OpenAI présente GPT-5.3-Codex-Spark basé sur des puces Cerebras plutôt que sur des accélérateurs Nvidia

# OpenAI abandonne Nvidia. Que signifie cela pour l'avenir de l'intelligence artificielle ?

Un moment s'est produit dans l'histoire des grands modèles de langage que beaucoup considéraient comme impossible. OpenAI a présenté GPT-5.3-Codex-Spark — le premier modèle phare de l'entreprise qui a été entraîné et déployé non pas sur les processeurs graphiques Nvidia, mais sur les puces alternatives Wafer Scale Engine 3 de Cerebras Systems. Cette étape révèle non seulement une réussite technique, mais un tournant dans l'économie de l'intelligence artificielle et dans la lutte pour l'indépendance des entreprises les plus puissantes de l'industrie.

Au cours des cinq dernières années, Nvidia a établi un contrôle quasi monopolistique sur le marché des accélérateurs pour l'entraînement des réseaux de neurones. Lorsqu'il est devenu clair que les architectures transformer nécessitaient une puissance de calcul énorme, tous les grands laboratoires — d'OpenAI à Meta et Google — ont misé sur ses GPU. Mais la dépendance envers un unique fournisseur comporte des risques. Les restrictions d'exportation vers la Chine, les pénuries de puces, les prix croissants — tout cela pesait sur les entreprises qui tentaient de mettre à l'échelle leurs modèles. OpenAI a souffert en silence comme tous les autres, mais a maintenant décidé d'agir.

Cerebras Systems a proposé une approche inhabituelle. Au lieu de créer des milliers de petits processeurs, l'entreprise a conçu la WSE-3 — un cristal de silicium monolithique de la taille d'une plaquette entière, impossible à monter sur un socket standard. Ce n'est pas simplement une puce, mais une mini-ferme entière sur un seul morceau de silicium, contenant plus de 900 000 cœurs. Il semble que cette solution allait à l'encontre des principes de modularité, mais c'est précisément cela qui a permis à Cerebras d'éviter les goulots d'étranglement du transfert de données entre les processeurs individuels — le principal ennemi de l'entraînement parallèle.

Lorsque OpenAI a testé l'entraînement de GPT-5.3-Codex-Spark sur la WSE-3, les résultats ont été inattendus. La vitesse de convergence du modèle est restée au niveau de l'entraînement sur Nvidia H100, mais a nécessité moins de synchronisation et de mouvement de données entre les accélérateurs. En d'autres termes, ces heures de temps d'inactivité du réseau que l'entreprise gaspillait auparavant peuvent maintenant être utilisées pour des calculs utiles. Cela signifie moins cher. Cela signifie plus rapide.

Mais l'essentiel n'est pas les chiffres techniques, mais la signification stratégique. OpenAI a démontré qu'une alternative à Nvidia existe et que les grands modèles peuvent être entraînés sur des puces autres que les siennes. C'est le premier défi sérieux au monopole, et le marché réagit déjà. D'autres entreprises — Intel avec son Gaudi, AMD avec EPYC et MI300, même Google avec TPU — savent maintenant qu'il existe une fenêtre d'opportunité. Si OpenAI peut réentraîner un modèle sur un nouveau matériel et obtenir des résultats comparables, elles le peuvent aussi.

L'économie de l'intelligence artificielle changera, mais pas instantanément. Cerebras ne peut actuellement pas produire la WSE-3 dans les volumes que Nvidia produit des H100. Reconstruire l'infrastructure, réécrire le code pour optimiser la nouvelle architecture — tout cela prendra du temps. Cependant, un début a été fait. Au cours des deux à trois prochaines années, nous verrons probablement des conceptions d'accélérateurs plus extravagantes, une expérimentation plus active avec des puces neuromorphes et des ordinateurs quantiques. Nvidia restera un acteur puissant, mais n'en sera plus le seul.

Pour les utilisateurs ordinaires de ChatGPT, cela ne changera pratiquement rien — le modèle reste le même, ses capacités inchangées. Mais pour l'industrie, la différence est énorme. OpenAI a prouvé que la grande intelligence peut être construite différemment, et que dans la course au matériel, le succès appartient non à ceux qui sont arrivés en premier, mais à ceux qui pensent plus vite.