OpenAI dévoile un modèle de code ultrarapide qui contourne les puces Nvidia

OpenAI a dévoilé GPT-5.3-Codex-Spark, un modèle spécialisé dans la génération de code qui tourne 15 fois plus vite que la version précédente. Mais la vraie nouvelle n'est pas tant la vitesse que la manière d'y parvenir : l'entreprise a optimisé l'architecture pour des puces non conventionnelles de la taille d'une assiette, contournant de fait sa dépendance critique aux GPU Nvidia, rares. Ce mouvement illustre la volonté d'OpenAI de maîtriser toute la pile, du logiciel au matériel physique, et souligne la rivalité croissante sur le marché des processeurs d'IA spécialisés.

Ces deux dernières années, Nvidia est devenue une sorte de goulet d'étranglement pour toutes les grandes entreprises d'IA. Les GPU H100 et A100, devenus la norme pour entraîner les grands modèles de langage, font l'objet d'une demande énorme, tandis que l'offre peine à suivre. Les prix piquent, les livraisons prennent du retard et les restrictions géopolitiques compliquent tout.

OpenAI, Meta*, Google : toutes cherchent soit à réduire leur dépendance à Nvidia, soit à mieux exploiter les ressources dont elles disposent. La société d'Elon Musk, x.AI, a récemment annoncé sa propre puce, Apple fait de même avec son Neural Engine, et Amazon investit dans les processeurs Trainium et Inferentia.

Le marché se fragmente, et OpenAI a décidé de ne pas rester à la traîne.

GPT-5.3-Codex-Spark est un développement ciblé. Alors que les modèles généralistes comme GPT-4o doivent gérer de nombreuses tâches, Codex se concentre sur une seule : écrire du code aussi vite et aussi précisément que possible.

Cela a permis aux ingénieurs d'OpenAI de mener une optimisation poussée. Ils ont remanié l'architecture pour les spécificités du codage, supprimé des couches de calcul superflues et restructuré les opérations tensorielles. Résultat : la même qualité de sortie pour un coût de calcul bien moindre.

Mais le principal changement concerne la couche matérielle. OpenAI a développé, ou repensé pour ses besoins, des puces non conventionnelles qui fonctionnent nativement avec cette architecture. Ces processeurs sont plus compacts que les GPU standard, s'intègrent plus facilement et exigent moins d'électricité et de refroidissement, autant d'éléments qui rendent les datacenters moins chers et plus résistants aux pannes.

Le gain de performances de 15 fois impressionne, mais le chiffre appelle du contexte. Il est probable qu'il ne signifie pas que le modèle effectue les calculs bruts 15 fois plus vite. Il s'agit du temps de génération de code de bout en bout, de la requête de l'utilisateur au résultat final. Ici, les améliorations s'additionnent : architecture optimisée, puces spécialisées, pipeline de traitement remanié. C'est une approche typique de l'industrie de l'IA : l'algorithme le plus efficace sur le matériel le plus efficace donne le meilleur résultat.

Pour l'industrie, cela implique plusieurs choses à la fois. D'abord, la pression sur Nvidia s'accentue. Si d'autres entreprises se mettent à utiliser avec succès leurs propres puces, la demande de GPU pourrait chuter. Ensuite, cela renforce la tendance à l'intégration verticale dans les laboratoires d'IA. Apple, Google, Meta* et désormais OpenAI développent tous leurs propres puces. Enfin, c'est une bonne nouvelle pour les développeurs : un générateur de code plus rapide et moins cher peut réduire le coût d'utilisation des API et rendre les assistants d'IA plus accessibles.

Mais OpenAI ne se débarrassera pas totalement de Nvidia. Les modèles généralistes exigent encore de puissants GPU pour l'entraînement. Les puces maison d'OpenAI semblent optimisées spécifiquement pour l'inférence, c'est-à-dire l'exécution de modèles déjà entraînés. C'est logique : l'entraînement est rare, tandis que les requêtes des utilisateurs arrivent en continu. OpenAI a trouvé le moyen de contrôler précisément la couche où l'on peut gagner de l'argent à grande échelle. Et c'est un choix stratégique judicieux.

*Meta a été reconnue organisation extrémiste et est interdite en Russie.