Deux informations ont presque simultanément fait le tour de la Silicon Valley.
La première : Anthropic devrait atteindre un chiffre d'affaires de 109 milliards de dollars ce trimestre, réalisant ainsi son premier bénéfice trimestriel.
La seconde : OpenAI accélère son processus d'introduction en bourse, prévoyant de déposer secrètement son prospectus dans les prochaines semaines, pour une entrée en bourse à l'automne, avec une valorisation potentielle proche du billion de dollars.
À cette nouvelle, l'action de SoftBank Group a bondi de près de 20% en séance, sa capitalisation boursière augmentant d'environ 240 milliards de yuans en une journée.
D'un côté, on frôle à peine la rentabilité, de l'autre, on se précipite vers la bourse malgré des pertes. En regardant le changement de personnel d'il y a deux jours, la logique devient claire —
Le 19 mai, l'ancien cofondateur d'OpenAI, Andrej Karpathy, a annoncé sur X : rejoindre Anthropic à temps plein.
Ce n'est pas un simple changement d'emploi.
Aujourd'hui, OpenAI est déjà l'entreprise d'IA la plus importante sur le marché des capitaux.
Elle vient de finaliser un financement de 122 milliards de dollars avec une valorisation de 852 milliards de dollars.
Le japonais SoftBank, par la voix de Masayoshi Son, a concentré un pari de plus de 60 milliards de dollars sur OpenAI, malgré l'opposition de cadres internes.
Mais au sein de l'entreprise, autre chose se produit :
Sur les 11 cofondateurs qui ont signé l'accord de démarrage dans ce bureau modeste, il n'en reste aujourd'hui que deux — le PDG Sam Altman et le président Greg Brockman.
Le capital s'accumule de plus en plus, mais les fondateurs clés sont de moins en moins nombreux.
Derrière cela, il n'y a pas que les "divergences de vision". Cela ressemble plutôt au résultat combiné d'une bataille de lignes stratégiques, d'une course aux capacités de calcul et d'un jeu entre géants.
Qui est Karpathy ? Pourquoi a-t-il choisi Anthropic ?
Pour comprendre cela, il faut d'abord connaître la place de Karpathy dans l'industrie de l'IA.
Aux yeux des investisseurs de premier plan, ce n'est pas seulement un responsable technique, mais plutôt une figure clé capable d'influencer directement le rythme de R&D — l'entreprise qu'il rejoint verra sa vitesse d'itération de modèles changer.
À 39 ans, le parcours de Karpathy est effectivement remarquable.
Doctorant à Stanford sous la direction de Fei-Fei Li, il a participé à la création du premier cours de deep learning de Stanford.
Mais ce qui l'a vraiment rendu célèbre, ce sont ses cinq ans chez Tesla.
Il a quitté OpenAI pour rejoindre Tesla en 2017, avant de revenir brièvement chez OpenAI en 2023.
En 2017, Musk, alors encore administrateur d'OpenAI, a court-circuité la direction d'OpenAI pour recruter directement Karpathy chez Tesla, pour s'occuper de l'IA et de la vision pour la conduite autonome. Des preuves lors du procès montrent que cette opération avait suscité le mécontentement du côté d'OpenAI à l'époque.
Chez Tesla, Karpathy a fait bien plus qu'écrire des articles.
Il a construit de zéro l'ingénierie de la conduite autonome, y compris la constitution d'une équipe d'annotation de données et le déploiement des réseaux neuronaux sur les puces conçues par Tesla.
Le concept à la mode dans la tech ces deux dernières années, "Vibe Coding" (programmation à l'ambiance), a également été popularisé par lui.
Et que va-t-il faire chez Anthropic maintenant ?
La réponse : rejoindre l'équipe de pré-entraînement pour utiliser Claude afin d'accélérer le pré-entraînement de la prochaine génération de modèles.
Pour faire simple, aujourd'hui, OpenAI entraîne ses grands modèles principalement en entassant de la puissance de calcul — une multitude de GPU NVIDIA fonctionnant simultanément, c'est une course à celui qui peut se permettre plus de frais d'électricité et de matériel.
Ce que Karpathy veut faire chez Anthropic, c'est faire participer Claude à l'accélération du processus d'entraînement lui-même.
Si cette voie aboutit, le coût d'entraînement des grands modèles chutera considérablement.
Le choix de Karpathy transmet en réalité un signal : pour ceux qui font vraiment de l'ingénierie, la voie consistant uniquement à brûler de l'argent en entassant de la puissance de calcul arrive à son terme ; utiliser des modèles pour assister l'entraînement est une direction plus réaliste.
Consommation de calcul et "l'ombre de WeWork"
Le départ successif des talents clés est souvent lié à l'orientation de l'entreprise.
OpenAI aujourd'hui est passé d'une organisation de recherche à but non lucratif à une entreprise sous pression de chiffre d'affaires.
Fin février 2026, le chiffre d'affaires annualisé d'OpenAI avait dépassé 25 milliards de dollars.
Mais le coût de la puissance de calcul augmente encore plus vite.
Selon des prédictions de sources informées rapportées par Reuters en 2024, OpenAI pourrait faire face à des pertes pouvant atteindre 14 milliards de dollars en 2026, avec une trésorerie potentiellement positive seulement en 2029. Ces prévisions n'ont pas été mises à jour ou confirmées depuis.
La puissance de calcul est un actif lourd qui se déprécie très vite. Pour contrôler les pertes, OpenAI a commencé à couper les activités non rentables.
Le projet vidéo Sora, qui brûlait environ 1 million de dollars par jour en coûts de serveurs et dont la croissance des utilisateurs était inférieure aux attentes, a été arrêté en mars de cette année.
La division scientifique OpenAI for Science, créée en 2025, a vu son équipe démantelée et intégrée à d'autres lignes de produits.
Ces ajustements visaient d'une part à répondre aux exigences de conformité pour sa transformation en "Public Benefit Corporation (PBC)" en 2025, et d'autre part à préparer l'IPO. Mais pour les scientifiques qui avaient rejoint l'entreprise par idéalisme technologique, les priorités de l'entreprise avaient changé.
Et Son a choisi ce moment pour renforcer sa mise.
Au cours de l'année écoulée, SoftBank a investi plus de 60 milliards de dollars dans OpenAI via divers canaux.
Cette décision a suscité de vives controverses au sein de SoftBank.
Plusieurs cadres estiment en privé que concentrer autant de capitaux sur une entreprise non cotée est un risque trop élevé.
Pour lever des fonds, SoftBank a vendu une partie de ses actifs, dont NVIDIA. Parallèlement, le Vision Fund a licencié environ 20% de ses effectifs, recentrant les ressources sur le secteur de l'IA.
Ce que craignent les cadres de SoftBank, c'est de revivre le scénario de WeWork.
À l'époque, Son avait cru au récit commercial de WeWork, pour finalement subir des pertes de dizaines de milliards. Selon Bloomberg, des sources internes ont utilisé le terme "starstruck" (ébloui) pour décrire l'attitude de Son envers Altman cette fois-ci — exactement comme avec le fondateur de WeWork.
Après avoir investi 60 milliards de dollars, SoftBank n'a pas obtenu de siège décisionnel réel au conseil d'administration d'OpenAI. Mais Son avait raté la dernière vague internet, il ne veut pas rater l'IA. Pour lui, ces pertes sont le prix à payer pour obtenir un billet d'entrée vers "l'intelligence fondamentale".
Et à l'annonce de l'IPO d'OpenAI, la capitalisation de SoftBank a augmenté de 240 milliards de yuans en une journée — du moins pour l'instant, ce pari n'est pas perdant.
La carte de la puissance de calcul de Musk
Dans cette partie d'échecs, celui qui sait le mieux créer des problèmes, c'est encore Musk.
Il est l'un des premiers cofondateurs d'OpenAI, et aujourd'hui son concurrent le plus direct.
En mai de cette année, Musk a perdu son procès contre OpenAI pour avoir dévié de sa mission initiale, le motif étant la prescription de l'action.
Mais le procès a révélé de nombreuses informations : celui qui voulait à l'origine transformer OpenAI en entreprise à but lucratif, c'était Musk lui-même.
Il avait fait un calcul — le projet de colonisation de Mars nécessiterait environ 80 milliards de dollars, et contrôler une entreprise d'AGI était un moyen de lever des fonds.
N'ayant pas obtenu le contrôle, il a choisi de se retirer, de cesser de financer, et en même temps de recruter Karpathy.
Bien que le procès ait été perdu, Musk a rapidement pris des mesures au niveau de la puissance de calcul.
Début mai, Musk a annoncé la fusion de xAI dans SpaceX. Ensuite, SpaceX a loué dans son intégralité son centre de calcul Colossus 1, situé à Memphis dans le Tennessee — équipé de plus de 220 000 GPU NVIDIA — à Anthropic. Le prospectus d'introduction en bourse de SpaceX indique que le montant total de ce bail se situe entre 40 et 45 milliards de dollars.
Il y a seulement quelques mois, Musk qualifiait encore publiquement Anthropic de "misanthrope et maléfique" (misanthropic and evil) sur X.
Mais face aux intérêts commerciaux, les positions peuvent s'adapter à tout moment.
Musk a visé le point faible d'OpenAI — la puissance de calcul.
Louer le centre de calcul à Anthropic permet, d'une part, de percevoir un loyer élevé, et d'autre part, de renforcer indirectement la force d'un concurrent d'OpenAI, exerçant ainsi une pression indirecte sur OpenAI.
La contre-attaque impressionnante d'Anthropic
Fort de capacités de calcul suffisantes, les performances d'Anthropic s'accélèrent effectivement.
En avril 2026, Anthropic a annoncé que son chiffre d'affaires annualisé avait dépassé 30 milliards de dollars, dépassant pour la première fois en taille celui d'OpenAI (environ 25 milliards de dollars).
Le 21 mai, le Wall Street Journal a révélé de plus : Anthropic pourrait réaliser un chiffre d'affaires de 10,9 milliards de dollars au deuxième trimestre, atteignant ainsi son premier bénéfice trimestriel.
Pour référence, Salesforce a mis plus de vingt ans pour atteindre une échelle de revenus équivalente. Anthropic, depuis sa création en 2021 jusqu'à aujourd'hui, a mis moins de cinq ans.
Le plus crucial, c'est le contrôle des coûts.
La gamme de produits d'Anthropic est relativement concentrée, principalement sur la génération de code pour entreprises et les agents intelligents, sans s'aventurer dans des domaines grand public comme la génération vidéo. Le coût d'entraînement des modèles n'est qu'environ le quart de celui d'OpenAI.
Revenus plus élevés, dépenses plus faibles — c'est l'avantage actuel d'Anthropic.
Pour quelqu'un comme Karpathy, qui a longtemps travaillé sur la mise en œuvre technique, cette différence est convaincante.
Du choix de Karpathy aux jeux de puissance de calcul entre géants, cette vague de compétition envoie un signal : le seuil d'entrée pour l'entraînement de base des grands modèles est déjà très élevé, et il est difficile pour les entrepreneurs ordinaires de trouver des opportunités dans le domaine des modèles généraux. Des voies plus réalistes consistent soit, comme Anthropic, à se concentrer sur des scénarios spécifiques B2B — par exemple, utiliser l'IA pour résoudre des flux de travail comme la génération de code où la volonté de payer est claire ; soit à chercher des opportunités de niche dans des directions comme l'entraînement assisté par l'IA ou les données synthétiques. Le coût de la puissance de calcul déterminera qui survivra à cette vague, c'est le calcul le plus basique.
(Cet article a été publié pour la première fois sur Titanium Media APP, auteur | Silicon Valley Tech_news, éditeur | Linshen)
