OpenAI a trouvé une façon de faire courir son modèle le plus puissant à une vitesse jusque-là réservée aux petits modèles. Le mode Ultrafast promet jusqu’à 750 tokens par seconde pour GPT-5.6 Sol, sans baisse annoncée de qualité. Mais la fusée propulsée par Cerebras ne décolle, pour l’instant, qu’avec quelques entreprises soigneusement choisies.
Le contraste est presque cruel. Quelques semaines après avoir ouvert GPT-5.6 au grand public, OpenAI présente une version capable de répondre à une vitesse vertigineuse… puis referme la porte. Ultrafast est disponible en preview limitée dans l’API OpenAI, uniquement pour un petit groupe de clients. Les autres peuvent s’inscrire pour être avertis lorsque la capacité augmentera.
750 tokens par seconde, sans modèle au rabais
Selon l’annonce publiée par OpenAI le 13 août 2026, Ultrafast fait tourner GPT-5.6 Sol jusqu’à 14 fois plus vite que le traitement Standard. Le débit peut atteindre 750 tokens de sortie par seconde. À cette cadence, une réponse de 1 500 tokens peut théoriquement être générée en deux secondes, hors temps initial de réflexion et variations liées à la charge.
La nuance compte : il ne s’agit pas d’un petit modèle sacrifiant ses capacités pour sprinter. OpenAI affirme conserver le même GPT-5.6 Sol, son modèle de pointe. Son mode Fast existant plafonne à 2,5 fois la vitesse standard et coûte deux fois plus cher, comme le rappelait notre article sur la nouvelle grille tarifaire de GPT-5.6. Ultrafast change donc brutalement d’échelle.
Le post officiel permet de voir immédiatement la promesse de vitesse mise en avant par OpenAI :
Cerebras fait sauter le frein matériel
Derrière cette accélération se trouve Cerebras, le challenger de Nvidia aux puces géantes. Son architecture Wafer-Scale Engine utilise une tranche de silicium entière et embarque 44 Go de mémoire SRAM. Les poids du modèle restent au plus près du calcul, au lieu d’effectuer de constants allers-retours avec une mémoire externe plus lente.
Cerebras attribue directement le gain à cette réduction des déplacements de données. L’entreprise avance aussi un gain de 5,6 fois de bout en bout sur le benchmark professionnel GDP-Val, sans perte de qualité mesurée. Ces tests ont toutefois été réalisés par Cerebras : ils décrivent une performance prometteuse, pas encore un verdict indépendant gravé dans le silicium.
Les agents IA cessent enfin de faire patienter
Le débit ne sert pas seulement à afficher du texte plus vite. Un agent doit souvent lire des journaux techniques, interroger plusieurs outils, vérifier une hypothèse puis recommencer. Chaque attente s’additionne. Avec Ultrafast, la boucle observation, analyse et action peut devenir presque interactive, notamment pour la réponse à incident, la recherche financière, le support vocal ou le commerce.
Pour Raphaël Vuillier, fondateur et CEO de StackEasy, cette accélération dépasse largement le simple confort : « La latence n’est pas un critère de confort, c’est une contrainte d’architecture. » Une chaîne d’agents comportant une douzaine d’étapes pourrait ainsi redevenir utilisable en temps réel, avec plusieurs réponses candidates, des boucles de vérification et une passe de critique avant la restitution.
OpenAI dit déjà tester le service sur ses propres incidents techniques. Des ingénieurs lui font lire des logs et des traces, synthétiser des conversations et préparer un correctif, tout en conservant la décision finale. C’est là que la vitesse devient plus qu’un confort : elle place l’agent sur le chemin critique. Une IA lente conseille après la bataille ; une IA très rapide peut encore peser pendant qu’elle se joue.
La vitesse ne fait toutefois pas disparaître tous les freins. Elle déplace le problème vers les appels aux systèmes métier, la récupération des données ou la validation humaine. Dans les secteurs régulés, rappelle Raphaël Vuillier, la traçabilité et la gouvernance restent autrement plus difficiles à résoudre : « Aucun de ces points ne se résout en tokens par seconde. »
Le prix reste soigneusement hors champ
OpenAI n’a communiqué ni tarif, ni quota, ni calendrier d’ouverture générale. Le service apparaît bien dans la documentation de l’API comme un niveau de traitement soumis à contrôle d’accès, mais l’entreprise se contente de promettre une extension progressive « à mesure que la capacité augmente ». Autrement dit, le compteur affiche 750 tokens par seconde, mais la caisse reste bâchée.
Raphaël Vuillier propose un critère beaucoup plus simple pour juger ce futur tarif : « Si personne n’attend, la vitesse ne se facture pas. » La prime aurait donc du sens pour un conseiller ou un gestionnaire assisté en direct, car « au-delà de deux ou trois secondes, l’outil est contourné ». Elle serait en revanche difficile à justifier pour la classification nocturne de documents, l’indexation ou le reporting par lots.
Le futur prix déterminera donc si Ultrafast sortira réellement des démonstrations techniques. Chaque seconde gagnée devra valoir davantage que son surcoût, faute de quoi le traitement standard restera le choix le plus rationnel, même s’il paraît soudain avancer avec le frein à main.
OpenAI transforme son pari Cerebras en produit
Cette preview matérialise un accord autrement plus lourd qu’un bouton « turbo ». OpenAI s’est engagé à acheter jusqu’à 750 mégawatts de capacité à Cerebras sur trois ans dans un contrat estimé à plus de 10 milliards de dollars. Les capacités doivent arriver par tranches jusqu’en 2028, principalement pour l’inférence et les modèles de raisonnement.
Pour OpenAI, l’opération réduit aussi la dépendance à l’écosystème Nvidia. Pour Cerebras, elle transforme une architecture spectaculaire en service utilisé par le modèle phare du moment. La prochaine bataille de l’IA ne portera plus seulement sur la qualité d’une réponse, mais sur la possibilité de l’obtenir avant que l’humain, le client ou l’incident ne passe déjà à autre chose.
- Partager l'article :
