OpenAI ne cherche plus seulement à rendre ses modèles plus intelligents : l’entreprise veut désormais réduire drastiquement le temps qui sépare une question de son exécution. Avec Ultrafast, GPT-5.6 Sol peut fonctionner jusqu’à 14 fois plus vite que le traitement Standard et atteindre 750 tokens générés par seconde, avec une première disponibilité limitée via l’API.
Ultrafast veut supprimer le compromis entre vitesse et intelligence
Présenté le 13 août 2026, Ultrafast constitue une nouvelle classe de service destinée à GPT-5.6 Sol, le modèle haut de gamme de la famille GPT-5.6. OpenAI annonce des performances pouvant atteindre 14 fois la vitesse du mode Standard, avec jusqu’à 750 tokens de sortie par seconde.
L’infrastructure repose sur Cerebras, spécialiste des systèmes de calcul conçus pour l’intelligence artificielle et partenaire d’OpenAI sur les charges d’inférence à très faible latence.
Derrière ces chiffres se cache un changement plus stratégique qu’il n’y paraît. Jusqu’ici, les développeurs qui avaient besoin d’une réponse presque instantanée devaient souvent accepter un compromis : choisir un modèle plus léger et plus rapide, quitte à sacrifier une partie de ses capacités de raisonnement. Avec Ultrafast, OpenAI cherche précisément à réduire cette opposition entre intelligence et réactivité.
L’objectif n’est donc pas simplement de faire apparaître du texte plus vite à l’écran. Il s’agit de rendre un modèle de pointe suffisamment réactif pour intervenir directement dans des processus où chaque seconde compte.
Jusqu’à 750 tokens par seconde grâce à Cerebras
Le chiffre le plus spectaculaire reste celui des 750 tokens générés par seconde. OpenAI explique que Cerebras fournit l’infrastructure permettant d’exécuter GPT-5.6 Sol avec une latence particulièrement faible.
À cette vitesse, le comportement d’un modèle change sensiblement du point de vue de l’utilisateur. Une tâche nécessitant plusieurs centaines ou milliers de tokens peut produire ses résultats presque immédiatement, ce qui rapproche l’IA générative d’un véritable système interactif plutôt que d’un outil que l’on interroge avant d’attendre sa réponse.
C’est particulièrement important pour les agents IA. Leur fonctionnement repose rarement sur une seule génération : ils peuvent consulter des données, appeler plusieurs outils, analyser des résultats intermédiaires puis recommencer. Dans ce type d’architecture, quelques secondes économisées à chaque étape peuvent réduire fortement le temps d’exécution global.
OpenAI avait déjà indiqué lors de la présentation de GPT-5.6 Sol vouloir proposer son modèle sur l’infrastructure Cerebras avec des débits allant jusqu’à 750 tokens par seconde. Ultrafast formalise désormais cette approche sous la forme d’une nouvelle offre dédiée.
Support client, finance, commerce : OpenAI vise les usages où l’attente coûte cher
OpenAI ne présente pas Ultrafast comme un simple accélérateur pour chatbot. L’entreprise expérimente cette nouvelle classe de service sur plusieurs catégories de tâches professionnelles où la latence peut directement affecter l’efficacité d’un produit ou d’une équipe.
Dans la gestion d’incidents informatiques, GPT-5.6 Sol peut par exemple analyser des journaux applicatifs, des traces techniques, des modifications de code récentes ou des discussions entre ingénieurs afin d’identifier plus rapidement l’origine probable d’une panne et d’aider à préparer un correctif.
La finance et la sécurité constituent un autre terrain naturel. Un modèle suffisamment rapide peut analyser des signaux de marché ou examiner des transactions pendant que la situation évolue encore, plutôt qu’une fois l’événement terminé. OpenAI cite également le support client et les interfaces vocales, où une réponse complexe doit parfois nécessiter plusieurs systèmes tout en conservant le rythme naturel d’une conversation.
Dans le commerce électronique, la même logique peut servir à consulter un stock, personnaliser une recommandation ou résoudre un problème lors du paiement avant que le client ne quitte le parcours d’achat. Enfin, OpenAI veut utiliser cette vitesse dans la recherche expérimentale afin de raccourcir les cycles entre hypothèse, expérimentation et analyse des résultats.
Le fil conducteur est clair : Ultrafast cible les environnements où l’intelligence du modèle ne suffit pas si sa réponse arrive trop tard.
OpenAI teste déjà Ultrafast dans ses propres équipes
La société utilise également cette infrastructure en interne. Lors d’un incident technique, les ingénieurs peuvent faire analyser rapidement des logs et des traces, synthétiser les conversations pertinentes, déterminer les prochaines vérifications à effectuer et préparer ou valider une correction. OpenAI insiste toutefois sur un point : le jugement final et le déploiement restent sous la responsabilité des ingénieurs.
L’entreprise expérimente aussi Ultrafast dans ses activités de recherche. Le modèle peut rechercher des informations dans différentes sources de connaissances, interroger des données puis rassembler et synthétiser les résultats provenant d’outils connectés. Selon OpenAI, certains cycles expérimentaux qui étaient auparavant lancés pendant la nuit peuvent ainsi se rapprocher d’un fonctionnement interactif, permettant plusieurs itérations au cours d’une même journée.
C’est peut-être là que la promesse d’Ultrafast devient la plus intéressante. Accélérer une réponse isolée améliore l’expérience utilisateur. Accélérer une boucle complète d’observation, de raisonnement, d’action et de nouvelle analyse peut modifier la manière dont les équipes travaillent avec l’IA.
Après la course aux modèles, la bataille de l’inférence
Pendant plusieurs années, l’industrie de l’intelligence artificielle s’est essentiellement concentrée sur la qualité des modèles : davantage de paramètres, de meilleures capacités de raisonnement, des fenêtres de contexte plus grandes ou encore des agents capables d’utiliser des outils.
Ultrafast illustre une autre étape de cette compétition : celle de l’infrastructure d’inférence.
À mesure que les performances des modèles progressent, la vitesse à laquelle ils peuvent être exécutés devient elle-même un avantage stratégique. Pour certaines applications, passer de plusieurs dizaines de tokens par seconde à plusieurs centaines ne représente pas seulement une amélioration de confort. Cela peut permettre de concevoir des produits qui auraient auparavant semblé trop lents pour être réellement utilisables.
Le choix de Cerebras est également révélateur. OpenAI ne s’appuie pas uniquement sur les progrès du modèle lui-même : l’entreprise cherche à optimiser toute la chaîne qui transforme une requête en réponse, du logiciel jusqu’au matériel d’inférence. OpenAI décrit d’ailleurs Ultrafast comme une nouvelle étape de son partenariat avec Cerebras autour de l’inférence à très faible latence
Cette évolution pourrait progressivement déplacer la compétition entre plateformes d’IA. La question ne serait plus uniquement « quel modèle est le plus intelligent ? », mais également quelle infrastructure est capable de mettre cette intelligence à disposition suffisamment vite pour qu’elle devienne réellement interactive ?
Une disponibilité encore très limitée
Pour l’instant, Ultrafast reste une technologie en phase de déploiement contrôlé. GPT-5.6 Sol avec le mode Ultrafast est proposé en preview limitée à un groupe sélectionné de clients, via l’écosystème API d’OpenAI. L’entreprise explique vouloir augmenter progressivement l’accès à mesure que ses capacités d’infrastructure progressent et propose aux entreprises intéressées de s’inscrire afin d’être informées des prochaines ouvertures.
OpenAI teste déjà le service avec des entreprises spécialisées notamment dans le développement, le commerce, la recherche financière et le support, afin de mesurer les situations dans lesquelles ce gain de vitesse produit le plus de valeur en environnement réel.
Ultrafast reste donc pour l’instant davantage une démonstration de direction qu’un nouveau standard accessible à tous. Mais, le message d’OpenAI est déjà lisible : après avoir appris aux modèles à raisonner davantage, l’industrie doit maintenant apprendre à les faire raisonner assez vite pour suivre le rythme humain.
Et si les performances annoncées se généralisent, la prochaine rupture de l’IA ne viendra peut-être pas uniquement d’un modèle plus intelligent, mais d’une intelligence qui n’oblige presque plus l’utilisateur à attendre.
