GPU NVIDIA (H100, B200, Vera Rubin) pour leur flexibilité et leur densité de calcul en virgule flottante. Jalapeño et les GPU coexisteront : NVIDIA reste incontournable pour la R&D et l'entraînement ; les ASIC prennent le relais pour l'inférence de masse à grande échelle.
Quel impact pour les entreprises qui utilisent l'API OpenAI aujourd'hui ?
À court terme (2026), aucun changement direct : les prix API ne devraient pas évoluer avant que Jalapeño soit en déploiement de masse. À moyen terme (2027-2028), si la réduction de coût annoncée se confirme, OpenAI pourrait répercuter une partie des économies sous forme de baisses tarifaires — comme cela s'est produit entre GPT-4 et GPT-4o. Pour les équipes qui consomment des volumes importants de tokens (RAG, agents, analyse documentaire), cela améliorera mécaniquement le ROI de leurs solutions.
Une PME ou ETI doit-elle attendre Jalapeño pour démarrer un projet IA ?
Non. Jalapeño n'est pas accessible directement aux entreprises — il s'agit d'infrastructure interne OpenAI. Son impact se ressentira via les prix API et la capacité disponible, pas via un accès direct au matériel. Les projets d'automatisation ou d'intégration IA peuvent et doivent démarrer maintenant : les architectures logicielles sont indépendantes du silicium sous-jacent et pourront tirer parti des baisses de prix futures sans refonte majeure.