Spécial Anthropic : résultats du T3, auto-amélioration de l’IA, obstacles à la reproduction et mise à jour du forfait Ultra

Anthropic augmente son chiffre d’affaires trimestriel sur fond de ralentissement de la croissance avant son IPO

Anthropic a réalisé un chiffre d’affaires d’environ 17 milliards de dollars au troisième trimestre et a replongé dans le rouge sur le plan opérationnel. Les chiffres figurent dans une version actualisée du formulaire S-1 déposé par Anthropic auprès de la SEC en vue de son entrée en bourse prévue. La première version du prospectus avait été publiée par l’entreprise une semaine plus tôt. Elle ne contenait que les données financières jusqu’au milieu de l’année.

Le chiffre d’affaires trimestriel dépasse d’environ 1 127 % celui de l’année précédente. Par rapport au trimestre précédent, il a progressé d’environ 47 %. Au deuxième trimestre, la hausse atteignait encore 144 %, et 132 % au premier trimestre. Pour les neuf premiers mois de l’année, Anthropic affiche un chiffre d’affaires de 33,24 milliards de dollars, soit une hausse d’environ 1 200 % par rapport à la même période de l’exercice précédent.

Sur le plan opérationnel, Anthropic a enregistré une perte de 536 millions de dollars au troisième trimestre. Trois mois plus tôt, elle dégageait encore un bénéfice d’exploitation de 974 millions de dollars. Deux charges exceptionnelles en sont la cause principale. Environ 5 milliards de dollars ont été consacrés à du matériel informatique de calcul, qui a dû être acheté à court terme et à des prix majorés en raison d’une demande exceptionnellement forte. Habituellement, Anthropic réserve ses capacités 12 à 18 mois à l’avance. Deux autres milliards de dollars proviennent d’un programme sans effet sur la trésorerie, dans le cadre duquel l’entreprise abonde les dons de ses collaborateurs. Le résultat d’exploitation ajusté, hors rémunérations à base d’actions et dons, a augmenté de 300 millions de dollars pour atteindre 2,5 milliards de dollars.

La perte nette s’est élevée à 23,29 milliards de dollars au troisième trimestre. Sur neuf mois, elle atteint 104 milliards de dollars, contre 25,1 milliards de dollars pour la même période de l’exercice précédent. L’entreprise attribue la majeure partie de ce montant à l’évolution de la juste valeur des obligations convertibles et des passifs dérivés.

Au 30 septembre, les engagements d’infrastructure s’élevaient à 895,4 milliards de dollars. Près d’un tiers concerne des contrats de leasing avec Google et Broadcom. En avril, les deux entreprises s’étaient engagées à fournir à Anthropic plusieurs gigawatts de puissance de calcul basée sur les puces TPU de Google, co-développées avec Broadcom. Des contrats de centres de données de plus de 100 milliards de dollars chacun sont conclus avec Amazon, Oracle et SpaceX. Anthropic prévoit également de construire ses propres centres de données en plus des capacités louées. Les engagements d’achat sont passés de 55 milliards de dollars fin 2025 à environ 314 milliards de dollars au troisième trimestre.

Dans la course, Anthropic affronte les modèles open source, OpenAI et les grands groupes technologiques. → The Information, SiliconANGLE, CNBC

Synthszr Take : Même la perte devient une histoire de croissance dans le prospectus. Cinq milliards de dollars consacrés à du matériel de calcul acheté au prix fort se lisent comme la preuve que la demande dépasse toutes les prévisions. À cela s’ajoute un résultat ajusté qui fait abstraction des dons et des rémunérations en actions. Cette mise en scène a une raison : les investisseurs paient pour le chiffre d’affaires, la courbe doit donc rester très pentue. Une progression trimestrielle de 47 % au lieu de 144 % pèse bien davantage sur le multiple que n’importe quelle perte d’exploitation.

Anthropic met en garde dans son prospectus d’entrée en bourse contre une IA qui pourrait bientôt s’améliorer d’elle-même

Anthropic a ajouté de nouveaux avertissements sur les risques dans son prospectus d’introduction en bourse S-1A révisé lundi. Selon ces documents, l’entreprise pourrait bientôt franchir un seuil vers la Recursive Self-Improvement. L’attention du public s’est d’abord portée sur les chiffres financiers actualisés, affichant une forte hausse des revenus et des coûts tout aussi croissants. Les passages consacrés à l’auto-amélioration figurent dans la section sur les facteurs de risque. Il y est indiqué que des estimations internes et des attentes concernant les futurs modèles suggèrent qu’Anthropic pourrait répondre « de manière imminente » à la définition d’un « progrès spectaculairement accéléré et attribuable à l'IA  »tirée de sa propre Responsible Scaling Policy. Selon l’entreprise, aucun modèle actuel n’a franchi ce seuil, et les données sous-jacentes continuent d’être examinées.

L'auto-amélioration récursive désigne le stade où l’IA devient si performante pour s’entraîner elle-même que ses capacités augmentent de manière exponentielle. Les pessimistes y voient un scénario dans lequel l’IA échappe au contrôle humain. Les partisans en attendent une impulsion colossale pour la productivité et les découvertes scientifiques. Lorsque le terme est devenu populaire au début de l’année, beaucoup le considéraient comme un mot à la mode ou comme un objectif presque impossible à atteindre, à définir ou à prouver.

Dans son prospectus, Anthropic explique qu’elle utilise déjà l’IA dans ses propres activités de recherche et développement. Cela pourrait avoir pour conséquence que les capacités des modèles progressent plus vite que l’entreprise n’est en mesure de concevoir, valider et mettre en œuvre des mesures de sûreté, d'alignement et de sécurité. Anthropic reconnaît n’avoir décelé une nette accélération de son propre développement dans le passé qu’a posteriori. Cela pourrait se reproduire à l’avenir. Utiliser l’IA pour concevoir une IA plus performante comporte, selon ses propres termes, un « risque de sécurité substantiel », surtout si le rythme s’accélère fortement.

Dans le même temps, Anthropic annonce vouloir maintenir des humains dans la boucle du processus de développement dans un avenir prévisible. Elle ne s’attend pas à pouvoir utiliser Claude en toute sécurité pour concevoir les futurs modèles frontières de manière totalement autonome et sans supervision humaine significative. Cela resterait vrai même si cela devenait techniquement possible. L’entreprise étudie donc des adaptations de sa Responsible Scaling Policy afin que le contrôle du développement des modèles reste aux mains des humains. Les détracteurs soulignent qu’un prospectus d’introduction en bourse relève toujours à la fois de la transparence et du marketing. Toutefois, les capacités de Claude en programmation, en mathématiques et en cybersécurité ont considérablement progressé cette année. → Wall Street Journal, TechCrunch

Synthszr Take : Un facteur de risque qui s’appuie sur de futurs modèles et des estimations internes ne coûte rien dans un prospectus. Il prémunit contre les poursuites d’investisseurs tout en vendant la trajectoire la plus spectaculaire imaginable. Cette affirmation ne pourra être vérifiée qu’avec la prochaine version de Claude : si le seuil est « imminent », les benchmarks publics en code et en mathématiques devraient montrer en quelques mois un bond rompant avec le rythme habituel. Si ce n’est pas le cas, ce passage n’était qu’une histoire de croissance déguisée en avertissement.

Anthropic freine Claude Code en matière de rétro-ingénierie

Anthropic a confirmé que Claude Code, combiné au modèle Opus 5.5, ne doit plus créer de répliques de jeux vidéo existants. Selon Tom’s Hardware, Addy Osmani, employé chez Anthropic, a expliqué sur X que deux phrases avaient été ajoutées au prompt de Claude Code car la violation de la propriété intellectuelle enfreint les règles d’utilisation de l’entreprise. D’après ses déclarations, les jeux originaux, les titres d’un genre donné et les jeux basés sur des designs et assets propres continuent de fonctionner, les règles devant encore être ajustées. Une capture d’écran circulant sur X montre ce qui semble être le libellé exact, selon lequel la reproduction d’un jeu spécifique est interdite même si elle est renommée ou présentée comme originale. En parallèle, selon Tom’s Hardware, les signalements se multiplient indiquant qu’Opus 5.5 dans Claude Code refuse également les tâches de reverse-engineering, comme l’analyse d’une activation de produit. → Tom’s Hardware

Synthszr Take : Deux phrases dans le prompt système ne protègent aucun jeu indépendant. Le blocage ne s’applique qu’à Claude Code avec Opus 5.5. Passer à Opus 4.8 ou à un autre harness comme Ollama suffit déjà à le contourner. Les usines à clones, qui copient les succès des petits studios, travaillent de toute façon avec des modèles ouverts et des équipes à bas coût. C’est surtout Anthropic qui se protège, face aux grands détenteurs de droits et aux acheteurs Enterprise. La facture est payée par les développeurs légitimes, dont les analyses de reverse-engineering sont soudainement rejetées.

Anthropic supprime la limite de cinq heures pour les abonnements Ultra

Anthropic a levé la limite d’utilisation de cinq heures pour les abonnés vérifiés du forfait Claude le plus onéreux. Parallèlement, les offres ont été renommées, rapporte AlphaSignal. L’ancien forfait Max 5x s’appelle désormais simplement Max et coûte toujours 100 dollars par mois. Max 20x devient Ultra, au tarif inchangé de 200 dollars mensuels. Pour les abonnés actuels, rien ne change en dehors du nom, précise l’article. Jusqu’à présent, la limite de cinq heures interrompait les longues sessions, notamment lors de tâches de codage complexes ou de processus en arrière-plan prolongés. → AlphaSignal

Synthszr Take : La limite hebdomadaire reste inchangée ; un client Ultra ne consomme donc pas un seul token de plus qu’avant, il le consomme simplement d’une seule traite. Le plafond de cinq heures servait donc de régulateur pour les pics de charge, son incidence sur le coût par token étant nulle. Anthropic vend désormais la continuité comme un argument produit sans concéder de temps de calcul supplémentaire. La véritable protection des coûts repose sur la vérification, qui tient les fermes de comptes à distance. Pour Cursor et OpenAI, la référence devient ainsi la durée de session plutôt que le volume du forfait.

Musk concède : Grok coûte plus cher à xAI que ce que le chatbot rapporte

Elon Musk a déclaré publiquement que l’exploitation de l'assistant IA Grok n’est plus viable financièrement pour xAI. C’est ce que rapporte Techpresso en citant NewsBytes. L’élément déclencheur a été la vague de plaintes d’utilisateurs sur X ayant atteint leurs limites d’utilisation plus rapidement que prévu cette semaine. Un utilisateur suggérait de réinitialiser les plafonds en raison de cette forte consommation. Musk a refusé et n’a fait miroiter aucun accès supplémentaire pour les abonnés payants. → Techpresso

Synthszr Take : Un entrepreneur en quête de capitaux se plaint rarement en public de ses coûts, sauf si cette complainte fait partie de la négociation. La réponse de Musk à un utilisateur sur X fixe deux choses : les limites restent en place, et la rareté du temps de calcul sert désormais de preuve de la demande. Avec environ 800 000 utilisateurs payants estimés, cela ressemble à une justification pour une formule plus chère. Les investisseurs y voient un problème de croissance, et un problème de croissance se résout par une nouvelle levée de fonds.

L’auteur UX Jon Sabutis règle ses comptes avec l’omniprésent bouton étincelle de l’IA

Dans la newsletter hebdomadaire de l'UX Collective, l’auteur Jon Sabutis critique le symbole d’étincelles utilisé par les éditeurs de logiciels pour signaler leurs fonctionnalités d’IA. Son texte, intitulé « Nobody asked for the sparkle button », figure en tête de l’édition actuelle. Sabutis constate que, dans presque tous les produits payants, un tel symbole est niché en haut à droite. Selon sa description, il fait glisser depuis la droite un panneau intitulé « Ask anything ». Ce panneau propose trois suggestions que l’utilisateur n’a jamais demandées. Si on le ferme, il réapparaît à la mise à jour suivante, parfois sous un nouveau nom.

Synthszr Take : Chaque panneau qui réapparaît sous un nouveau nom après une mise à jour entraîne l’utilisateur à un seul et unique réflexe : fermer. Ce conditionnement ne figure dans aucun budget IA et coûte le plus cher, car il déteint sur toutes les fonctionnalités futures. Si l’équipe produit livre au trimestre suivant une fonction réellement utile, celle-ci se retrouvera en haut à droite derrière les mêmes étincelles et sera écartée par réflexe. Les éditeurs qui intègrent l’IA dans les workflows existants sans recourir au symbole d’étincelles préservent cette confiance. Les autres l’ont gaspillée pour une diapositive de roadmap.

Des pirates informatiques font grimper la température des congélateurs de supermarchés dans plus de sept pays

Selon Tech Brew, des pirates informatiques ont basculé durant la nuit les installations de congélation de supermarchés en mode dégivrage dans sept pays européens. Les températures sont montées jusqu’à 122 degrés Fahrenheit, soit environ 50 degrés Celsius, entraînant la perte des denrées alimentaires. Il s’agit de la deuxième attaque de ce type en moins d’un mois. En octobre, un piratage quasi identique a touché des centaines de supermarchés français, détruisant des stocks et déclenchant, selon certaines sources, des incendies dans plusieurs magasins. Le PDG d’une chaîne touchée a estimé les pertes d’une seule journée à un montant à deux chiffres en millions d’euros. D’après l’article, le Pentagone examine si six points de vente alimentaires sur des bases militaires américaines ont également été pris pour cible de cette manière en août. → Tech Brew

Synthszr Take : Les fabricants ont rogné sur les coûts, les distributeurs règlent l’addition. Une installation de réfrigération dure bien plus longtemps que la période pendant laquelle son constructeur fournit des mises à jour de sécurité. Cette faille représentait jusqu’ici un avantage de coût invisible pour l’industrie. Une perte de plusieurs dizaines de millions d’euros en une seule journée la rend désormais visible dans le bilan d’une chaîne de supermarchés. À l’avenir, les assureurs indexeront leurs primes sur les engagements de mise à jour. Lors du prochain achat d’équipements frigorifiques, la durée du support comptera davantage que la consommation électrique.

Sept jeunes mathématiciens sur dix doutent de leur avenir universitaire

Environ 70 % des jeunes mathématiciennes et mathématiciens estiment désormais que leurs chances de faire carrière dans la recherche académique sont plus faibles qu’à l’été dernier. C’est ce qui ressort d’un sondage du MIT publié le 29 octobre, rapporté par Alberto Romero dans sa newsletter The Algorithmic Bridge. L’enquête a été menée auprès de 268 jeunes chercheurs issus de près de 60 institutions, principalement des doctorants et quelques postdocs. Ils devaient indiquer comment la probabilité d’une carrière académique après leur doctorat ou leur postdoc avait évolué depuis la mi-juillet. Seuls 9 % estiment que leurs perspectives se sont améliorées. Romero associe ce revirement aux récents progrès des systèmes d’IA en mathématiques et avance la thèse selon laquelle les mathématiques ne seront bientôt plus une activité humaine. → Alberto Romero from The Algorithmic Bridge

Synthszr Take : C’est précisément dans ce vivier que les laboratoires d’IA recrutent leurs futurs chercheurs. Ce sont les docteurs en mathématiques qui conçoivent les preuves, les benchmarks et les protocoles d’évaluation auxquels chaque nouvelle génération de modèles doit se confronter. Si 70 % d’entre eux renoncent à la carrière académique, ce vivier se réduit alors même qu’OpenAI, Google et consorts se disputent les mêmes talents. Les rémunérations pour ceux qui restent flambent. La thèse de Romero comporte donc une faille intrinsèque : une machine qui remplace les mathématiques humaines a toujours besoin d’humains capables de vérifier ses preuves.

Le MIT utilise GPT-6 Astra pour réécrire les poids de Qwen : le score en mathématiques multiplié par six

Des chercheurs du MIT Computer Science & Artificial Intelligence Laboratory (CSAIL) ont utilisé le modèle de langage GPT-6 Astra d’OpenAI pour modifier directement les poids d’un petit modèle open source de Qwen. Selon leurs déclarations, ses performances en mathématiques ont ainsi été multipliées par six. Rikiya Takehi, Jayden Teoh, Alex Zhang et Omar Khattab ont présenté ces travaux dans un article de blog de recherche publié le 2 novembre. Ils qualifient cette approche de « Weight-Space Programming  ». L’objectif était de tester si Astra pouvait interpréter et modifier des réseaux sans que les modifications soient calculées par des méthodes d’entraînement classiques.

Dans l’exemple le plus spectaculaire, l’intervention d’Astra a fait passer le score MATH-500 de Qwen3.5-0.8B de 7,9 à 48,1 %. Environ 0,016 % des poids ont été modifiés à cette occasion. Selon les chercheurs, cette amélioration s’explique principalement par la correction du raisonnement répétitif, c’est-à-dire des boucles dans lesquelles le modèle tournait en rond. Cette analyse conditionne à la fois les conclusions techniques et le débat sur leur portée.

Sur le plan méthodologique, cette approche se distingue du fine-tuning habituel. Dans ce dernier, les poids sont ajustés à partir d’exemples, de retours ou de récompenses par le biais de procédés comme la Gradient Descent, qui mesurent les erreurs pour en déduire des corrections. Dans l’expérience du MIT, un modèle distinct a analysé le réseau cible, décortiqué son comportement et proposé des modifications directes de ses poids. Dans certains essais, Astra recevait les poids sous forme de texte. Pour les réseaux plus vastes, il disposait d’un environnement Python contrôlé.

Les chercheurs posent eux-mêmes les limites de leurs résultats. Leur méthode a également requis de la puissance de calcul et, pour l’expérience sur Qwen, des exercices d’entraînement ainsi que des tests. Ils n’ont pas démontré que l’édition directe était durablement supérieure à l’entraînement classique en termes de rapidité, de coût ou d’efficacité. D’éventuelles économies de temps et de ressources de calcul ne sont pour l’instant pas prouvées. En guise de perspective, ils évoquent des systèmes capables d’inspecter, de réparer et de concevoir d’autres réseaux de neurones, et peut-être un jour de le faire sur eux-mêmes.

Les réactions sont partagées. Yuchen Jin, collaborateur technique chez Databricks non impliqué dans l’étude, ainsi que Chandan Singh, chercheur chez Voyage AI, se sont montrés optimistes sur X. Un commentateur sceptique a quant à lui mis en doute le fait que ces résultats démontrent un véritable renforcement du raisonnement du modèle. Maxime Fournes, PDG de l’organisation Pause AI, a averti qu’une édition directe des poids couronnée de succès pourrait accélérer des progrès potentiellement dangereux.

→ VentureBeat

Synthszr Take : Modifier 0,016 % des poids s’apparente à un travail de précision chirurgicale, et la chirurgie exige des spécialistes. Astra suggère l’incision. Encore faut-il que quelqu’un vérifie pourquoi précisément ces paramètres mettent fin aux boucles répétitives, et ce qu’ils dérèglent par ailleurs. Aujourd’hui, seule une poignée d'équipes spécialisées en interprétabilité est capable de porter ce jugement. Les entreprises exploitant des modèles open-weight restent donc fidèles au fine-tuning, avec ses outils éprouvés, ses prestataires et ses routines d’évaluation. Ce marché ne s’ouvrira véritablement que lorsqu’un acteur fournira la vérification clé en main — et OpenAI dispose déjà du modèle éditeur.