Nous vivons actuellement un moment charnière dans le domaine de l’intelligence artificielle. Les dernières révélations financières des premières lignes de la course aux armements en matière d’IA – OpenAI Group PBC et Anthropic PBC – ne nous donnent pas seulement un aperçu de ce qui se passe sous le capot ; ils exposent les tensions fondamentales qui façonnent l’ensemble de l’industrie. Les machines les plus intelligentes jamais construites sont également les plus coûteuses à créer et à exploiter dans l’histoire de l’informatique.
Des marges logicielles à la gravité des infrastructures
Ce modèle est en train de se briser. L'IA n'est pas un pur logiciel ; il s'agit d'une infrastructure en tant que service avec une forte dose de physique de l'ère industrielle. Il s’agit d’une solution informatique, gourmande en énergie et en capitaux. Si OpenAI prévoit des dépenses de calcul de 121 milliards de dollars d’ici 2028, ce n’est pas une exception. C'est le signe que nous sommes entrés dans l'ère de la « gravité des infrastructures ».
Le sale secret : « Rentable »… si vous ignorez le plus gros coût
OpenAI et Anthropic déclarent désormais leur rentabilité de deux manières distinctes : en excluant les coûts de formation et en incluant les coûts de formation.
Cela seul devrait vous arrêter dans votre élan. Il révèle que les coûts de formation ne sont plus une « dépense de R&D » mais le coût des biens vendus. Supprimez-les et vous obtenez quelque chose qui ressemble à un logiciel en tant que service. Remettez-les en place et vous vous retrouvez face à l’une des industries les plus capitalistiques jamais créées.
La réalité financière 2025-2026 :
Chiffre d'affaires annualisé: OpenAI ~ 13 milliards de dollars | Anthropique ~ 7 milliards de dollars
Évaluation: OpenAI ~ 300 milliards de dollars | Anthropique ~ 183 milliards de dollars
Intensité de calcul/entraînement: OpenAI – Élevé (Consommateur + Entreprise) | Anthropique – Élevé (Entreprise + API)
Inférence : la taxe cachée sur le renseignement
D’ici 2026, l’inférence devrait représenter 65 % de tous les calculs d’IA et, sur la durée de vie d’un modèle, elle peut représenter 80 à 90 % des coûts totaux. Nous l'avons vu avec GPT-4 : un coût de formation d'environ 150 millions de dollars s'est transformé en coûts d'inférence estimés à 2,3 milliards de dollars en deux ans. Il s’agit d’un multiplicateur 15x que les VC centrés sur les logiciels ne sont pas habitués à voir.
La fourchette stratégique : entreprise contre consommateur
Nous constatons une nette divergence dans la manière dont ces géants chassent les « moyens de production » :
- Anthropique : S'appuyer fortement sur les couches entreprise et API. Environ 80 % de ses revenus proviennent désormais de clients professionnels et d'appels d'API (notamment des outils tels que GitHub Copilot et Cursor). Cela génère des revenus prévisibles et des marges plus élevées.
- OpenAI : À cheval sur les deux mondes. Il construit une plate-forme grand public (ChatGPT compte plus de 800 millions d'utilisateurs actifs hebdomadaires) tout en maintenant une empreinte d'entreprise massive. Pour eux, l’offre gratuite n’est pas un cadeau ; c'est une infrastructure de collecte de données.
Ce n'est pas du SaaS. C'est le nouvel hyperscale
Si vous effectuez un zoom arrière, cela commence à vous paraître familier. Nous l'avons vu avec Amazon Web Services Inc., Microsoft Azure et les développements télécoms des années 90. Capital initial massif, cycles de remboursement longs et consolidation inévitable du marché.
La différence ? Vitesse. L’IA réduit des décennies de construction d’infrastructures en quelques années. C’est pourquoi les « quatre grands » hyperscalers devraient dépenser plus de 650 milliards de dollars en dépenses d’investissement d’ici 2026 seulement.
Mon angle : le début de l’ère industrielle de l’IA
La vraie bataille : Infléchir la courbe des coûts
Le jeu se termine de deux manières. Si l'efficacité matérielle (comme les TPU de Google LLC ou le Blackwell de Nvidia) peut faire baisser le coût de l'intelligence plus rapidement que la demande n'augmente, le modèle devient imparable. Dans le cas contraire, nous nous retrouverons face à une compression massive des marges et à une ère brutale de consolidation.
L'essentiel
Ne vous laissez pas distraire par les démos. Dans cette nouvelle ère, les entreprises qui gagneront n’auront pas seulement les meilleurs modèles. Ils auront les meilleures économies. Concentrez-vous sur la pile : calcul, coût, distribution, monétisation. C'est là que trouvera la réponse à la question des 100 milliards de dollars.
