Face à l'explosion des coûts d'inférence des agents IA, OpenAI réagit avec Jalapeño, un ASIC propriétaire en 3nm. En optimisant localement la gestion de la mémoire, cette puce contourne les limites de NVIDIA. L'impact métier est immédiat : une latence divisée par trois et des coûts d'API réduits de moitié pour vos applications de production. La publication des premiers résultats mesurés de Jalapeño à Hot Chips, le 25 août 2026, confirme qu'OpenAI ne se limite plus aux modèles et aux logiciels : l'entreprise conçoit désormais une partie de son propre matériel d'inférence. L'objectif affiché est d'augmenter la quantité de travail IA produite par unité d'énergie, de réduire la latence et de mieux maîtriser le coût de service à mesure que les usages agentiques augmentent. Cette stratégie réduit potentiellement la dépendance d'OpenAI aux accélérateurs généralistes, sans annoncer pour autant leur remplacement. OpenAI travaille avec Broadcom pour l'implémentation silicium, le réseau et la connectivité, tandis que Celestica apporte son expertise en cartes, racks et intégration système. OpenAI continue néanmoins d'indiquer qu'il déploiera largement des accélérateurs NVIDIA et d'autres partenaires pour l'entraînement comme pour l'inférence. La gamme GPT-5.6 Sol illustre parallèlement la hausse des besoins de calcul, mais OpenAI n'a pas établi de lien public direct entre son routage actuel et Jalapeño. Ce basculement rappelle que la compétitivité de l'IA générative dépend désormais autant des modèles et du logiciel de serving que de l'accès au silicium, à la mémoire, au réseau, à l'énergie et aux capacités de datacenter. Les puces sur mesure d'OpenAI rappellent une réalité devenue centrale : l'intelligence artificielle ne se joue plus uniquement dans les architectures de modèles, mais aussi dans les fonderies, la mémoire, les réseaux et l'accès à l'énergie. Jalapeño montre qu'une meilleure localisation du KV Cache et une co-conception matérielle peuvent déplacer la frontière coût-performance. Cela ne rend pas les LLM non portables, mais renforce l'écart potentiel entre un modèle théoriquement portable et un service optimisé pour une pile matérielle précise. Cette verticalisation invite les entreprises à mieux comprendre le matériel qui conditionne leurs services d'IA, sans pour autant abandonner la portabilité. Le meilleur compromis consiste à mesurer les performances réelles de chaque fournisseur, à conserver une couche d'abstraction lorsque le risque de dépendance est important et à exploiter les optimisations matérielles lorsqu'elles deviennent effectivement accessibles et documentées.