Fini les réponses de ChatGPT qui s’affichent mot après mot : OpenAI a changé de puces et cette vitesse ne sera pas offerte à tout le monde

Le défilement mot par mot qui a longtemps fait la réputation de ChatGPT est en train de disparaître, du moins pour certains usages. OpenAI vient de dévoiler un nouveau mode baptisé Ultrafast, capable de faire tourner son modèle le plus avancé jusqu’à 14 fois plus vite qu’en fonctionnement standard, grâce à des puces qui n’ont rien à voir avec les processeurs Nvidia habituellement utilisés. Problème : cette accélération spectaculaire ne sera pas accessible à tous les utilisateurs, du moins pas tout de suite, et probablement pas au même prix.

Cerebras, le fournisseur qui change la donne

OpenAI a ouvert un accès limité à un petit groupe de clients le 13 août 2026, avec l’intention d’élargir l’accès à mesure que la capacité le permettra. Le nom de cette nouveauté, Ultrafast, résume bien l’ambition : il s’agit d’un palier de l’API qui fait tourner GPT-5.6 Sol à une vitesse jusqu’à 14 fois supérieure sur du matériel Cerebras, avec le pari que la latence, et pas seulement l’intelligence, est ce qui rend les agents IA réellement utilisables.

Techniquement, la prouesse ne vient pas d’un modèle plus intelligent mais d’une architecture radicalement différente. Ultrafast n’est pas tant un nouveau modèle qu’une nouvelle façon d’en servir un existant. Les puces Cerebras fonctionnent selon une logique opposée à celle des GPU classiques : au lieu de multiplier les cartes graphiques reliées entre elles, l’entreprise grave un unique circuit géant, gigantesque à l’échelle d’une galette de silicium. Chaque accélérateur WSE-3 mesure 46 225 mm² et embarque 44 Go de mémoire SRAM. Cette mémoire, contrairement à la HBM qu’on trouve sur les cartes Nvidia, offre une bande passante qui donne le tournis : un seul GPU Nvidia Rubin délivre environ 22 téraoctets par seconde de bande passante mémoire, quand les puces Cerebras atteignent près de 1 000 fois plus, soit 21 pétaoctets par seconde.

Le résultat se mesure en tokens générés, l’unité de base d’une réponse d’IA. Le mode Ultrafast fait tourner GPT-5.6 Sol jusqu’à 14 fois plus vite que le traitement standard, à raison de 750 tokens de sortie par seconde. Pour donner une idée concrète de ce que cela représente, ce débit correspond à peu près à la vitesse à laquelle un lecteur très rapide parcourt un texte des yeux. La réponse s’affiche quasiment en un bloc, plutôt que caractère après caractère. Ce partenariat n’est pas né du jour au lendemain. Il s’agit d’un accord préparé depuis une décennie, les deux entreprises ayant échangé fréquemment depuis 2017 autour d’une conviction commune : un jour, l’échelle des modèles et l’architecture matérielle devraient converger.

Un accès à deux vitesses, littéralement

Voilà le point qui change tout pour l’utilisateur lambda de ChatGPT : cette vitesse fulgurante n’atterrit pas dans l’application grand public, du moins pas encore. Cette amélioration ne concerne pas les utilisateurs classiques de ChatGPT et reste réservée à un petit cercle via l’API. OpenAI cible en priorité des cas d’usage professionnels bien identifiés. Le laboratoire vise en priorité les travaux sensibles au temps : réponse aux incidents et débogage, recherche financière et détection de fraude, support client et voix en temps réel, ainsi que l’e-commerce. Des entreprises comme Jane Street, Podium, Basis ou Rogo font partie des premiers testeurs, et leur retour tranche avec l’enthousiasme habituel des communiqués : l’une d’elles décrit un changement qualitatif, la vitesse « changeant complètement l’expérience d’appel pour un travail complexe » et débloquant des expériences synchrones jusqu’ici limitées par l’intelligence du modèle.

Deux inconnues persistent, et elles ne sont pas anodines. Aucun prix n’a été publié, et l’accès reste limité à un petit groupe de clients pour l’instant. Ce silence sur la tarification n’a rien d’un oubli. Les puces Cerebras coûtent cher à produire et à opérer, et OpenAI l’a d’ailleurs reconnu sans détour lorsqu’un porte-parole a confirmé que les GPU restent la base de ses pipelines d’entraînement et d’inférence et délivrent les tokens les plus rentables pour un usage large. la vitesse extrême a un coût, et ce coût ne sera probablement répercuté que sur les usages où elle change vraiment la donne, pas sur une simple question posée à ChatGPT un dimanche soir. Ce n’est d’ailleurs pas la première fois que cette logique s’applique : dès février 2026, OpenAI avait déjà réservé un modèle propulsé par Cerebras, dédié au code, aux seuls abonnés payants les plus engagés, via son application de développement.

Pourquoi la rapidité devient un argument de vente à part entière

Ce virage traduit un changement plus profond dans la manière dont les laboratoires d’IA pensent leur produit. Pendant deux ans, la course s’est jouée sur la qualité des réponses : plus de raisonnement, moins d’hallucinations, plus de contexte. Désormais se dessine une évolution où les plateformes IA ne vendront plus seulement de l’intelligence mais aussi différentes classes de vitesse, alors qu’on s’était habitué à arbitrer entre intelligence, rapidité et coût : besoin d’un raisonnement complexe, on acceptait d’attendre ; besoin d’une réponse instantanée, on basculait vers un modèle plus petit. OpenAI veut casser cette équation. Le raisonnement stratégique est limpide : la faible latence ne rend pas seulement l’expérience plus agréable, elle change le comportement des utilisateurs, qui ont tendance à pousser l’outil plus loin, poser plus de questions de suivi, générer des blocs de code plus longs et s’appuyer sur l’IA pour des tâches proches de la collaboration plutôt que de la simple consultation.

Reste une question que personne n’a encore vraiment tranchée : à quel rythme cette vitesse va-t-elle descendre jusqu’à l’abonnement grand public. OpenAI a indiqué vouloir intégrer cette capacité à faible latence à son infrastructure d’inférence par phases, en l’élargissant progressivement à différents types de charges de travail. Pour l’instant, celui qui paie un abonnement classique continuera de voir le texte se dérouler à un rythme familier, pendant que quelques entreprises triées sur le volet testent déjà un ChatGPT qui répond presque avant d’avoir fini de poser la question. La démocratisation viendra, mais visiblement au prix fort d’abord.

Sources : openai.com | cerebras.ai | informatiquenews.fr