IA dans la recherche fondamentale

Le 24 juin 2026, OpenAI et Broadcom ont présenté Jalapeño, présenté comme le premier « Intelligence Processor » d'OpenAI : un accélérateur pensé pour l'inférence des grands modèles de langage, c'est-à-dire le service des modèles aux utilisateurs, et non leur entraînement. La puce a été conçue par OpenAI à partir de sa connaissance des modèles, fabriquée par Broadcom, avec Celestica pour l'industrialisation des systèmes. Les deux sociétés revendiquent un cycle de neuf mois entre la conception initiale et le tape-out de fabrication, qu'elles qualifient de l'un des plus rapides jamais réalisés pour un ASIC haute performance. Les premiers tests indiqueraient une performance par watt « substantiellement » supérieure à l'état de l'art, sans chiffre publié à ce stade, un rapport technique étant promis dans les mois à venir. Le déploiement initial est prévu pour fin 2026, à l'échelle gigawatt avec Microsoft et d'autres partenaires. Jalapeño est le premier accélérateur d'une plateforme de calcul multi-générations que les deux entreprises construisent ensemble.

Le 23 juin 2026, Together AI a publié ParallelKernelBench, un banc d'essai conçu avec des chercheurs de Stanford, Caltech et UC San Diego pour mesurer la capacité des grands modèles de langage à écrire des noyaux de calcul (kernels) CUDA rapides et corrects pour le multi-GPU, à travers 87 charges de travail réelles. Les résultats sont décevants : en une seule tentative, le meilleur modèle ne produit que 28 solutions correctes sur 87, soit environ 32 %, dont seulement 22 plus rapides que la référence. Avec trois tentatives, le taux de noyaux à la fois corrects et plus rapides plafonne à 31 %. Les modèles testés, dont GPT-5.5, Claude Opus 4.7, Gemini 3 Pro et DeepSeek V4 Pro, produisent fréquemment des noyaux qui compilent mais renvoient des résultats erronés. Ces noyaux étant au coeur de la performance de l'entraînement et de l'inférence, l'étude pointe une limite persistante des modèles sur le code de bas niveau.

Le 19 juin 2026, Google Cloud et Anyscale ont décrit, dans un billet du Google Cloud Blog cosigné par un ingénieur de Google et un ingénieur d'Anyscale, des optimisations de Ray Serve pour le service de grands modèles de langage sur Google Kubernetes Engine. Trois changements sont mis en avant : l'intégration de HAProxy pour le routage interne, une architecture de diffusion directe des tokens qui contourne le routeur d'entrée, et un moteur d'exécution Ray de deuxième génération pour vLLM qui sort Ray du plan de données. Sur un banc d'essai à huit répliques servant le modèle Gemma 4 E2B sur des machines équipées de GPU NVIDIA HGX B200, les auteurs mesurent jusqu'à cinq fois plus de débit et huit fois moins de latence par rapport aux configurations précédentes de Ray Serve. Ces optimisations sont disponibles à partir de Ray 2.56.

Le 19 juin 2026, John Jumper, colauréat du prix Nobel de chimie 2024 pour les travaux sur AlphaFold, a annoncé son départ de Google DeepMind après près de neuf ans pour rejoindre Anthropic. Ce transfert, confirmé par Bloomberg, CNBC et TechCrunch, illustre l'intensité de la guerre des talents entre laboratoires d'IA. Anthropic n'a pas précisé le rôle que tiendra le chercheur, dont le profil s'inscrit dans les ambitions de la société en biologie computationnelle. Le mouvement survient quelques jours après le départ de Noam Shazeer de Google vers OpenAI.

Le 18 juin 2026, à VivaTech, Octave Klaba, PDG d'OVHcloud, a annoncé que l'hébergeur français entraînerait depuis zéro une famille de modèles d'IA de frontière, destinés à devenir open source une fois des performances suffisantes atteintes. Le pré-entraînement d'un premier modèle est déjà terminé sur Jupiter, le supercalculateur EuroHPC allemand présenté comme le plus puissant d'Europe. Klaba chiffre le coût de développement à 150-200 millions d'euros, contre environ 1 milliard d'euros auparavant ; ces montants restent des estimations annoncées, non auditées. L'entreprise s'engage à ne pas utiliser les données de ses clients pour l'entraînement. La base technique provient de l'acquisition de DragonLLM début 2026. Les benchmarks de performance n'ont pas été communiqués.