Stargate, Spud et abonnements : le levier compute de la remontada d'OpenAI

Deux communiqués en vingt-quatre heures

Le 28 avril 2026, le Wall Street Journal publie une enquête embarrassante : OpenAI aurait manqué son objectif interne d’un milliard d’utilisateurs hebdomadaires fin 2025 (le chiffre communiqué plafonnait à 800 millions), raté plusieurs cibles de revenus mensuels, et sa directrice financière, Sarah Friar, aurait averti en privé que l’entreprise pourrait ne pas être en mesure de financer ses engagements de compute, dont le total se chiffre en centaines de milliards de dollars. La réponse officielle fuse, cinglante : « du pur clickbait », l’entreprise « tourne à plein régime », et Altman et Friar se déclarent « totalement alignés pour acheter autant de compute que possible ».

Le lendemain, 29 avril, OpenAI publie un billet au titre programmatique, « Building the compute infrastructure for the Intelligence Age », et y annonce une performance : l’objectif de 10 gigawatts de capacité sécurisée aux États-Unis, fixé pour 2029 au lancement de Stargate, est déjà dépassé, « un peu plus d’un an plus tard », dont plus de 3 gigawatts ajoutés sur les seuls 90 derniers jours.

Un article accablant le lundi, un communiqué triomphal le mardi. Le plus intéressant est que les deux disent vrai. Ils ne parlent simplement pas du même gigawatt, et distinguer les deux est tout l’enjeu. Derrière la remontada d’OpenAI dans l’IA de codage, il y a un pari d’infrastructure d’une ampleur sans précédent, et pour le lire correctement il faut apprendre à distinguer trois états de la matière compute : le sécurisé, le construit, le branché. Le gigawatt d’annonce n’est pas celui qui sert vos tokens.

Un gigawatt, trois états

État	Capacité	Nature du chiffre
Sécurisé (contrats)	> 10 GW	auto-déclaré, communiqué du 29 avril
En construction	~9 GW planifiés, 7 sites	estimation Epoch AI
Branché (total, fin 2025)	1,9 GW	déclaration de la CFO Sarah Friar
Branché (Abilene, printemps 2026)	~0,3 GW (4 bâtiments sur 8)	estimation Epoch AI + communication Oracle

Commençons par le sécurisé, puisque c’est lui qui fait les titres. Les 10 gigawatts « dépassés avec des années d’avance » sont des engagements contractuels : des accords signés avec des fournisseurs pour construire et livrer de la capacité. Le communiqué du 29 avril a d’ailleurs discrètement redéfini le périmètre : « Stargate » n’y désigne plus la coentreprise annoncée en janvier 2025 avec Oracle, SoftBank et MGX, mais « l’effort de long terme d’OpenAI pour bâtir sa fondation de compute », englobant l’ensemble de ses partenaires, fournisseurs de cloud, neoclouds, fabricants de puces et énergéticiens. Le détail savoureux : sur les 3 gigawatts sécurisés en 90 jours, environ 2 proviennent d’Amazon Web Services. La coentreprise qui devait affranchir OpenAI des hyperscalers sécurise désormais sa capacité… chez eux.

Ce glissement n’est pas un hasard. Le Financial Times a rapporté qu’OpenAI a, en pratique, abandonné la structure de coentreprise au profit de grands accords bilatéraux, après une année où la coentreprise n’a ni recruté ni développé de datacenter en propre, les partenaires s’étant disputés sur le contrôle. Le programme phare a connu des ratés très concrets : l’expansion du site d’Abilene au-delà de 1,2 gigawatt a été abandonnée en mars après l’échec des négociations de financement, Bloomberg citant les prévisions de demande « changeantes » d’OpenAI ; Microsoft a récupéré les 900 mégawatts adjacents ; et au Nouveau-Mexique, le pipeline de gaz censé alimenter le futur site géant de Project Jupiter a été bloqué par l’administration foncière de l’État.

Vient ensuite le construit : environ 9 gigawatts planifiés sur sept sites américains, six en chantier. Puis le branché, et c’est là que les ordres de grandeur se contractent brutalement. Selon l’analyse par imagerie satellite d’Epoch AI, recoupée avec une communication d’Oracle, le site phare d’Abilene opérait ce printemps autour de 0,3 gigawatt, quatre bâtiments sur huit, avec des pannes de plusieurs jours au cours de son premier hiver d’exploitation. Et la CFO d’OpenAI elle-même situait la capacité effective de l’entreprise fin 2025 à 1,9 gigawatt, tous sites et partenaires confondus. Dix gigawatts sécurisés, neuf planifiés, moins de deux branchés : voilà la photographie honnête de mi-2026.

Reste le prix de la matière. Le PDG de Crusoe, le développeur d’Abilene, a lâché un chiffre devant des étudiants de Stanford : ses datacenters coûtent 19,2 milliards de dollars par gigawatt (environ 17,7 milliards d’euros) une fois incluses les centrales à gaz qui les alimentent, plus du double des 9 à 11 milliards d’un « powered shell » classique raccordé au réseau. À ce tarif, les 10 gigawatts sécurisés représentent un mur d’investissement à douze chiffres, ce qui redonne tout son poids aux inquiétudes rapportées par le WSJ. Dans notre dossier GLM-5.2, nous citions l’engagement Stargate (500 milliards de dollars, 10 gigawatts) dans une asymétrie de un à trois mille face au compute de recherche d’un laboratoire chinois sous embargo. Ce dossier-ci ajoute la nuance qui manquait : ce demi-billion est un engagement, pas une dépense, et encore moins une capacité en service.

Spud, le modèle qui dort à Abilene

Pourquoi cette course, alors que le déployé suit si loin derrière ? Parce que le compute sécurisé d’aujourd’hui est le modèle de l’année prochaine, et OpenAI vient d’en faire la démonstration avec le modèle qui a lancé sa remontada.

GPT-5.5, sorti le 23 avril, portait en interne le nom de code « Spud ». Derrière la pomme de terre se cache un événement d’ingénierie : le premier ré-entraînement complet de la base d’OpenAI depuis GPT-4.5, dont le pré-entraînement s’est achevé le 24 mars sur le site Stargate d’Abilene, sur l’infrastructure cloud d’Oracle et des systèmes NVIDIA GB200. C’est écrit noir sur blanc dans le communiqué du 29 avril, et les dirigeants n’ont pas caché l’enjeu : Greg Brockman décrit « peut-être deux ans de recherche qui arrivent à maturité dans ce modèle », Altman parle d’« une nouvelle base, un nouveau pré-entraînement ». La presse spécialisée a même rapporté qu’OpenAI avait fermé son générateur vidéo Sora fin mars pour réallouer du compute, un signal de rationnement que l’entreprise n’a jamais confirmé officiellement.

Suivez maintenant l’économie de cette base, parce qu’elle explique la gamme tarifaire de GPT-5.6 mieux que n’importe quel argumentaire commercial. Un pré-entraînement complet est une dépense d’investissement : des mois de cluster, un coût fixe énorme, payé une fois. Tout ce qui suit (les post-entraînements, les déclinaisons, les paliers) exploite cet actif à coût marginal décroissant. GPT-5.6 est arrivé moins de trois mois après 5.5 avec Sol au même prix que 5.5, Terra « compétitif avec 5.5 » à moitié prix et Luna à un sixième : c’est la signature d’un actif qu’on amortit en le déclinant, pas d’une nouvelle base qu’on refinance. Une rumeur d’analyste, issue d’un unique tweet non corroboré, va plus loin en affirmant que 5.5 et 5.6 partagent littéralement la même base « Spud » d’environ 4 000 milliards de paramètres et que 5.6 clôt la série ; nous la rapportons pour ce qu’elle est, une hypothèse invérifiable à ce jour. Mais le motif économique, lui, est documenté par les prix : une génération se paie en compute d’entraînement, puis se monnaie en paliers d’inférence.

Vendre la vitesse : Cerebras, Spark, Jalapeño

L’autre moitié du pari compute ne concerne pas l’entraînement mais le service, et elle éclaire un pan entier de l’arbitrage économique décrit dans le premier dossier : la vitesse est devenue un produit.

Le 14 janvier, OpenAI signe avec Cerebras, le fabricant des processeurs à l’échelle du wafer, pour 750 mégawatts de compute d’inférence à basse latence livrés d’ici 2028. Annoncé au-delà de 10 milliards de dollars, le contrat a été réévalué au-delà de 20 milliards (18,4 milliards d’euros) dans un dépôt boursier de Cerebras en juin, avec une option d’extension à 2 gigawatts d’ici 2030. Ce que sert cette capacité s’appelle GPT-5.3-Codex-Spark : un modèle distillé pour la vitesse, servi à plus de 1 000 tokens par seconde sur le Wafer Scale Engine 3, dont l’architecture garde les poids en mémoire ultra-rapide sur la puce au lieu de les faire transiter depuis la mémoire externe. Et fin juin, la préversion de GPT-5.6 promettait Sol « jusqu’à 750 tokens par seconde » sur Cerebras courant juillet, un chiffre prospectif, annoncé par OpenAI seul, que nous revérifierons.

Puis il y a la puce maison. Le 24 juin, OpenAI a dévoilé Jalapeño, son premier ASIC ASIC Application-Specific Integrated Circuit. Circuit intégré conçu pour une tâche unique, gravé en dur dans le silicium. Très efficace en énergie sur ce pour quoi il a été conçu, incapable du reste. d’inférence, co-conçu avec Broadcom, gravé chez TSMC, du cahier des charges au silicium en neuf mois. Les échantillons d’ingénierie font déjà tourner Spark en laboratoire ; le déploiement commercial est visé pour fin 2026, avec 10 gigawatts d’accélérateurs maison à l’horizon 2029.

Partenaire	Périmètre	Statut mi-2026
Cerebras	750 MW basse latence, > 20 Md$ (18,4 Md€)	signé (dépôt SEC), sert Spark
Broadcom / TSMC	puce maison Jalapeño, 10 GW visés d'ici 2029	échantillons en labo, déploiement fin 2026
NVIDIA	Lettre d'intention 10 GW, jusqu'à 100 Md$ (92 Md€)	« n'avancera pas comme communiqué »
AMD	6 GW MI450 + bon de souscription ~10 % du capital	première phase fin 2026
AWS	38 Md$ (35 Md€) sur 7 ans	signé, ~2 GW sécurisés au printemps
Microsoft Azure	engagement additionnel de 250 Md$ (230 Md€)	partenaire cloud primaire jusqu'en 2032

Qui paie l’abonnement de qui

Car c’est le paradoxe de la remontada : la conquête des développeurs se fait à des tarifs que les coûts ne justifient pas encore.

SemiAnalysis a fait l’expérience la plus parlante du printemps : acheter chaque niveau d’abonnement des deux fournisseurs et les épuiser méthodiquement avec des charges de codage agentique. Résultat : un abonnement ChatGPT Pro à 184 € par mois (200 dollars) pleinement utilisé délivre environ 12 900 € de tokens valorisés au tarif API (14 000 dollars) ; l’équivalent chez Claude, le Max 20x, environ 7 400 € (8 000 dollars). Un levier de 40 à 70 fois entre le prix payé et la valeur consommée. Le chiffre demande sa nuance méthodologique : la valeur au tarif API inclut la marge du fournisseur, et le coût réel de compute est plutôt de l’ordre de 15 à 20 fois l’abonnement. Mais même corrigé, le verdict tient : les utilisateurs intensifs sont massivement subventionnés. SemiAnalysis estime qu’OpenAI passe en marge brute négative dès qu’un abonné Plus utilise plus de 11,4 % de son plafond, et à zéro vers 5,7 % sur le haut de gamme ; Anthropic, mieux protégé par ses puces dédiées, tiendrait jusqu’à environ 20 et 10 % respectivement.

Pour comprendre pourquoi c’est arrivé maintenant, il faut regarder ce qu’une tâche d’agent consomme réellement. SemiAnalysis chiffre le travail agentique type à environ 96 000 tokens, jusqu’à mille fois un prompt de chat classique : là où une question de conversation coûte une fraction de centime, une session de codage qui lit le dépôt, raisonne, teste et se corrige mobilise l’équivalent d’un petit livre à chaque tour de boucle. Les abonnements ont été tarifés pour l’utilisateur de chat, dont le coût de service se compte en dizaines de centimes par mois (environ 0,70 dollar pour un utilisateur gratuit, selon la même analyse), et Sacra estime qu’un tiers des coûts d’inférence d’OpenAI part encore éponger ce palier gratuit. Puis les agents sont arrivés dans les mêmes forfaits, avec des profils de consommation mille fois supérieurs. Les opérateurs télécoms ont connu exactement cette collision : des forfaits « illimités » dimensionnés pour la voix et le mail, percutés par le streaming vidéo, trois ordres de grandeur de trafic sous le même contrat. Tout le printemps des abonnements raconté dans le premier dossier (la scission annoncée puis annulée chez Anthropic, le cas Uber, les quotas qui montent et descendent) découle de cette collision entre une tarification pensée pour la conversation et un usage devenu industriel.

Les finances globales racontent la même histoire à l’échelle. Selon les données de Sacra et The Information, OpenAI a dégagé environ 33 % de marge brute en 2025, avec des coûts d’inférence de 7,7 milliards d’euros (8,4 milliards de dollars) projetés à 13 milliards en 2026, une consommation de trésorerie de l’ordre de 25 milliards d’euros cette année, et pas de flux de trésorerie positif espéré avant 2030. En face : 50 millions d’abonnés payants et 900 millions d’utilisateurs hebdomadaires revendiqués en février, un chiffre d’affaires annualisé d’environ 23 milliards d’euros mi-2026, et un dossier d’introduction en bourse déposé confidentiellement le 8 juin, pour une valorisation évoquée jusqu’à mille milliards de dollars. Sam Altman avait donné le ton dès janvier 2025, avec une franchise devenue célèbre : « nous perdons de l’argent sur les abonnements Pro », parce que les gens « l’utilisent beaucoup plus que prévu ». Le pari qui rend tout cela tenable porte un chiffre, avancé par Sarah Friar : entre GPT-5 et GPT-5.4, le coût de service d’un niveau de capacité donné aurait chuté d’environ 97 %. Tant que cette courbe de déflation tient, subventionner l’usage d’aujourd’hui revient à acheter la clientèle qui paiera les coûts effondrés de demain. Si elle cale, le S-1 racontera une autre histoire.

L’autre modèle : Anthropic et le multi-cloud

Le contraste avec Anthropic mérite sa section, parce que les deux stratégies de compute sont presque des idéaux-types. Là où OpenAI contractualise des gigawatts tous azimuts sous une marque unique, Anthropic assume un multi-cloud d’arbitrage : « nous entraînons et servons Claude sur AWS Trainium, les TPU TPU Tensor Processing Unit. L'ASIC d'accélération ML de Google. Ce n'est pas une puce isolée mais un réseau : des chips reliés directement par l'interconnexion ICI en topologie tore, chacun combinant des TensorCores (matmul dense) et des SparseCores (embeddings, collectives). Il ne sait parler qu'au compilateur XLA. de Google et les GPU NVIDIA », chaque charge routée vers la puce la plus adaptée. Les chiffres sont du même ordre de démesure, mais la répartition diffère : le campus Project Rainier dans l’Indiana, environ un demi-million de puces Trainium2 en service depuis l’automne, un accord AWS étendu jusqu’à 5 gigawatts et plus de 100 milliards de dollars sur dix ans ; jusqu’à un million de TPU Google et plus d’un gigawatt en ligne en 2026, étendus en avril avec Broadcom vers 3,5 gigawatts supplémentaires à partir de 2027 ; un premier gigawatt de systèmes NVIDIA ; 30 milliards d’engagement Azure. Et un accord ponctuel révélateur : plus de 300 mégawatts repris à SpaceX en mai, dont Anthropic a explicitement fait le carburant du doublement des limites de Claude Code, l’un des épisodes du printemps des abonnements. La capacité achetée se lit directement dans les quotas.

Attention toutefois au piège des périmètres, car il guette des deux côtés. L’analyse satellite de Cleanview a fait remarquer que le campus d’Anthropic dans l’Indiana a franchi le gigawatt en service en mars, « cinq fois la capacité de Stargate au même moment » : la formule est exacte, mais elle compare un campus à un programme, et des états différents de la matière compute. La symétrie honnête tient en une phrase : Anthropic a branché du gigawatt plus vite, OpenAI en a contractualisé davantage. Lequel des deux a raison dépend d’une seule variable, la vitesse à laquelle la demande d’inférence rattrapera les chantiers, et personne ne la connaît. Ce qui se mesure déjà, en revanche : un chiffre d’affaires annualisé passé de 9 milliards de dollars fin 2025 à plus de 30 en avril puis 47 en mai, la plus forte accélération du secteur, portée à 80 % par les entreprises.

GPT-6, ou la prochaine base

Reste l’horizon, et il impose la sobriété, parce que le folklore y a déjà fait des dégâts. Ce qui est établi : GPT-6 arrivera plus vite que les 28 mois qui ont séparé GPT-4 de GPT-5, et Altman en a désigné l’axe prioritaire, la mémoire (« les gens veulent de la mémoire »). Ce qui a déjà été démenti par les faits : le bond de « 40 % » sur les benchmarks, le contexte de deux millions de tokens, le lancement d’avril, la super-app avec navigateur intégré (ironie : la fusion a bien eu lieu, en juillet, et le navigateur Atlas ferme). Ce qui relève du tweet unique : GPT-5.6 dernier de la série 5.x, GPT-6 « sous un mois », sur une base nettement plus grosse que Spud. Et ce qui relève du marché : les paris Polymarket sur une sortie en 2026, un sentiment, pas une information. Nous avons gelé ce dossier le 11 juillet ; l’encadré de mise à jour est prévu, comme sur les deux volets précédents de cette série.

Sur le fond, pourtant, une chose est presque certaine, et elle résume tout ce dossier : la prochaine base se paiera en gigawatts, et elle s’entraînera sur des sites qui, aujourd’hui, sont des chantiers. C’est la grammaire du secteur qui s’est écrite ce printemps : les modèles passent, les benchmarks se périment, les prix se réajustent chaque semaine, mais les gigawatts, eux, restent, et la frontière appartient à qui peut financer le pré-entraînement suivant. À cette grammaire, notre dossier GLM-5.2 avait documenté l’exception qui la conteste : un laboratoire sous embargo qui fabrique la frontière à l’économie, faute de pouvoir l’acheter. Entre le demi-billion contractualisé d’un côté et les 216 millions de compute de recherche de l’autre, la course de 2027 se jouera moins sur l’intelligence des modèles que sur le rendement du capital qui les fait naître. Et sur ce terrain-là, personne n’a encore prouvé que dépenser plus, c’est durer plus longtemps.

Sources et méthode

Devises converties au taux indicatif 1 USD = 0,92 EUR (mi-2026). Date de gel rédactionnel : 11 juillet 2026 ; un encadré de mise à jour sera ajouté si les faits évoluent (notamment : Sol servi sur Cerebras, statut de la tarification Anthropic). Étiquettes : fait vérifié (source primaire), estimation (analyse tierce), auto-déclaré (chiffre d’éditeur), hypothèse (rumeur ou raisonnement assumé).

Stargate : sécurisé, construit, branché

• Auto-déclaré : OpenAI, Building the compute infrastructure for the Intelligence Age (openai.com, 29 avril 2026) : > 10 GW sécurisés, +3 GW en 90 jours, périmètre « écosystème » ; GPT-5.5 « entraîné sur notre site phare d’Abilene » (OCI, NVIDIA GB200). Bloomberg (29-30 avril) : ~2 des 3 GW proviennent d’AWS.
• Fait : Wall Street Journal (28 avril 2026) : objectifs utilisateurs et revenus manqués, inquiétudes de financement ; réponses publiques d’OpenAI le même jour. Financial Times : abandon de la structure de coentreprise au profit d’accords bilatéraux.
• Estimation : Epoch AI, OpenAI Stargate: where the US sites stand (imagerie satellite, printemps 2026) : ~0,3 GW en service à Abilene (4/8 bâtiments), ~9 GW planifiés. Fait : capacité effective fin 2025 de 1,9 GW (déclaration Sarah Friar, via Data Center Dynamics).
• Fait : Bloomberg (6 mars 2026) : expansion d’Abilene abandonnée, reprise des 900 MW par Microsoft ; blocage du pipeline de Project Jupiter (Nouveau-Mexique, mars). Coût par GW : déclaration du CEO de Crusoe (19,2 Md$/GW gaz compris, contre 9-11 Md$ en powered shell), via Cleanview/Distilled.

Spud et l’économie des bases

• Fait : « Spud » = nom de code de GPT-5.5 (Axios, 23 avril 2026), premier ré-entraînement complet de la base depuis GPT-4.5, pré-entraînement achevé le 24 mars (The Information) ; verbatims Brockman (« two years of research ») et Altman (« une nouvelle base »). Prix GPT-5.6 : openai.com/index/gpt-5-6.
• Estimation : fermeture de Sora fin mars pour réallocation de compute (presse spécialisée, non confirmé par OpenAI).
• Hypothèse : base commune 5.5/5.6 « ~4T », « 5.6 dernier de la série » : tweet d’analyste unique (~7 juillet), non corroboré, rapporté comme tel.

La vitesse comme produit

• Fait : partenariat Cerebras (14 janvier 2026, 750 MW jusqu’en 2028) réévalué > 20 Md$ par dépôt SEC (Reuters, 23 juin) ; GPT-5.3-Codex-Spark sur WSE-3 (> 1 000 tok/s, préversion Pro, limites ajustables). Sol « up to 750 tok/s » sur Cerebras : page de préversion OpenAI (26 juin), prospectif, sans communiqué Cerebras dédié.
• Fait : Jalapeño : annonce OpenAI/Broadcom (24 juin 2026, via Axios/CNBC) ; protocole d’accord Broadcom 10 GW (octobre 2025). NVIDIA : Lettre d’intention 10 GW / 100 Md$ (septembre 2025), « n’avancera pas comme communiqué » (The Information). AMD : 6 GW + bon de souscription (octobre 2025). AWS : 38 Md$/7 ans. Azure : 250 Md$ d’engagement additionnel.

L’économie des abonnements

• Estimation : SemiAnalysis (juin 2026, tests d’épuisement des abonnements) : ~14 000 $ de valeur tokens sur ChatGPT Pro 200 $, ~8 000 $ sur Claude Max 20x, seuils de marge (11,4 % / 5,7 % ; ~20 % / ~10 %), tâche agentique ~96 000 tokens, utilisateur gratuit ~0,70 $/mois. Nuance valeur API ≠ coût de compute (~15-20×) explicitée dans le corps du texte.
• Estimation : Sacra : marge brute ~33 % (2025), inférence 8,4 → 14,1 Md$, trésorerie consommée ~27 Md$ (2026), flux de trésorerie positif pas avant 2030 ; allocation ~1/3 des coûts d’inférence au palier gratuit.
• Fait : 900 M d’utilisateurs hebdo et 50 M d’abonnés payants (annonce du 27 février, via TechCrunch) ; S-1 confidentiel (8 juin) ; « we are currently losing money on openai pro subscriptions » (Altman, janvier 2025) ; déflation ~97 % du coût de service GPT-5 → 5.4 (Sarah Friar, podcast All-In).

Anthropic

• Fait : multi-cloud revendiqué (Trainium, TPU, NVIDIA) ; Project Rainier (~500 000 Trainium2, extension jusqu’à 5 GW, > 100 Md$/10 ans) ; Google TPU (jusqu’à 1 M de puces, > 1 GW en 2026) + extension Broadcom (~3,5 GW, 2027) ; 1 GW NVIDIA (8-K) ; 30 Md$ Azure ; accord SpaceX > 300 MW lié au relèvement des limites Claude Code (communiqué du 6 mai). CA annualisé 9 → 30 → 47 Md$ (déclarations Anthropic, fév-mai 2026).
• Estimation : campus Indiana > 1 GW en mars, « 5× Stargate au même moment » (Cleanview) : périmètres asymétriques, signalés dans le corps du texte.

GPT-6

• Fait : calendrier resserré et priorité mémoire (déclarations publiques d’Altman). Hypothèse : tout le reste (specs, dates, base), y compris le folklore déjà démenti, listé dans le corps du texte pour ne pas être repris.

Note de méthode. Ce dossier distingue systématiquement trois états de la capacité compute (sécurisé, construit, branché) parce que leur confusion est le principal vecteur de déformation des chiffres du secteur, dans les deux sens : elle fabrique aussi bien des triomphes que des fiascos illusoires. Les montants « sécurisés » sont des engagements contractuels, pas des dépenses réalisées ; les chiffres financiers privés (marges, trésorerie consommée) proviennent d’analystes tiers et non de comptes audités, le S-1 d’OpenAI restant confidentiel à la date de gel.