OpenAI présente ses modèles pour la conception de puces, misant sur des coûts inférieurs à ceux de l'open source

OpenAI étend ses modèles avancés à la conception de puces, aux sciences de la vie et à la finance, arguant qu'un modèle avec un coût initial plus élevé peut s'avérer rentable en effectuant une tâche avec moins d'essais.

Reuters a rapporté le 9 septembre que la directrice financière Sarah Friar a avancé cet argument lors de la conférence Communacopia + Technology de Goldman Sachs à San Francisco le 7 septembre.

Pour les entreprises qui essaient de décider entre des modèles haut de gamme et des modèles à faible coût, cela modifie le débat. Au lieu de demander quel modèle a le prix de token le plus bas, OpenAI aimerait que les clients considèrent quel modèle offre la tâche terminée la moins chère.

La conception de puces comme coin d'entrée, pas un remplacement EDA

OpenAI n'essaie pas de supplanter les systèmes d'automatisation de conception électronique que les ingénieurs utilisent actuellement pour développer des puces. Ses solutions, en fait, aident à améliorer ces processus en aidant les ingénieurs à analyser les problèmes, à évaluer les approches et à accélérer certaines tâches.

Selon Friar, la demande pour l'IA développée pour des tâches spécifiques augmente. Comme l'a rapporté Reuters, OpenAI teste également un modèle commercial où le prix dépend de l'efficacité de l'IA pour l'entreprise donnée plutôt que de la consommation.

Cela s'aligne avec la publication de Friar le 17 juillet qui suggérait l'importance de « l'Intelligence Utile par Dollar » par rapport au prix du token. Bien qu'un modèle moins cher puisse nécessiter plusieurs tentatives et révisions ainsi qu'une intervention humaine, un modèle plus cher peut s'avérer être une option plus rentable car il atteint le résultat plus rapidement.

Jalapeño comme point de preuve interne

La démonstration la plus claire de l'ingéniosité d'OpenAI est Jalapeño, sa toute première puce d'inférence personnalisée. L'entreprise a déclaré dans une publication du 25 août que sa technologie d'IA a facilité la transition de Jalapeño de l'étape de conception à la tapeout en seulement neuf mois.

Grâce à l'IA, les cycles de conception, de mesure et de vérification ont été raccourcis. L'IA a également été utilisée pour améliorer les performances des circuits arithmétiques et programmer la puce terminée.

OpenAI a affirmé que les performances de la puce Jalapeño étaient de 1,5 à 1,9 fois supérieures en ce qui concerne le travail d'IA par watt par rapport aux appareils équivalents GB200 et GB300 de Nvidia utilisés pour effectuer les calculs par GPT-OSS 120B, DeepSeek R1 et Kimi K2.5.

Selon les informations fournies par Cryptopolitan le 25 août, la puce conçue par Broadcom est strictement destinée aux besoins d'OpenAI et non à la vente sur le marché. Ces statistiques sont donc uniquement les chiffres d'OpenAI. SemiAnalysis a observé les exécutions d'InferenceX mais n'a pas reproduit indépendamment la suite de tests complète.

L'argument du coût par tâche, vérifié par rapport aux données externes

Friar a déclaré que la décision d'OpenAI de réduire le coût de leur produit de gamme inférieure Luna a contribué à une croissance presque décuple de son utilisation, ainsi qu'à augmenter le nombre d'utilisateurs de Codex à 25 millions, selon Reuters.

Les tests indépendants fournissent certaines preuves pour la déclaration de prix. Artificial Analysis compare le prix de GPT-5.6 Luna avec GLM-5.3 de Z.ai et établit le prix de Luna à environ 0,18 $ contre 2,01 $ pour GLM-5.3 pour une tâche standard.

Cependant, ce n'est pas exactement une comparaison à sens unique. GLM-5.3 a obtenu 45 à l'indice d'intelligence d'Artificial Analysis, ce qui donne à Luna un score de seulement 38. Ainsi, OpenAI a un avantage en termes de prix par tâche standard mais n'est pas nécessairement l'IA la mieux performante.

Un domaine qu'OpenAI entre tardivement

La conception de puces assistée par l'IA est déjà bien établie. Synopsys affirme que son copilote d'IA générative peut réduire le temps de récupération d'informations de 40 % et réduire le temps de solution de 10 à 20 fois.

Cadence a déclaré le 1er juin que son ingénieur IA autonome ChipStack peut réduire certains cycles de validation RTL de cinq semaines à moins d'un jour. L'AlphaChip de Google a également été utilisé dans des puces avancées à travers Alphabet.

Le véritable différenciateur d'OpenAI, alors, n'est pas l'affirmation selon laquelle l'IA peut aider à concevoir des puces. C'est l'argument selon lequel ses modèles propriétaires peuvent le faire à un coût par résultat réussi plus faible.

Pourquoi les enjeux continuent d'augmenter

Le marché derrière cet argument est énorme. PwC a déclaré le 2 septembre que les dépenses d'investissement en capital mondiales pour l'infrastructure d'IA pourraient atteindre 31,6 billions de dollars d'ici 2050, avec des dépenses annuelles passant d'environ 800 milliards de dollars en 2026 à 1,8 billion de dollars en 2050. Les mises à jour récurrentes des puces et des serveurs devraient entraîner une grande partie de ces dépenses.

Le rapport du 10 juillet de l'OCDE sur les marchés de l'IA ajoute le contre-argument : les prix ajustés à la qualité des modèles d'IA ont chuté de près de 80 % entre janvier 2024 et avril 2026, même si le calcul, les puces et autres intrants critiques sont restés fortement concentrés.

OpenAI mise sur une intégration plus étroite entre les modèles, les logiciels et le silicium pour transformer cette concentration en un avantage d'efficacité. Si elle réussit, le coût par tâche terminée pourrait compter plus que le prix du token – et devenir une autre force poussant l'IA vers des acteurs à pile complète.