Quand l'intelligence passe à l'échelle industrielle : six tendances des grands modèles révélées par l'introduction en bourse d'Anthropic

IPO d'AnthropicLoi d'échelleAgent IACommercialisation des grands modèlesGouvernance de la sécurité de l'IAÉconomie du calcul
il y a 1 heureSource: blockweeks.com
Quand l'intelligence passe à l'échelle industrielle : six tendances des grands modèles révélées par l'introduction en bourse d'Anthropic

Ce soir (19 novembre), Anthropic, une entreprise fondée il y a moins de six ans, sera cotée au Nasdaq sous le ticker ANT. Sa vitesse de développement et son ampleur doivent être qualifiées de miracle dans l'histoire de la technologie et des affaires, et elles donnent également un aperçu de l'impact énorme de l'IA sur l'économie et la société futures.

À un prix d'émission final de 83 dollars par action, sa valorisation entièrement diluée est d'environ 1 500 milliards de dollars. Selon les attentes actuelles, sa capitalisation boursière après la cotation pourrait dépasser 2 000 milliards de dollars. Sept entreprises en amont—Google, Nvidia, AMD, Broadcom, Micron, Microsoft et TSMC—ont également souscrit simultanément pour 26 milliards de dollars. La taille de son offre dépasse la taille de l'offre de base de 75 milliards de dollars de SpaceX en juin de cette année, ce qui la place parmi les plus grandes cotations de l'histoire du marché boursier américain.

Ce qui est plus intéressant à examiner que la valorisation, c'est sa courbe de croissance. Ce type de croissance continue de 10x dépasse largement la croissance rapide de l'ère de l'internet mobile du passé, montrant au monde une accélération stupéfiante de l'IA.

Au premier trimestre 2023, Claude a commencé sa commercialisation, avec des revenus partant de zéro. Le chiffre d'affaires annuel était de 41 millions de dollars en 2023, de 386 millions de dollars en 2024 et de 4,585 milliards de dollars en 2025. Au troisième trimestre 2026, le chiffre d'affaires trimestriel était de 16,96 milliards de dollars, soit 12,3 fois celui de la même période l'année précédente. Le chiffre d'affaires annualisé en octobre de cette année a atteint environ 81 milliards de dollars, et l'on prévoit qu'il pourrait atteindre 100 à 120 milliards de dollars d'ici la fin de l'année.

Intelligence artificielle

À la deuxième page des documents destinés aux investisseurs lors du roadshow, on trouve cette phrase : Pour la première fois dans l'histoire de l'humanité, l'intelligence est devenue quelque chose que les humains peuvent construire ; les capacités cognitives de raisonnement, d'analyse, de synthèse, de prise de décision et de création peuvent être produites à grande échelle et obtenues à la demande. J'ai lu cette phrase plusieurs fois. Ce dont elle parle réellement n'est pas d'une entreprise, mais d'un tournant pour une industrie : pour la première fois, l'intelligence commence à exister indépendamment des humains eux-mêmes et devient un produit industriel pouvant être produit en masse, tarifé et planifié.

En particulier, le graphique ci-dessous montre l'ambition d'Anthropic. Les rendements qu'elle attend dépassent de loin les revenus actuels provenant de la programmation, de l'analyse, du travail de bureau, etc., et s'étendent à des domaines tels que la découverte de médicaments, la science des matériaux, la fabrication avancée et la robotique, ainsi qu'au secteur des sciences de la vie de 2 000 milliards de dollars, et même au futur marché mondial du travail intellectuel de 40 000 milliards de dollars. Cela nous rappelle inévitablement une rumeur controversée dans l'industrie : « À l'avenir, peut-être seule Anthropic restera-t-elle comme entreprise dans le monde. »

Intelligence artificielle

Source de l'image : documents destinés aux investisseurs lors du roadshow d'Anthropic

Au cours de la semaine écoulée, nous avons lu ensemble le prospectus de plus de 400 pages d'Anthropic, les documents destinés aux investisseurs lors du roadshow de 15 pages, la vidéo du roadshow de 41 minutes et une lettre ouverte signée conjointement par sept fondateurs. La manière dont les revenus entrent, où les ressources de calcul sont dépensées, comment les modèles itèrent, comment l'organisation fonctionne et comment le risque est tarifé ont, pour la première fois, été entièrement divulgués par une entreprise de modèles de pointe. Nous pouvons voir six changements en cours dans l'industrie des grands modèles.

Tendance 1 : La loi d'échelle est toujours efficace, mais le moteur principal de la R&D est passé à l'IA elle-même

Parmi l'équipe fondatrice d'Anthropic figure l'auteur principal de l'article de 2020 « Scaling Laws for Neural Language Models ». Dans la lettre des fondateurs, il est dit qu'à l'époque, beaucoup de gens ne croyaient pas que l'intelligence artificielle dépendrait si fortement de l'échelle, mais les prédictions fondées sur les lois d'échelle ont été prouvées correctes encore et encore. Le jugement du prospectus est également clair : les capacités de l'IA continueront de s'améliorer, et pour un avenir prévisible, la demande continuera de dépasser l'offre, tandis que l'offre est principalement limitée par les ressources de calcul.

Cependant, après avoir lu l'intégralité du prospectus, je pense que ce qui est plus remarquable que la loi d'échelle elle-même, ce sont trois changements dans la manière dont la R&D est menée.

Premièrement, le post-entraînement est devenu le domaine qui bénéficie du plus gros investissement. Le prospectus indique que le post-entraînement est passé d'une étape de finition à l'un des plus grands domaines d'investissement en recherche de l'entreprise, car le marché évolue des assistants conversationnels vers des agents autonomes. La méthode d'entraînement a également changé, en utilisant des tâches complètes, réelles et complexes proches du travail professionnel. Anthropic estime que l'étendue et le réalisme de ce mélange de tâches figurent parmi ses avantages scientifiques les plus durables, et qu'il est difficile à observer de l'extérieur, et donc difficile à reproduire.

Deuxièmement, l'architecture du modèle et l'infrastructure d'inférence sont conçues ensemble. Les chercheurs en IA et les ingénieurs en inférence partagent les cycles de planification, les lignes hiérarchiques et les objectifs de performance, et les décisions d'architecture tiennent compte des coûts d'inférence dès le premier jour. Cela explique pourquoi chaque génération de Claude peut être à la fois plus puissante et plus économique.

Troisièmement, et surtout, l'IA a commencé à participer à la construction de l'IA, ce qui est aussi le RSI le plus discuté en ce moment. Chaque génération de Claude participe à la construction de la génération suivante, notamment en exécutant des expériences, en générant et en traitant des données d'entraînement, en automatisant l'évaluation et les audits de sécurité, et en écrivant et en révisant du code.

人工智能

Quelques chiffres illustrent bien ce point. En septembre 2026, plus de 90 % des commits dans la base de code d'Anthropic étaient écrits par Claude ; au troisième trimestre, la quantité de code contribuée par ingénieur et par jour était plus de 45 fois la moyenne quotidienne de 2024. Sur des problèmes d'ingénierie ouverts qui manquent de spécifications claires et qui reposaient auparavant largement sur le jugement d'ingénieurs seniors, selon les benchmarks internes de l'entreprise, le taux de réussite de Claude a augmenté d'environ 50 points de pourcentage en neuf mois, atteignant environ 90 %. Lors de l'intégration des puces AMD cette année, Claude a réalisé l'adaptation essentiellement sans intervention humaine en trois jours, portant ou écrivant presque tous les opérateurs, ce qui nécessitait auparavant des dizaines d'ingénieurs et plusieurs mois.

Aux prix catalogue, la valeur de l'utilisation interne de Claude par Anthropic a été multipliée par plus de 250 entre janvier et septembre de cette année. En avril de cette année, cette valeur mensuelle a dépassé pour la première fois les dépenses mensuelles de personnel de l'entreprise (hors rémunération en actions).

人工智能

Source de l'image : documents destinés aux investisseurs du roadshow d'Anthropic

Il existe également un compromis facile à négliger. Le prospectus indique clairement que, bien que les modèles de génération de vidéos et d'images aient un attrait commercial, l'entreprise ne s'y concentre actuellement pas, et que la puissance de calcul correspondante est redirigée vers la programmation, les agents et la recherche en sécurité. Il y a trois raisons : la programmation a un impact économique important ; les problèmes de sécurité y apparaîtront en premier ; et la sortie de la programmation est largement vérifiable.

La clé pour gagner dans la compétition des grands modèles se déplace vers la vitesse de la boucle de R&D. L'entreprise dont le modèle pourra d'abord bien accomplir le travail de sa propre entreprise verra son modèle de nouvelle génération arriver plus tôt. Les domaines vérifiables seront conquis en premier et alimenteront aussi en premier la R&D.

Bien sûr, cette boucle a un autre revers. Le prospectus mentionne spécifiquement que l'utilisation de l'IA pour accélérer l'IA entraînera des risques de sécurité considérables, et que la politique d'échelle responsable de l'entreprise inclut déjà des plans de surveillance et d'atténuation pour l'approche de l'auto-amélioration récursive. La lettre des fondateurs le dit plus directement : si nécessaire, l'entreprise pourrait ralentir de manière proactive.

Tendance 2 : Les produits passent des boîtes de dialogue aux collaborateurs virtuels, livrant du travail plutôt que des réponses

La lettre du fondateur contient un jugement sur les générations de produits : les chatbots IA sont devenus utilisables vers 2022, les agents de codage IA vers 2025, et les agents pour le travail de connaissance général et la découverte scientifique deviennent progressivement utilisables en 2026. La lettre indique également qu'Anthropic consacrera moins d'efforts à consolider les produits existants et plus d'efforts à définir de nouveaux produits, car chaque nouvelle génération de modèles ne cesse d'ouvrir des catégories de produits qui n'étaient pas réalisables quelques mois plus tôt.

Intelligence artificielle

Le prospectus donne un nom à cette génération de produits : collaborateurs virtuels. Ils disposent d'autorisations accordées par l'organisation, de connexions système et de contexte ; ils peuvent utiliser des outils internes ; ils peuvent exécuter des flux de travail qui s'étendent sur plusieurs étapes et nécessitent un raisonnement soutenu ; et ils travaillent aux côtés des employés.

Intelligence artificielle

Source de l'image : documents destinés aux investisseurs de la tournée de présentation d'Anthropic

La programmation a été la première catégorie à franchir le seuil. Claude Code a été publié en tant qu'aperçu de recherche en février 2025. En environ un an, Claude est passé de la suggestion de lignes de code isolées à l'exploitation de grappes d'agents qui travaillent de manière autonome dans des bases de code de production. Le prospectus compare l'impact de Claude Code à celui des premiers assistants d'IA conversationnelle largement adoptés. Les usages sont souvent inattendus ; par exemple, des ingénieurs de la NASA l'ont utilisé pour planifier et écrire les commandes de navigation du rover Mars Perseverance, réalisant la première conduite planifiée par IA sur Mars.

La cybersécurité pourrait être la deuxième. Sur un benchmark d'exploitation de vulnérabilités développé par des chercheurs de l'Université Carnegie Mellon, le score de Claude est passé de 40 % à 78 %, puis à 91 % en environ quatre mois.

Le travail de connaissance est le troisième. Une phrase du prospectus m'a profondément marqué : tout travail numérique est finalement une forme d'expression de code. Sur la base de ce jugement, Anthropic a transposé l'architecture d'agent de Claude Code vers les travailleurs du savoir et a construit Cowork, qui lit de manière autonome des fichiers, opère des applications et exécute des flux de travail à plusieurs étapes sur le bureau de l'utilisateur, le code sous-jacent étant masqué. Cowork a été publié en tant qu'aperçu de recherche en janvier 2026, et à la fin du mois de septembre, son taux d'adoption avait déjà dépassé le niveau de Claude Code au même moment de son cycle. En septembre, Cowork a commencé à fusionner avec Claude.ai, permettant aux utilisateurs de passer directement d'une simple question à une tâche complexe à plusieurs étapes au sein d'une même conversation.

La conversation et les agents fusionnent en un même produit.

Les cas clients le confirment également. Rakuten a utilisé Claude Code pour réaliser plus de 7 heures de programmation autonome, réduisant le délai de lancement de nouvelles fonctionnalités de 24 jours ouvrés à 5 ; Salesforce a achevé en 13 jours une migration d'API qui nécessitait auparavant 231 jours ; Bristol Myers Squibb a mis Claude à la disposition de l'ensemble de ses 30 000 employés, réduisant le délai de réponse à une question d'épidémiologie d'un ou deux mois à quatre ou cinq minutes.

À mesure que la forme du produit change, la pile technologique doit changer avec elle. Il y a une phrase très simple dans le prospectus : un modèle seul ne constitue pas un agent. Les agents doivent pouvoir se remettre d'un plantage, opérer des systèmes avec des identifiants à portée limitée et auditables, et monter en charge sous des charges variables ; tout cela nécessite un cadre d'exécution. Anthropic a ouvert le même cadre d'exécution que celui qui alimente Claude Code sous le nom d'Agent SDK et a également lancé une version hébergée, Managed Agents ; avec le paquet de compétences Agent Skills, le protocole MCP qui connecte les données et outils d'entreprise, et la norme matérielle de modèle MHS qui permet aux agents d'opérer des équipements de laboratoire et de fabrication, ils forment la couche de plateforme intermédiaire.

Intelligence artificielle

Mener de front les trois couches — modèles, plateforme et applications — montre déjà ses bénéfices dans les données clients. À la fin du mois de septembre de cette année, parmi les clients payant plus de 100 000 dollars par an, plus de la moitié utilisaient à la fois la plateforme et au moins une application propriétaire ; au quatrième trimestre de l'année dernière, cette proportion était d'environ 30 %.

L'unité de produit des grands modèles passe d'une réponse unique à une livraison. Le centre de gravité de la concurrence se déplacera des benchmarks de modèles vers des capacités d'ingénierie telles que les frameworks d'exécution, la gestion du contexte, les systèmes de permissions et les connexions d'outils—ce que l'on appelle souvent le Harness. Une autre approche dont il vaut la peine de s'inspirer est qu'Anthropic conçoit ses produits en fonction des capacités que les modèles auront, plutôt qu'en fonction des capacités actuelles. C'est ainsi que Claude Code a été construit, de sorte qu'une fois la capacité arrivée, le produit a pu monter en puissance rapidement.

Tendance 3 : Payer pour l'intelligence, avec des modèles ayant une durée de conservation comme des produits frais

Anthropic appelle son principal modèle de revenus le pay-for-intelligence, c'est-à-dire une facturation à l'usage, mesurée en tokens et tarifée selon le modèle choisi. Au cours des trois premiers trimestres de 2026, la facturation à l'usage représentait 79 % des revenus et les abonnements 21 % ; les revenus via les marketplaces des trois grandes plateformes cloud représentaient 44 % ; les revenus hors des États-Unis représentaient 29 %.

intelligence artificielle

Trois détails illustrent particulièrement les caractéristiques de ce modèle.

Premièrement, les baisses de prix échangent du prix contre du volume, et non une guerre des prix. En novembre 2025, Anthropic a publié Opus 4.5, plus performant, avec un prix plus bas et un coût par tâche plus faible. Ensuite, la croissance trimestrielle des revenus de l'entreprise est passée de 48 % au quatrième trimestre de l'année dernière à 132 % au premier trimestre de cette année. Opus 5.5, publié en septembre de cette année, a réduit d'environ 40 % le coût pour les clients d'accomplir les mêmes tâches ; Fable 5.1 l'a réduit d'environ 25 % par rapport à la génération précédente, et pouvait économiser jusqu'à 45 % sur des tâches de programmation complexes et fortement agentiques. Selon les informations divulguées lors du roadshow, au troisième trimestre, environ 600 millions de dollars de moins ont été encaissés en raison des baisses de prix et des remises contractuelles, mais cela a été entièrement compensé par la croissance de l'usage. La déclaration de la direction est que cette baisse de prix a été neutre pour les marges, car les nouveaux modèles sont eux-mêmes plus économes en calcul.

En d'autres termes, derrière la baisse du prix unitaire des tokens se cache un dividende d'efficacité : l'efficacité du calcul doit d'abord augmenter avant que les prix puissent baisser, et les baisses de prix libèrent à leur tour davantage de demande.

Deuxièmement, les modèles ont une durée de conservation. Le prospectus révèle qu'au troisième trimestre, plus de 80 % des revenus provenaient de versions de modèles publiées au cours des six derniers mois. Au cours des trois premiers trimestres de cette année, l'entreprise a lancé au total 250 nouvelles versions de modèles, fonctionnalités de plateforme et applications. Dans cette industrie, un modèle n'est pas un logiciel développé une fois et vendu longtemps ; il ressemble davantage à un produit frais qu'il faut réapprovisionner constamment. Quiconque s'arrête verra ses clients migrer vers le dernier modèle de quelqu'un d'autre.

Troisièmement, les revenus suivent le rythme du travail des gens. Le prospectus mentionne que, dans les deux semaines se terminant le 2 janvier de cette année, les dépenses totales des clients ont chuté d'environ 20 % par rapport aux deux semaines précédentes, car de nombreuses entreprises ont programmé des gels de code pendant les fêtes, et les développeurs ont ralenti les commits de code et les lancements de fonctionnalités. Les revenus d'une entreprise d'IA commencent à montrer une saisonnalité similaire à celle du secteur des services aux personnes. Cela montre indirectement que Claude est devenu profondément intégré dans les activités de production réelles.

Il y a un engagement de plus qui mérite d'être mentionné : Claude ne diffuse pas de publicité. La lettre du fondateur indique que la publicité serait probablement une source substantielle de revenus, mais une fois que la publicité entre dans les objectifs de revenus, la pression pour rechercher le temps passé des utilisateurs augmenterait, et l'entreprise veut que le seul incitatif de Claude soit de donner aux utilisateurs une réponse utile. Le modèle de revenus détermine la direction des incitations du produit, et cela s'applique à toutes les entreprises qui construisent des agents.

L'unité de tarification des grands modèles passe des sièges aux tokens, et l'étape suivante pourrait devenir les tâches et les résultats. Quiconque pourra continuellement réduire le coût par tâche sera en mesure de capturer l'élasticité de la demande ; et la possibilité de réduire le coût par tâche dépend de l'efficacité du calcul discutée ci-dessous.

Tendance quatre : les entreprises sont le principal champ de bataille, les développeurs sont le point d'entrée, et la capacité de livraison est le nouveau goulot d'étranglement

Anthropic s'est concentré sur les entreprises depuis le tout début. La lettre du fondateur explique que l'énorme valeur de l'IA provient principalement de la manière dont les entreprises et les organisations la déploient.

Intelligence artificielle

Les chiffres augmentent rapidement. Les clients payant plus de 100 000 dollars par an étaient environ 20 à la fin de 2023, environ 200 à la fin de 2024, plus de 950 en septembre 2025, et plus de 11 900 à la fin du mois de septembre de cette année, soit une multiplication par 12 en un an. Parmi eux, plus de 1 900 paient plus de 1 million de dollars par an, et environ 250 paient plus de 10 millions de dollars. La rétention nette des revenus est d'environ 900 %, ce qui signifie que les clients qui payaient déjà il y a un an ont dépensé environ 9 fois plus ce trimestre qu'à la même période l'année précédente.

La structure des clients devient également plus saine. Les revenus provenant des cinq principaux clients sont passés de 36 % au premier trimestre de cette année à 21 % au troisième trimestre, aucun client unique ne représentant plus de 10 %.

Ce qui est plus remarquable, c'est qu'il reste encore beaucoup de marge. Plus de la moitié des entreprises du Fortune 500 sont déjà des clients payant plus de 100 000 dollars par an, mais les dépenses moyennes de ces clients sur Claude représentent moins de 0,1 % de leurs dépenses totales ; même les dix plus gros dépensiers restent en dessous de 1 %. Le prospectus déclare textuellement que l'écart entre ce que Claude peut faire et l'ampleur de son utilisation constitue l'une des plus grandes opportunités de croissance de l'entreprise.

Comment l'argent est-il dépensé ? Le roadshow décrit le parcours typique en quatre étapes : les ingénieurs utilisent d'abord Claude Code, puis s'étendent à des rôles adjacents, puis entrent dans les processus métier, et enfin l'intègrent dans des produits externes. Le prospectus donne une comparaison : au troisième trimestre, les utilisateurs entreprises qui n'utilisaient pas Claude Code dépensaient en moyenne moins de 75 dollars par mois, tandis que les 5 % d'utilisateurs les plus importants qui utilisaient Claude Code dépensaient environ 20 fois ce montant. Les développeurs sont à la fois les premiers utilisateurs les plus exigeants et les promoteurs les plus convaincants au sein des entreprises.

Mais l'approche ascendante seule ne suffit pas. Le prospectus admet franchement que un obstacle majeur à l'adoption de Claude est la résistance naturelle au changement au sein des organisations. À cette fin, Anthropic a construit un système de livraison complet : des équipes de vente directe et des équipes d'IA appliquée organisées par zone géographique puis par secteur, travaillant avec les clients pour concevoir et déployer des solutions personnalisées ; des ventes conjointes avec les trois grands clouds AWS, Google Cloud et Azure, les clients signant directement avec Anthropic et Anthropic payant les fournisseurs de cloud ; des intégrateurs de systèmes tels qu'Accenture, Deloitte, KPMG et PwC ont mis en place des équipes commerciales dédiées à Claude ; le réseau de partenaires a certifié 150 000 praticiens issus de plus de 4 000 organisations ; en octobre, il a investi 100 millions de dollars supplémentaires pour créer une académie, prévoyant de former 10 000 ingénieurs FDE d'ici la fin de 2027 au niveau de ses propres ingénieurs, capables de faire progresser l'IA vers les environnements de production ; il s'est également associé à des sociétés de capital-investissement pour créer une société de services d'IA destinée spécifiquement aux entreprises de taille moyenne.

Même ainsi, au premier semestre de cette année, les dépenses de vente, de marketing et de partenariat ne représentaient que 19 % des revenus.

Les capacités des modèles ont déjà dépassé la capacité d'absorption des organisations. Le goulot d'étranglement de l'IA en entreprise à l'étape suivante n'est pas le modèle, mais la livraison : les ingénieurs FDE, les équipes d'application et les partenaires de l'écosystème capables de connecter les modèles aux processus métier réels deviendront les ressources les plus rares. C'est le même phénomène que notre observation précédente selon laquelle les postes d'ingénieurs de livraison sur site ont été multipliés par 15 en un an.

Tendance cinq : le calcul est le coût le plus important et aussi un contrat à terme intertemporel

Tout d'abord, examinons l'efficacité. Du premier trimestre 2025 au troisième trimestre 2026, les revenus d'Anthropic ont été multipliés par 45, tandis que les dépenses de calcul et d'infrastructure n'ont été multipliées que par 10,4. Les revenus générés pour chaque dollar de dépenses de calcul sont passés de 0,40 dollar à 1,72 dollar, et ont même atteint 2,08 dollars au deuxième trimestre.

Intelligence artificielle

Source de l'image : documents destinés aux investisseurs du roadshow d'Anthropic

L'entreprise donne deux raisons. Premièrement, les améliorations algorithmiques multiplient le calcul, de sorte que le même modèle peut être entraîné et exécuté avec moins de calcul. Deuxièmement, l'architecture multi-puces : l'entraînement et l'inférence simultanément sur Amazon Trainium, Google TPU, Nvidia GPU et AMD GPU, avec tout le calcul traité comme un seul pool de ressources interchangeables et réparti uniformément, déplaçant le calcul là où la production marginale est la plus élevée. L'intégration en trois jours avec AMD mentionnée ci-dessus est le résultat de cette capacité combinée à la boucle fermée.

Ensuite, examinons l'inadéquation. Le prospectus indique que l'entreprise achète généralement du calcul 12 à 18 mois à l'avance, et cette portion de coût est essentiellement fixe à court terme, tandis que la demande double trimestre après trimestre.

Intelligence artificielle

Le résultat est que les bénéfices fluctuent fortement avec les prévisions de demande. Au deuxième trimestre, les revenus ont dépassé le calcul commandé plus d'un an auparavant, les dépenses de calcul ne représentaient que 48 % des revenus, et le bénéfice d'exploitation est devenu positif pour la première fois parmi les trimestres divulgués, avec une marge d'exploitation de 8 %. Au troisième trimestre, la demande a continué de grimper, et l'entreprise a acheté 5 milliards de dollars de calcul à court terme à des prix élevés, les prix unitaires étant nettement supérieurs aux contrats pluriannuels, représentant environ la moitié des dépenses de calcul de ce trimestre ; la part du calcul est remontée à 58 %, et la marge d'exploitation est devenue négative de 3 %.

Il existe un autre ensemble de chiffres qui mérite d'être comparé. Selon la base du roadshow, la marge brute des trois premiers trimestres de cette année était de 85 %, mais si toutes les dépenses de calcul, y compris l'entraînement des modèles, sont déduites, la marge n'est que de 43 %. La marge brute ne compte que la portion de calcul servant les clients ; le calcul pour entraîner la prochaine génération de modèles n'est pas inclus. Pour les entreprises de grands modèles, le coût réellement le plus important se situe précisément en dehors de la marge brute.

Enfin, examinons l'échelle. À la fin du mois de septembre et par la suite, les engagements signés d'Anthropic en matière de calcul et d'infrastructure totalisent environ 900 milliards de dollars, dont environ 451,6 milliards de dollars seront engagés avant la fin de 2030, et le reste principalement entre 2031 et 2045. Environ 70,7 milliards de dollars arrivent à échéance dans les 12 prochains mois, ce qui est inférieur au revenu annualisé actuel d'environ 81 milliards de dollars ; mais la portion avant la fin de 2030 représente déjà 5,6 fois le revenu annualisé actuel.

Intelligence artificielle

Pour obtenir plus de marge de manœuvre dans ce jeu intertemporel, Anthropic transfère davantage de calcul vers son système auto-construit Anthropic Direct : louer elle-même des puces et les placer dans des centres de données dédiés construits selon ses propres spécifications. Son ingéniosité réside dans la séparation de deux choses : la construction de centres de données prend du temps mais ne représente qu'une petite partie du coût total, elle peut donc être verrouillée en premier ; l'investissement en puces est d'un montant élevé, l'entreprise peut donc attendre que la demande soit plus claire avant de décider combien acheter. L'objectif à long terme de la direction est de réduire les dépenses de calcul à 45 % à 50 % des revenus, avec une marge d'exploitation ajustée supérieure à 35 %.

La lettre du fondateur est très franche à ce sujet : l'entreprise fait souvent des investissements prospectifs qui, à première vue, semblent déraisonnablement importants, en particulier dans le calcul. La lettre utilise l'industrie pharmaceutique comme analogie : l'investissement initial en R&D est énorme, et les comptes ne s'équilibrent qu'une fois qu'un médicament couronné de succès émerge, sauf que ce processus est plus rapide et de plus grande envergure pour l'IA. En même temps, l'entreprise est prête à renoncer à une partie du potentiel de hausse en échange d'une protection contre les baisses, comme revendre le calcul excédentaire lorsque la demande est surestimée, améliorer continuellement l'efficacité pour accroître la tolérance aux erreurs d'appréciation, et lever des fonds à l'avance si nécessaire. Selon les mots de la lettre, soyez audacieux, mais lucides.

Les capacités opérationnelles fondamentales des entreprises de grands modèles ont commencé à devenir la prévision de la demande et l'ordonnancement du calcul. Pour juger une entreprise d'IA fortement investie, examinez d'abord sa courbe de production par unité de calcul, puis vérifiez si la durée de ses contrats de calcul correspond à son taux de croissance de la demande. Le premier détermine si elle peut gagner de l'argent ; le second détermine si elle sera écrasée par les coûts de calcul à un certain trimestre.

Tendance six : la sécurité et la gouvernance, du centre de coûts à une partie du produit

En avril de cette année, Anthropic a entraîné Mythos, le modèle le plus performant à l'époque, et a jugé que sa capacité à découvrir des vulnérabilités réseau était trop forte, de sorte qu'elle ne l'a pas ouvert pleinement et directement. Au lieu de cela, par le biais d'un programme appelé Project Glasswing, elle n'a fourni qu'un aperçu de recherche restreint à certaines institutions pour la défense en cybersécurité, tout en accordant aux défenseurs environ 100 millions de dollars de crédits d'utilisation. Ce n'est qu'après la mise en place de garanties de sécurité supplémentaires que l'entreprise l'a pleinement ouvert en juin sous le nom de Fable 5. La lettre des fondateurs reconnaît que ce retard signifiait renoncer à des revenus considérables et céder également une partie de sa position concurrentielle.

Est-ce commercialement rentable ? La réponse du prospectus est la suivante : des garanties de sécurité strictes, un comportement prévisible des modèles et des mécanismes de responsabilité démontrables sont devenus les critères décisifs pour les entreprises choisissant des partenaires d'IA pour des tâches critiques. Les modèles bien alignés suivent mieux les instructions, ne prennent pas imprudemment d'actions destructrices avant de clarifier l'intention de l'utilisateur et résistent davantage aux attaques par injection de prompt. Lorsque les modèles commencent à se connecter aux systèmes métier critiques en tant qu'agents, la sécurité est la fiabilité, et la fiabilité est la capacité à être vendu.

À cette fin, Anthropic a travaillé avec plus de 100 clients dans la finance, la santé et le secteur public pour développer des garanties de sécurité de pointe de niveau entreprise : les données de surveillance sont stockées dans le propre compte cloud du client, chiffrées avec les clés du client, et les alertes d'abus sont envoyées directement à l'équipe de sécurité du client, sans que des employés d'Anthropic ne les traitent.

intelligence artificielle

En matière de gouvernance, Anthropic est une société d'intérêt public du Delaware, et son conseil d'administration doit peser les intérêts des actionnaires par rapport à sa mission d'intérêt public. Le pouvoir est partagé entre trois parties : les sept cofondateurs détiennent un pouvoir de vote fixe de 50,1 % par le biais d'une action de classe F et élisent 3 administrateurs ; une fiducie d'intérêt à long terme sans intérêt financier dans l'entreprise élit 4 des 7 administrateurs, dont la nomination et la révocation de l'un d'entre eux bénéficient d'un mécanisme de protection, et lorsque l'entreprise et la fiducie sont en désaccord, les employés votent. Les droits de vote spéciaux des fondateurs ne sont pas permanents ; lorsqu'il reste moins de 3 fondateurs dans l'entité votante, ils redeviennent des actionnaires ordinaires.

Le dispositif d'intérêt public est également inscrit dans les capitaux propres : avant l'introduction en bourse, 5 % des capitaux propres ont été mis de côté pour établir un fonds d'intérêt public, et par la suite, pour chaque hausse soutenue de 50 % du cours de l'action, le conseil d'administration peut mettre de côté 2 % supplémentaires. Les sept cofondateurs se sont tous engagés à donner 80 % de leurs capitaux propres détenus personnellement, et plus de la moitié des employés se sont également engagés à donner une partie de leurs capitaux propres.

Il y a un passage dans la lettre des fondateurs que je considère comme la partie la plus lucide de l'ensemble du document d'introduction en bourse. Ils ont déclaré qu'avant de lancer l'IPO, ils avaient consulté de nombreux entrepreneurs ayant déjà vécu des introductions en bourse, et plusieurs ont donné un conseil similaire : ne laissez jamais votre entreprise valoir un dollar de plus que sa valeur réelle. Parce qu'il est très dangereux que les gens achètent des actions sur la base d'attentes que vous ne pouvez pas satisfaire, ou qu'ils se méprennent sur la manière dont vous agirez. C'est pourquoi cette lettre expose spécifiquement deux types de décisions dans lesquelles l'entreprise peut s'écarter des attentes des investisseurs : l'une concerne les paris commerciaux qui découlent du développement exponentiel de l'IA et qui paraissent quelque peu anormaux en eux-mêmes, et l'autre concerne les choix qui s'écartent de la maximisation du profit afin d'équilibrer l'intérêt public.

La sécurité est aussi l'adhésif qui aide Anthropic à attirer les talents. Les sept cofondateurs sont toujours en poste, le taux d'attrition imprévu est d'environ 1 %, et parmi les employés que l'entreprise espérait retenir mais qui sont partis, 19 % sont revenus plus tard ; plus des trois quarts des 100 premiers employés sont toujours dans l'entreprise.

Lorsque les modèles passent de la réponse aux questions à l'action au nom des gens, la confiance devient la caractéristique du produit elle-même. L'investissement dans la sécurité n'est plus seulement un coût de conformité, mais paie l'accès aux activités critiques des clients entreprises.

Quatre incertitudes dans le prospectus méritent également l'attention

Premièrement, la croissance est inévitablement appelée à ralentir. La croissance séquentielle du troisième trimestre était de 47 %, nettement inférieure à 144 % au deuxième trimestre. Le prospectus lui-même indique clairement que la croissance des revenus diminuera avec le temps, et que la baisse pourrait être plus importante et survenir plus tôt que prévu ; à mesure que la croissance ralentit, les fluctuations saisonnières deviendront plus prononcées et les performances seront plus difficiles à prévoir.

Deuxièmement, la qualité des revenus. Le prospectus révèle qu'environ 5 % à 7 % des revenus des neuf premiers mois de cette année provenaient de clients dont il a été établi ultérieurement qu'ils avaient violé les politiques d'utilisation ou les conditions commerciales. L'entreprise a renforcé la détection et l'application des règles en août et septembre, et cette part des revenus diminuera progressivement, mais l'ampleur de l'impact sur la croissance et le moment où il se manifestera sont actuellement incertains.

Troisièmement, l'inadéquation des capacités de calcul. Des engagements d'environ 900 milliards de dollars doivent généralement être honorés indépendamment des revenus et de l'utilisation. Une partie du déploiement des capacités de calcul repose également sur le financement ou le soutien au crédit fourni par les fournisseurs de cloud et les partenaires en puces. Amazon et Google sont tous deux des actionnaires majeurs détenant plus de 5 % du capital, tout en étant également clients, canaux de distribution et concurrents ; cette relation multiple est en soi une source d'incertitude.

Quatrièmement, les pertes comptables. La perte nette du troisième trimestre s'est élevée à 23,3 milliards de dollars, dont 21,9 milliards de dollars correspondaient à des variations de juste valeur des obligations convertibles, des passifs dérivés et des SAFE résultant de l'augmentation des valorisations, qui sont des éléments non monétaires ; mais les charges d'intéressement en actions comptabilisées successivement après l'introduction en bourse continueront de peser sur le compte de résultat. En matière de concurrence, OpenAI, Google et des modèles à poids ouverts de plus en plus performants sont tous sur la même voie.

Du point de vue de la fixation du prix d'émission, le marché fait en réalité déjà ce calcul.

Cinq enseignements pour l'industrie des grands modèles

La mise en commun des six tendances permet de tirer cinq enseignements pour l'industrie.

Premièrement, en R&D, devenez le premier utilisateur de votre propre modèle. La boucle fermée d'Anthropic montre que la profondeur de l'utilisation interne détermine la vitesse d'itération plus que le classement sur les tableaux de bord externes. Commencez par des domaines où les résultats sont vérifiables, comme le code, laissez le modèle transformer d'abord votre propre processus de R&D, puis faites rejaillir cette capacité sur les clients.

Deuxièmement, en matière de produits, passez de la conversation à la livraison. Les modèles, les frameworks d'exécution, les protocoles de connexion et les packages de compétences doivent être construits ensemble, et les produits doivent être conçus autour des résultats de livraison plutôt que de la qualité des réponses ; en même temps, concevez les produits en fonction des capacités du modèle dans six mois, plutôt que de se concentrer uniquement sur les capacités actuelles.

Troisièmement, sur le plan commercial, traitez la production par unité de calcul comme le premier indicateur opérationnel. Le modèle de facturation à l'usage assorti de réductions de prix continues présuppose une baisse continue du coût par tâche. Les réductions de prix sans gains d'efficacité ne sont que des subventions ; les réductions de prix soutenues par des gains d'efficacité peuvent apporter de l'élasticité de la demande.

Quatrièmement, sur le marché, les services aux entreprises dépendent du système de livraison. La pénétration ascendante par les développeurs, la livraison approfondie par les équipes d'IA appliquée, la couverture de l'écosystème par les plateformes cloud et les intégrateurs, la certification et la formation des ingénieurs FDE, ainsi que des formes de service destinées aux entreprises de taille moyenne—aucun ne peut manquer. Lorsque les capacités des modèles sont en excès, celui qui peut transformer les capacités en résultats dans les processus clients peut capter des revenus.

Cinquièmement, en matière de calcul, la mise en commun de calcul hétérogène et un mélange de contrats à long et à court terme sont des compétences de base. Qu'une entreprise de modèles puisse ou non entraîner et inférer efficacement sur plusieurs puces, qu'elle puisse ou non utiliser l'IA pour achever automatiquement la migration des opérateurs, et qu'elle puisse ou non verrouiller séparément les centres de données et les puces et associer des contrats à long terme à des contrats à court terme déterminent directement son élasticité bénéficiaire lorsque la demande fluctue. Pour les entreprises qui doivent exécuter des modèles sur plusieurs puces en même temps, cela est particulièrement instructif.

Enfin, revenons à cette phrase : ne laissez jamais votre entreprise valoir un dollar de plus que sa valeur réelle.

La signification de l'introduction en bourse d'Anthropic n'est pas qu'il existe une autre entreprise à mille milliards de dollars, mais que pour la première fois l'industrie des grands modèles doit accepter la réconciliation trimestrielle par le marché public. Une fois que l'intelligence commence la production de masse, ce qui est plus difficile que de fabriquer des modèles plus intelligents, c'est de prouver continuellement que quelqu'un est prêt à payer à l'usage pour l'intelligence obtenue à partir de chaque unité de calcul.

Cet examen commence avec l'ouverture du marché ce soir, le 19 novembre.

(Cet article est basé sur le prospectus publiquement divulgué d'Anthropic, les documents destinés aux investisseurs lors des roadshows, les vidéos de roadshow et la lettre des fondateurs. Les données opérationnelles autodéclarées par l'entreprise et les déclarations de la direction lors des roadshows n'ont pas été vérifiées de manière indépendante ; le prix et la taille de l'émission sont soumis à la fixation finale des prix et ne constituent aucun conseil en investissement.)

Wang Qiang, directeur du Centre de recherche sur les technologies de pointe à l'Institut de recherche Tencent

Cet article provient du compte public WeChat « Institut de recherche Tencent » (ID : cyberlawrc), auteur : Wang Qiang