Début novembre, Moonshot AI a mis en ligne les poids de Kimi K3.1 Pro, un modèle de 2 800 milliards de paramètres que toute entreprise peut désormais télécharger, dans les limites d'une licence qui encadre l'usage commercial. Sur l'indice d'Artificial Analysis, il obtient 46 points, le meilleur score des modèles à poids ouverts. Le 5 novembre, l'organisme d'évaluation METR publiait un rapport selon lequel les modèles internes d'Anthropic progressent environ deux fois plus vite depuis octobre 2025. Quatre jours plus tard, Anthropic sortait Claude Fable 5.2 : 65 points. Mercredi 18 novembre, l'entreprise doit fixer le prix de son introduction en Bourse, avec 900,9 milliards de dollars d'engagements de calcul et d'infrastructure inscrits à son prospectus. Ces milliards achètent-ils une avance durable, ou quelques mois ?
Ce que les mesures disent
Les meilleurs modèles ouverts atteignent le niveau des fermés avec quatre mois de retard en moyenne (Epoch AI, mai 2026), quatre à sept mois sur les tâches de cybersécurité (UK AISI, Epoch).
Sur l'indice d'Artificial Analysis, fondé à 60 % sur des tests secrets depuis le 27 octobre, 19 points séparent le 16 novembre le meilleur modèle fermé du meilleur modèle à poids ouverts ; l'écart était de 26 points fin octobre.
Ce qu'elles ne disent pas
Ce que ces 19 points représentent en mois ; si l'accélération interne mesurée par METR chez Anthropic durera ; combien de revenus rapporte un mois d'avance.
Une facture de 70,7 milliards pour la seule année qui vient
Le prospectus amendé le 10 novembre chiffre les engagements de calcul et d'infrastructure à 900,9 milliards de dollars, dont 70,7 milliards à payer dans les douze mois suivant le 30 septembre 2026 et 451,6 milliards avant fin 2030. Fin septembre, la trésorerie et les placements atteignaient 131,8 milliards : l'année qui vient est couverte. L'offre, 825 millions d'actions entre 70 et 78 dollars, et un placement privé auprès de sept industriels doivent rapporter 84,6 milliards nets au prix médian, destinés aux besoins généraux de l'entreprise, dont le calcul et l'infrastructure. En face, 35,3 milliards de revenus sur douze mois, dont 17,0 au troisième trimestre, et une perte d'exploitation de 567 millions sur ce trimestre. Le calcul et l'infrastructure ont absorbé 58 % des revenus du trimestre.
Les engagements valent environ 25 années de revenus au rythme des douze derniers mois. C'est le prix de la contrainte de calcul que décrivait l'analyse d'ActuIA du 21 octobre.
Quatre mois de retard en moyenne, 19 points d'écart sur un indice à tests secrets
Le 29 mai 2026, Epoch AI a calculé que, depuis janvier, les meilleurs modèles à poids ouverts atteignaient le niveau des fermés avec quatre mois de retard en moyenne, sur un indice composite. Ce retard était de trois mois entre 2023 et octobre 2025. Le domaine cyber donne des chiffres voisins. Le UK AI Security Institute mesurait le 17 juillet un retard de quatre à sept mois, contre six à dix pour les modèles ouverts sortis de janvier à septembre 2025. Epoch a refait l'exercice le 16 octobre et trouve six à sept mois.
Un test public a un défaut : ses questions peuvent finir dans les données d'entraînement des modèles. Artificial Analysis a changé de méthode le 27 octobre : 60 % de son indice repose désormais sur des épreuves gardées secrètes. Entre le meilleur modèle fermé et les meilleurs poids publiés, l'écart était de 26 points dans la nouvelle version, contre 12 dans la précédente, comme l'a relevé ActuIA le 28 octobre. Artificial Analysis prévient que les scores de deux versions ne se comparent pas, et la composition de l'indice a changé en même temps que la part de tests secrets. L'écart est aujourd'hui de 19 points entre Fable 5.2 et Kimi K3.1 Pro, 65 contre 46. Artificial Analysis ne traduit pas les points de cet indice en mois. Sur son Progress Index, lancé le même jour, l'organisme indique que chaque record des modèles ouverts depuis janvier 2025 a suivi de deux à huit mois, quatre en médiane, le modèle fermé qui avait atteint ce score ; fin octobre, il situait Kimi K3.1 Pro à environ deux mois de la frontière fermée, avant la sortie de Fable 5.2.
Reste le coût. Pour un même parcours d'attaque simulé de 100 millions de tokens, l'institut britannique chiffre la dépense à environ 85 dollars avec Opus 4.5 ou 4.6, contre 46 dollars estimés avec GLM-5.2 et 1,19 dollar avec DeepSeek V4-Pro. Dans l'enquête de Menlo Ventures, fonds actionnaire d'Anthropic, publiée le 3 novembre et menée auprès de près de 400 décideurs américains, l'open source passe en un an de 11 % à 19 % des tokens consommés, mais de 6 % à 4 % des dépenses. Anthropic passe de 40 % à 55 % des dépenses d'API des entreprises interrogées. Le volume part vers les modèles ouverts, l'argent reste aux modèles de frontière.
Ce qui peut creuser l'écart : des modèles qui accélèrent leur propre conception
Le rapport de METR est le principal élément public à l'appui d'une avance qui grandit, sans mesurer lui-même l'écart avec les modèles ouverts. Ses évaluateurs ont examiné l'entreprise, avec un accès étendu, du 12 août au 29 octobre. Ils concluent que les scores des modèles internes progressent depuis octobre 2025 1,9 fois plus vite qu'auparavant, avec un intervalle de confiance de 1,5 à 2,8. Ils supposent, avec une forte incertitude, qu'une majorité, peut-être 80 %, de l'accélération actuelle tient à l'usage de l'IA elle-même dans la recherche, et se disent confiants qu'elle ne vient pas d'une hausse du calcul d'entraînement. Si un laboratoire double son rythme et que ses suiveurs gardent le leur, l'écart en mois s'allonge.
Les réserves de METR pèsent autant que le résultat. En incluant les modèles publics d'OpenAI, de Google et de xAI, l'accélération tombe à environ 1,4 fois, et les choix statistiques la font varier de 1,1 à 2,9. Anthropic a caviardé « la majorité des éléments que nous jugions les plus informatifs », au motif de ne pas aider ses concurrents. METR n'a ni demandé ni obtenu d'accès direct aux modèles non publiés, et l'entreprise a retiré en cours de mission la vérification prévue de l'allocation du calcul. L'organisme juge extrêmement improbable qu'Anthropic ait cherché à le tromper, mais écrit que le public doit s'en remettre à son jugement bien plus qu'il ne le faudrait.
Claude Mythos 5.2, le même modèle que Fable 5.2 sans certaines protections, est réservé depuis le 9 novembre à des organisations vérifiées en cybersécurité et en sciences de la vie. Anthropic a aussi durci ses défenses contre la distillation, cette copie d'un modèle par un autre entraîné sur ses réponses. Le prospectus affiche enfin une rétention nette des revenus d'environ 900 % : les clients actifs un an plus tôt paient neuf fois plus. La définition compte tout client, hors abonnés Pro, Max et Ultra, ayant dépensé au moins un dollar, sur un trimestre de référence où l'entreprise entière facturait 1,4 milliard.
Ce qui la rend fragile : le prospectus l'écrit lui-même
Dans ses facteurs de risque, Anthropic écrit que les modèles ouverts pourraient capter une partie du marché pour certains usages et exercer une pression sur ses prix, que la différenciation entre modèles avancés pourrait se réduire avec des architectures comparables et la diffusion rapide de la recherche, et que des concurrents peuvent vendre à marge nulle ou négative. Ses tarifs ont baissé cet automne. Opus 5.5, sorti le 22 septembre, coûte 20 % de moins par token qu'Opus 5 ; Fable 5.2 baisse aussi de 20 % ; Haiku 5.5 est facturé dix fois moins que Haiku 4.5 sur les requêtes de moins de 100 000 tokens.
Les prix baissent, la facture de calcul non. Certains contrats, dont celui de Google pour au moins 121,3 milliards jusqu'en 2033, sont dus quelle que soit l'utilisation. Seuls 186,2 milliards des 900,9 sont résiliables ou soumis à conditions. Chaque baisse de tarif doit donc être compensée par du volume.
Le cabinet de recherche New Constructs en tire la conclusion la plus dure. Dans un rapport du 6 octobre relayé par CNBC, il soutient que les modèles ouverts rendent difficile la rentabilité des modèles fermés, et écrit : « nous ne pensons pas qu'Anthropic ait une activité viable ». Anthropic n'a pas répondu à CNBC. Aswath Damodaran, professeur de finance à NYU, ne croit pas à cette banalisation dans son billet du 3 novembre : les entreprises qui gagnent fidélisent leurs clients au point qu'ils ne partent pas, même vers des alternatives « techniquement supérieures et moins chères ». Il écrit qu'Anthropic a encore ce travail à faire. Le rempart qu'il envisage n'est donc pas l'avance du modèle, et il reste à construire. Selon Reuters, des investisseurs rencontrés pendant la tournée de présentation demandent si Anthropic gardera son avance face à Google et ses prix face à des modèles comparables ; l'un d'eux dit ne pas avoir obtenu de réponses détaillées, et l'entreprise n'a pas commenté.
L'argent levé n'achète pas une avance. Il achète le droit de la racheter à chaque génération de modèles, que les modèles ouverts ont jusqu'ici rejointe quatre à sept mois plus tard, avec des coûts fixes qui ne baissent pas quand les prix baissent.
Les world models : d'autres y investissent, aucun travail public chez Anthropic
Une menace plus radicale viendrait d'une autre famille de systèmes. Les world models apprennent comment le monde réagit à une action, à partir d'images, de vidéos ou de capteurs plutôt que de texte, pour agir dans le monde physique. AMI Labs, cofondée par Yann LeCun, a levé 1,03 milliard de dollars en mars sur la thèse que les modèles de langage n'y suffiront pas (sur les positions du chercheur, voir l'article d'ActuIA du 5 octobre). World Labs, de Fei-Fei Li, a levé un milliard en février, a rapporté Reuters. Google DeepMind présente son Genie 4 comme une étape vers une IA générale et un terrain d'entraînement pour robots et agents.
Aucun travail public d'Anthropic sur les world models n'a été trouvé par ActuIA dans ses publications de recherche, dans son prospectus, dans ses annonces ni dans les intitulés de ses 670 offres d'emploi ouvertes le 16 novembre. Le prospectus indique que l'entreprise se concentre sur le développement logiciel et les capacités d'agent, et précise ne pas viser pour l'instant les modèles de génération de vidéo et d'image. Ce qui existe prolonge les modèles de langage. Le Model Hardware Standard, présenté le 27 août, relie des agents à des microscopes ou des machines par un protocole commun, sans entraîner de modèle du monde. Dans Project Fetch, en juin, Claude programmait seul l'accès aux capteurs d'un chien robot et la détection d'un ballon, sans réussir à le lui faire rapporter, un progrès qui ne venait pas d'un effort ciblé sur la robotique, selon l'équipe. Le 9 novembre, Anthropic a écrit que Fable 5.2 pilote nettement mieux des robots, y compris sur des tâches pour lesquelles il n'a jamais été explicitement entraîné. S'y ajoutent une équipe de conception de puces, confirmée en août, et l'atelier de recherche Claude Science. Selon The Information, Anthropic a eu au printemps des discussions préliminaires, restées sans suite, en vue de racheter Physical Intelligence, qui développe des modèles pour robots. Les 900,9 milliards portent sur des puces et des centres de données, pas sur une architecture de modèle. Ce qu'une rupture exposerait, c'est le savoir-faire accumulé sur les modèles de langage et la courbe de revenus qui paie la facture.
Pour un DSI, l'enjeu est la durée d'engagement
Un DSI qui bâtit sur Claude achète un fournisseur dont l'avance mesurée s'est jusqu'ici comptée en mois : les modèles à poids ouverts ont rejoint le niveau des modèles fermés quatre à sept mois après eux, selon Epoch AI et l'AISI britannique. Aucune de ces mesures ne porte sur Fable 5.2, et aucune ne dit si ce rythme tiendra. La question pratique est la portabilité : pouvoir changer de modèle sans réécrire ses agents, signer des contrats dont la durée n'excède pas l'écart qu'ils paient, réserver le modèle fermé aux tâches où les tests secrets montrent encore un écart large.
L'investisseur lira dans les prochains dépôts la part ferme des engagements, le poids du calcul dans les revenus, 58 % au troisième trimestre, et la rétention nette sur une base de clients élargie.
Google DeepMind a annoncé le 27 octobre l'ouverture de Genie 4 à des testeurs. Google est aussi actionnaire d'Anthropic et son fournisseur de calcul ; au prix qui sera fixé le 18 novembre, il doit exercer une option d'achat de 10 milliards de dollars d'actions, prévue par un accord antérieur.
Citations traduites de l'anglais par ActuIA. Cet article ne constitue pas un conseil en investissement.
Nos articles remonteront en priorité dans « À la une » de Google.
