Les investisseurs mettent Anthropic sous pression et Jensen Huang a un problème

Après la chute du Nasdaq, les investisseurs ne veulent plus valoriser Anthropic qu’à la moitié

Les investisseurs d’Anthropic discutent désormais d’une valorisation de seulement 1 000 milliards de dollars pour son introduction en bourse prévue. C’est ce qui ressort d’informations s’appuyant sur des sources anonymes. En octobre, l’entreprise visait encore, selon certaines sources, 2 000 milliards de dollars. La valorisation cible se situe donc aujourd’hui à environ 1 000 milliards de dollars en dessous de son niveau d’il y a un mois. Auparavant, les investisseurs avaient indiqué aux banques une juste valeur plutôt proche de 1 500 milliards de dollars. Trois bailleurs de fonds majeurs estiment selon leurs propres déclarations qu’une décote de 500 milliards de dollars est nécessaire.

Le déclencheur est la vague de ventes de jeudi. Selon les estimations, le Nasdaq a perdu ce jour-là entre 5,5 et 6,4 %, glissant en territoire de correction. Par rapport à son sommet du 6 octobre, il a temporairement accusé un retard de près de 12 %. L’indice des semi-conducteurs SOX a plongé de 12,3 %. Ce repli a fait suite aux gains historiques des démocrates lors des élections de mi-mandat. Depuis lors, les investisseurs anticipent la possibilité d’un ralentissement du déploiement des centres de données.

Vendredi, les cours se sont légèrement stabilisés. Le Nasdaq a progressé de 1,1 %, et les valeurs de puces telles que Nvidia, CoreWeave, Intel et Sandisk ont récupéré une partie de leurs pertes. Le sentiment de marché a été soutenu par des données solides sur l’emploi : en octobre, 165 000 nouveaux emplois ont été créés et le taux de chômage a reculé à 4,1 %. Sur l’ensemble de la semaine, une baisse de 3,4 % est toutefois restée enregistrée, et l’indice évoluait toujours à plus de 10 % sous son record d’octobre.

Anthropic prévoyait d’entrer en bourse dans les semaines à venir et de lever jusqu’à 100 milliards de dollars. L’entreprise pourrait reporter l’échéance. Michael Field, stratège chez Morningstar, estime toutefois qu’un report serait plus préjudiciable pour les perspectives à long terme qu’une valorisation revue à la baisse. L’analyste de HSBC Max Kettner avait prédit la vente massive. Il accorde plus d’importance à l’issue de l’introduction en bourse d’Anthropic pour le sentiment du marché qu’aux élections. Il décrit le scénario idéal ainsi : Anthropic entre en bourse, mais avec 1 000 milliards au lieu de 1 500 milliards de dollars.

Cette valorisation est cruciale pour l’ensemble du secteur, car Anthropic se situe au cœur des investissements en IA. L’entreprise a pris des engagements en matière de puissance de calcul et d’infrastructures pour près de 900 milliards de dollars, notamment avec Amazon, Google, Microsoft et Broadcom. Sa situation financière influe donc directement sur les valorisations tout au long de la chaîne d’approvisionnement, des fabricants de puces et équipementiers réseau aux exploitants de centres de données et fournisseurs d’électricité. → Axios, Capital Brief, Telegraph, The Asia Business Daily

Synthszr Take : Anthropic est l’étiquette de prix sur laquelle s’aligne chaque tour de table privé en IA. Si la valorisation de référence est divisée par deux, passant de deux à mille milliards de dollars, les multiples de comparaison de tous les petits laboratoires glissent avec elle. Leurs derniers tours de table ont été négociés précisément par rapport à cet ancrage. Le prochain financement deviendra donc un tour à la baisse (down round), ou sera tout bonnement annulé. Les laboratoires ayant d’importants engagements de calcul seront les premiers touchés, car leurs factures continuent de courir pendant que la valorisation baisse. La discipline en matière de calcul devient dès lors un critère de survie.

Les renseignements américains classent Alice Huang, proche de Jensen Huang, comme agente de la Chine

Selon des sources internes, les services de renseignement américains sont arrivés à la conclusion qu’Alice Huang, cadre au sein de l’entreprise Megaspeed, a été recrutée par le ministère de la Sécurité de l’État chinois (MSS). Sa mission aurait été de collecter des informations sur le patron de Nvidia, Jensen Huang. Les responsables américains auraient constaté que le PDG de Nvidia entretenait une « relation étroite » avec la femme d’affaires. Elle aurait transmis des renseignements à Pékin.

D’après les évaluations, il s’agissait également d’exercer une influence. Alice Huang aurait tenté d’amener Jensen Huang à plaider en faveur d’un assouplissement des contrôles à l’exportation américains qui restreignent la vente de puces Nvidia vers la Chine. Megaspeed a son siège à Singapour et était dirigée par Alice Huang. Les critiques qualifient l’entreprise de société-écran chinoise et soulignent qu’elle continue d’avoir accès aux puces les plus puissantes de Nvidia. L’autorité américaine compétente en matière d’exportations, le BIS, n’a pour l’instant pas exclu Megaspeed de ses livraisons. Sur les réseaux sociaux, il est par ailleurs affirmé que Megaspeed serait principalement financée par Alibaba. Cette information n’a pas été confirmée de manière indépendante.

L’affaire préoccupe désormais le Congrès américain. Les présidents de trois commissions de la Chambre des représentants ont convoqué Jensen Huang pour une séance d’information à huis clos qui doit se tenir ce mois-ci. L’objet concerne ses liens avec Alice Huang.

Parallèlement, Nvidia renforce le contrôle sur la destination de son matériel en Asie du Sud-Est. Selon des initiés, les clients de la région aspirant au statut de Nvidia Cloud Partner devront à l’avenir participer à un programme assurant le traçage de la localisation de leurs puces d’IA. La pression politique devrait néanmoins s’accentuer : les démocrates, qui ont conquis la majorité dans les deux chambres, préparent une surveillance accrue de Nvidia. L’accent est mis sur les exportations de puces et le zirkuläre Finanzierung dans le secteur de l’IA. Elizabeth Warren est pressentie comme potentielle présidente de la commission bancaire du Sénat. → The Information AM, list-manage

Synthszr Take : L’accès de la Chine au matériel n’a visiblement jamais été le problème : Megaspeed reçoit encore aujourd’hui les puces les plus performantes de Nvidia, et le BIS ferme les yeux. Ce qui manquait, c’était une voix à Washington pesant de tout son poids pour plaider en faveur d’un allègement des contrôles à l’exportation. Cette voix appartenait à Jensen Huang, et le MSS vient de la discréditer lui-même. Chaque argument de Nvidia en faveur du marché chinois ressemble désormais à un briefing venu de Pékin. Le traçage en Asie du Sud-Est arrive trop tard pour sauver le travail de lobbying devant le Congrès.

Google réduit de 30 % le prix de la vidéo pour Gemini Omni 1.2 Flash et autorise des clips de 15 secondes

Google rend son modèle vidéo Gemini Omni 1.2 Flash accessible au grand public via l’API Gemini et Gemini for business, tout en réduisant son prix de 30 % par rapport à la version précédente 1.1. Pour une vidéo en 720p, Google facture désormais 0,07 dollar par seconde. Selon Google, les clips peuvent être générés nativement jusqu’à 15 secondes, alors que la limite était auparavant de 10 secondes. La durée peut être définie par paliers d’une seconde, entre 3 et 15 secondes. Autre nouveauté : l’édition interactive au fil de plusieurs échanges. L’arrière-plan, le produit, l’éclairage ou le ratio d’aspect d’un clip existant peuvent être modifiés sans avoir à le régénérer entièrement. → Google

Synthszr Take : À 0,07 dollar par seconde, le prix de gros de Google devient l’étalon de mesure pour chaque outil de création s’appuyant sur l’API Gemini. Jusqu’ici, leur marge se justifiait par le workflow : ébauche, correction, mise à l’échelle. Ces étapes sont désormais prises en charge en natif par Omni 1.2 Flash, jusqu’à la modification de la seule lumière. Il ne reste presque plus aux fournisseurs que l’interface utilisateur. La marge par seconde de vidéo finit chez Google Cloud, tandis que les outils se retrouvent en concurrence directe avec leur propre fournisseur.

OpenAI classe GPT-6 Cyber comme « Critical » et ne le réserve qu’aux défenseurs vérifiés

OpenAI a présenté GPT-6 Cyber, un modèle conçu pour déceler, exploiter et valider des failles logicielles. L’entreprise le classe au niveau « Critical » dans le cadre de son Preparedness Framework pour la cybersécurité, alors que son prédécesseur GPT-5.6 Cyber n’était classé que « High ». Sur le benchmark ExploitGym, le modèle atteint 48,5 % d’après OpenAI, contre 32,1 % pour la mouture précédente. Lors d’un test d’alignement, il n’aurait selon l’éditeur attaqué aucun service en dehors du périmètre autorisé dans 99,93 % des essais, et dans 100 % des cas avec le prompt de déploiement officiel. Les chercheurs d’OpenAI affirment avoir développé grâce au modèle 948 exploits d'Privilege Escalation sous Linux et identifié 81 failles critiques jusqu’alors inconnues dans Firefox. Mozilla a déjà déployé des correctifs pour un grand nombre d’entre elles. → OpenAI

Synthszr Take : 81 failles critiques dans Firefox atterrissent chez Mozilla, une structure dotée d’une équipe de sécurité salariée et de cycles de publication bien rodés. La plupart des projets open source ne comptent qu’un seul mainteneur qui travaille le soir après sa journée. Daybreak vise précisément ces acteurs et leur apporte des vulnérabilités découvertes, pas des bras supplémentaires. À chaque saut de génération de modèle, l’écart entre failles signalées et failles colmatées se creuse. Les budgets de sécurité glissent donc de la détection vers la remédiation, profitant aux acteurs capables d’écrire, de tester et de déployer des correctifs.

Thinking Machines entraîne Inkling 2 Small en 68 heures, les poids ouverts suivront

Thinking Machines a publié Inkling 2 Small, un modèle multimodal de 594 milliards de paramètres, dont 17 milliards sont actifs par token. Il est disponible dès maintenant via la plateforme maison Tinker pour l’inférence et le fine-tuning. Les poids devraient être mis à disposition la semaine prochaine sous licence Apache 2.0, selon l’équipe, dès que les audits de sécurité externes seront bouclés. Artificial Analysis référence pour l’instant le modèle comme propriétaire lors de son lancement. D’après Soumith Chintala, le pré-entraînement a duré 68 heures sur des puces GB300, la phase principale englobant 8 400 milliards de tokens au format numérique NVFP4. Sur l’Intelligence Index d’Artificial Analysis, le modèle enregistre 31 points, soit 18 de plus que son prédécesseur. Avec des poids ouverts, il s’agirait selon Artificial Analysis du modèle ouvert le mieux classé en dehors de Chine. → Latent Space

Synthszr Take : La ligne la plus coûteuse de la grille tarifaire est l’entraînement : 1,50 dollar par million de tokens, soit plus que pour la génération (output). Thinking Machines commercialise l’adaptation sur mesure, le modèle ne servant que d’appât. L’ordre de lancement le démontre : d’abord Tinker, et une semaine plus tard les poids. Sous licence Apache 2.0, chaque client sera ensuite libre d’héberger lui-même son fine-tuning. Tinker doit par conséquent fidéliser par son outillage et sa vélocité ce que la licence ne permet pas de retenir.

René Obermann exige une véritable valeur ajoutée en IA pour SAP en tant que nouveau président du conseil de surveillance

René Obermann prendra la présidence du conseil de surveillance de SAP début 2027, rapporte manager magazin dans un portrait fouillé. Âgé de 63 ans, il a été fondateur de start-up, PDG de Deutsche Telekom et investisseur chez Warburg Pincus, avant de présider récemment le conseil d’administration d’Airbus. Pour ce portrait, le journaliste Caspar Schlenk s’est entretenu avec des compagnons de route comme le patron de Deutsche Telekom Tim Höttges et celui de 1&1 Ralph Dommermuth. Ils dépeignent Obermann comme un homme parti de rien voulant saisir le moindre détail. Lui-même résume ses origines ainsi : « Krefeld, derrière la gare ». → Tech Update – manager magazin

Synthszr Take : Musk a misé près d’un demi-milliard de dollars sur un camp politique et a perdu. SAP choisit l’antithèse : un président de surveillance dont le capital réside dans deux carrières de grand groupe chez Deutsche Telekom et Airbus, sans collusion avec le pouvoir. Le perdant de cette nomination s’appelle Christian Klein. Ne venant pas du logiciel d’entreprise, Obermann exigera de voir chaque promesse sur l’IA convertie en chiffre d’affaires. Un surveillant soucieux de décortiquer chaque détail lit les feuilles de route comme des bilans, et là-bas, seule compte la valeur concrètement délivrée sur le terrain.

PSI résout une conjecture ouverte depuis 2008 sur l’avantage quantique grâce à l’IA d’Anthropic

La start-up Physical Superintelligence (PSI) a annoncé avoir prouvé la conjecture d’Aaronson-Ambainis. Ouverte depuis 2008, cette conjecture porte sur les conditions dans lesquelles les ordinateurs quantiques peuvent afficher des gains exponentiels par rapport aux calculateurs classiques. D’après PSI, un système de recherche développé en interne a trouvé la démonstration complète dès le troisième jour d’exécution, en s’appuyant sur des instances d’un modèle non public d’Anthropic. D’après le papier publié sur GitHub par David Turturean, le théorème principal a été formalisé dans l’assistant de preuve Lean, validé par le noyau (kernel) et relu par des pairs. Le résultat concerne les questions de décision (oui/non) : un algorithme classique peut approximer sur la plupart des entrées aléatoires la probabilité qu’un algorithme quantique réponde « oui », sans nécessiter exponentiellement plus de requêtes de données. Ce théorème s’applique dans le Query-Modell, qui ne comptabilise que les accès en lecture à l’entrée et non l’ensemble du temps de calcul. → The Quantum Insider

Synthszr Take : Le noyau de Lean vérifie chaque étape logique, mais pas la fidélité de la traduction. Selon l’article, c’est une reformulation propre de la conjecture qui a été formalisée, et c’est précisément là que se détermine si PSI a résolu le problème posé en 2008 ou un énoncé adjacent. Cette vérification relève toujours du travail manuel d’experts. Si elle tient bon, le goulot d’étranglement se déplace nettement : la machine apporte la démonstration en trois jours, mais formuler et valider la proposition adéquate reste l’apanage d’un jugement humain onéreux.

Meta entraîne ses modèles gratuits avec Wonder, le modèle phare restant réservé aux clients payants

Depuis vendredi, tous les utilisateurs de l’application d’agents Muse de Meta et de Meta AI bénéficient de nouveaux modèles entraînés par le groupe à l’aide de son modèle de pointe, Muse Wonder. Wonder reste quant à lui réservé aux abonnés payants pour les tâches les plus complexes. Meta n’a pas donné de nom spécifique à ces nouveaux modèles, les qualifiant de versions « spécialisées » de ses modèles existants. Ils héritent de deux fonctionnalités initialement introduites avec Wonder : Active Memory et Active Focus. Wonder et sa variante plus puissante, Wonder Full, sont disponibles depuis le 12 octobre. Wonder est accessible via l’API Meta Model et l’agent de programmation Muse Code, tandis que Wonder Full n’est proposé que dans les deux forfaits les plus onéreux de Muse Code.

Muse a été lancé en septembre sur la base du modèle plus compact Muse Spark. Contrairement à des agents personnels concurrents, Muse propose une formule gratuite. À l’inverse, Dots d’OpenAI et Duet d’Anthropic ne sont inclus que dans les offres haut de gamme de leurs éditeurs respectifs. D’après ses déclarations, Meta n’a pas conçu de version généraliste réduite de Wonder. Les modèles ont été spécifiquement entraînés sur des comportements déterminants dans une application grand public. Cela comprend la faculté de juger quand l’agent doit agir de manière autonome et quand il doit demander l’avis de l’utilisateur, ou encore celle d’intégrer des corrections en cours d’exécution sans perdre le fil. Recourir à un grand modèle pour en entraîner de plus petits relève de la Distillation, une méthode courante dans le secteur. Meta n’a toutefois pas détaillé sa méthode précise.

Active Memory vise à réutiliser des détails de conversations antérieures dans les nouveaux échanges. Selon Meta, les modèles font le tri entre informations temporaires et permanentes, et détectent les données obsolètes. Dans l’évaluation interne de Meta, les nouveaux modèles exploitent correctement le contexte déterminant dans 90 % des tâches, contre 76 % pour le modèle précédent. Active Focus doit quant à lui permettre de poursuivre les tâches même si un accroc survient en cours de route, par exemple si un site web cesse de répondre en pleine réservation. Meta revendique ici une amélioration de 67 % dans l’accomplissement des tâches de routine confrontées à des incidents inattendus, sans toutefois préciser la valeur de référence de départ. Ces deux métriques émanent de l’éditeur lui-même.

Via l’API, Wonder coûte 4 dollars par million de tokens en entrée et 20 dollars par million de tokens en sortie. Meta AI est intégré dans WhatsApp, Instagram, Facebook et Messenger. Des modèles plus légers entraînés à partir de Wonder devraient, selon les observateurs, se révéler bien plus économiques à opérer à cette échelle que Wonder lui-même pour de tels volumes d’utilisateurs. → The New Stack

Synthszr Take : Active Memory et Active Focus dépendaient jusqu’à vendredi du modèle payant Wonder ; ils tournent désormais gratuitement dans WhatsApp, Instagram et Messenger. Pour les assistants tiers, c’est le pire concurrent envisageable : gratuit et déjà installé sur les appareils. Leur argument de vente reposait sur la capacité de leur agent à se souvenir et à mener à terme une réservation interrompue. Meta a distillé ces deux fonctionnalités et les distribue gratuitement. Ne subsistent alors que les niches disposant de données propriétaires ou d’un accès aux systèmes internes d’entreprises inaccessibles à Meta AI.