Jusqu'ici, OpenAI achetait ses GPU à Nvidia, louait de la puissance de calcul chez Microsoft, et laissait les questions de fonderie à d'autres. Le 24 juin 2026, l'entreprise a annoncé conjointement avec Broadcom la conception d'une puce d'inférence optimisée pour les grands modèles de langage. Un pivot discret dans la forme, mais profond dans la logique industrielle.
Un chip pour faire tourner les modèles, pas pour les entraîner
La distinction mérite d'être précisée. L'entraînement d'un LLM mobilise des milliers de GPU pendant des semaines, avec des besoins en mémoire et en bande passante colossaux. L'inférence, c'est autre chose : c'est ce qui se passe chaque fois qu'un utilisateur envoie un message à ChatGPT et reçoit une réponse. Ce flux est massif, permanent, et représente l'essentiel de la facture de calcul d'OpenAI au quotidien.
Concevoir une puce spécifiquement pour cette phase, c'est vouloir l'optimiser en profondeur : réduire la latence, comprimer la consommation énergétique, améliorer le rapport performance-coût à l'échelle de milliards de requêtes. Les architectures génériques des GPU Nvidia sont redoutables pour l'entraînement, mais elles ne sont pas nécessairement le meilleur outil pour servir des tokens à la chaîne, vingt-quatre heures sur vingt-quatre.
C'est exactement le raisonnement qu'ont suivi Google avec ses TPU ou Amazon avec ses Inferentia. OpenAI arrive plus tard dans cette course au silicium maison, mais avec un avantage que ses concurrents n'avaient pas forcément au même stade : une connaissance intime de ses propres modèles, et donc la capacité de co-concevoir le hardware et le software ensemble.
Broadcom, le partenaire discret des grands projets de puces IA
Le choix de Broadcom n'est pas une surprise pour qui suit l'industrie des semi-conducteurs. L'entreprise californienne est depuis plusieurs années le partenaire de référence pour les ASIC (circuits intégrés spécifiques à une application) destinés à l'IA. Google lui confie une partie de la conception de ses TPU. Meta travaille avec elle sur sa propre infrastructure matérielle. Broadcom n'est pas un fondeur — la fabrication physique des puces sera assurée par TSMC ou un équivalent — mais un concepteur de silicium personnalisé, capable de traduire les contraintes logicielles d'un client en architecture matérielle.
Pour OpenAI, ce partenariat représente une façon d'avancer vite sans construire de zéro une équipe de centaines d'ingénieurs en conception de puces. Broadcom apporte l'expertise ; OpenAI apporte la connaissance de ses workloads. Le résultat est un chip pensé de l'intérieur pour les besoins précis de GPT-5 et de ses successeurs.
La logique d'une entreprise qui prépare son autonomie
Cette annonce s'inscrit dans un contexte financier et stratégique particulier. OpenAI a levé des sommes considérables ces derniers mois et prépare une introduction en bourse. Dans ce contexte, la dépendance structurelle à Nvidia — dont les GPU H100 et H200 coûtent plusieurs dizaines de milliers de dollars l'unité — est un risque visible pour n'importe quel investisseur institutionnel. Réduire cette dépendance, ou au moins démontrer qu'on en a la capacité, c'est aussi un argument de valorisation.
L'intégration verticale dans la tech n'est pas une idée neuve. Apple l'a théorisée avec ses puces M et A, qui lui donnent un contrôle total sur l'expérience utilisateur et des marges que ses concurrents sous Android ne peuvent pas atteindre. Amazon a suivi la même logique avec AWS Graviton pour les serveurs, puis Inferentia et Trainium pour l'IA. La question n'est pas de savoir si OpenAI avait envie de se lancer dans le hardware — c'est coûteux, long, risqué — mais si elle pouvait se permettre de ne pas le faire.
Avec des coûts d'inférence qui représentent probablement la plus grande ligne de dépense opérationnelle de l'entreprise, la réponse était non. Chaque point de pourcentage gagné en efficacité se traduit directement en marge, ou en capacité à baisser les prix pour gagner des parts de marché.
Les détails techniques de la puce — architecture, nœud de gravure, date de mise en production — n'ont pas été communiqués au moment de l'annonce. OpenAI n'a pas non plus précisé si ce chip serait destiné exclusivement à son infrastructure interne ou s'il pourrait un jour être proposé à des clients via son API. Cette deuxième hypothèse ouvrirait une perspective différente : celle d'OpenAI comme fournisseur d'infrastructure, concurrent direct d'AWS ou de Google Cloud sur leur propre terrain. Un scénario qui paraissait improbable il y a encore deux ans, mais que cette annonce rend un peu moins abstrait.
