OpenAI, Anthropic : l'IA redéfinit l'économie des entreprises

Les enjeux économiques des modèles de langage pour les entreprises

L'intelligence artificielle (IA) ne cesse de transformer le paysage économique, mais le véritable défi pour les entreprises n'est pas l'échec potentiel de cette technologie, mais plutôt son succès retentissant. Les modèles de langage de grande taille (LLM) comme ceux développés par OpenAI, Anthropic et Mistral redessinent les contours d'un champ de bataille économique complexe, où monopoles, dépendances et coûts en constante augmentation menacent de piéger les entreprises.

Imaginez une situation où votre entreprise dépend d'un fournisseur stratégique qui dépense 14 milliards de dollars par an pour vous offrir un service à seulement 20 euros par mois. C'est le paradoxe auquel sont confrontées les entreprises aujourd'hui avec l'IA. Le risque majeur n'est pas l'échec technologique de l'IA, mais plutôt le succès commercial de ses éditeurs, qui pourrait aboutir à un monopole absolu ou à un effondrement soudain, laissant les entreprises sans les processus critiques qu'elles ont intégrés. OpenAI, Anthropic et Mistral représentent trois trajectoires distinctes, mais toutes reposent sur des ressources rares et soulèvent des questions de souveraineté que les comités exécutifs ne peuvent plus ignorer.

Les sources de revenus et les dépenses colossales

Les principaux fournisseurs de LLM tirent leurs revenus principalement de deux sources : les abonnements et les interfaces de programmation (API). Chez OpenAI, les abonnements, tels que ChatGPT Plus, Pro et les versions entreprises, dominent largement, représentant entre 55 % et 85 % des recettes, selon les estimations. Cette stratégie axée sur le grand public assure une adoption massive et une forte visibilité. Les API complètent ce tableau, représentant entre 15 % et 30 % des revenus, notamment grâce aux intégrations professionnelles. Les revenus annualisés d'OpenAI atteignaient environ 20 à 25 milliards de dollars à la fin de 2025, avec une croissance rapide mais des pertes importantes, projetées autour de 14 milliards de dollars en 2026.

En revanche, Anthropic tire l'essentiel de ses revenus, soit 70 % à 75 %, des API, particulièrement pour les usages de génération de code et d'agents. Les abonnements directs restent minoritaires, représentant seulement 10 % à 15 % des revenus. Cette orientation vers les entreprises permet de concentrer les revenus sur de gros clients, potentiellement plus stables.

Mistral, quant à elle, adopte un modèle hybride, combinant API à l'usage, abonnements (comme Le Chat Pro) et licences pour déploiements privés. Avec environ 400 millions de dollars de revenus annualisés au début de 2026 et un objectif supérieur à 1 milliard, l'entreprise française mise sur l'agilité et la souveraineté européenne.

Les dépenses communes à ces entreprises sont énormes : coûts d'inférence (exécution des modèles), entraînement des nouveaux modèles, infrastructure et salaires. Les pertes structurelles restent élevées, car la course à la performance exige des investissements massifs avant que les marges ne se stabilisent.

Dépendance aux ressources critiques

Tous ces acteurs dépendent fortement de puces de calcul performantes, dominées par NVIDIA. OpenAI et Anthropic ont investi des centaines de milliards de dollars dans des centres de données. Mistral, pour sa part, investit en Europe, avec des centres de données en France et en Suède, et l'acquisition de Koyeb, pour limiter cette dépendance et renforcer la souveraineté.

La guerre des talents est tout aussi intense : les ingénieurs spécialisés en intelligence artificielle sont rares et très recherchés, ce qui fait exploser les coûts salariaux. L'énergie constitue un autre goulet d'étranglement, avec une consommation électrique des centres de données qui pose des questions environnementales et de disponibilité.

Cette dépendance aux puces a cependant un revers inattendu : elle a poussé des acteurs isolés, notamment chinois, à optimiser drastiquement l'efficacité logicielle, remettant en cause le modèle du "brute force" américain.

Stratégies évolutives des principaux acteurs

OpenAI a évolué d'une logique de recherche ouverte vers une commercialisation agressive et une focalisation sur l'adoption pratique, avec des agents autonomes et une tarification basée sur les résultats.

Anthropic mise sur la sécurité et l'alignement dès l'origine, avec une conquête réussie des grands comptes via des API robustes et des outils de code.

Mistral développe une voie européenne, combinant open source et modèles propriétaires, cloud souverain et partenariats industriels. L'entreprise optimise les coûts et la conformité réglementaire plutôt que la course pure à l'échelle.

Chaque stratégie engage différemment les entreprises clientes : verrouillage progressif chez les acteurs américains, ou plus grande flexibilité (mais moindre maturité) chez Mistral.

Modèles de distribution et écosystèmes fermés

Microsoft, bien qu'il ne soit pas un concurrent direct en termes de modèles, joue un rôle crucial en tant que canal de distribution et fournisseur d'infrastructure. Son produit Copilot, intégré à Microsoft 365, sert d'assistant quotidien pour les employés dans Word, Excel, Teams, etc. Copilot Studio, quant à lui, est une plateforme de développement permettant de créer des agents IA personnalisés et autonomes, en s'appuyant sur plusieurs modèles tels qu'OpenAI, Anthropic, Grok, etc.

Le principal piège de ces écosystèmes fermés est le "Shadow IT", c'est-à-dire l'utilisation non autorisée de l'IA par les collaborateurs et partenaires de l'entreprise. Si Copilot (M365) est relativement maîtrisé par la direction des systèmes d'information (DSI), Copilot Studio permet à n'importe quel service métier de créer un agent IA connecté aux données de l'entreprise en quelques heures, augmentant spectaculairement la surface d'attaque et la dépendance invisible à l'infrastructure Microsoft.

xAI (Grok) propose une approche plus disruptive, avec une intégration à l'écosystème X et Tesla, un positionnement "vérité maximale" et des tarifs agressifs. Sa disponibilité via Copilot Studio renforce son accès aux entreprises.

Le piège principal de ces écosystèmes fermés est qu'ils offrent une distribution massive et une facilité d'intégration, mais augmentent la dépendance à un fournisseur unique et à ses choix stratégiques.

Le modèle chinois : efficacité et écosystème

Le choc "DeepSeek" et l'illusion du brute-force : Contrairement à l'illusion occidentale selon laquelle la qualité dépend uniquement du nombre de GPU (NVIDIA), les modèles chinois, tels que DeepSeek et Qwen d'Alibaba, ont démontré qu'un investissement massif en ingénierie logicielle (optimisation des architectures MoE, gestion fine des données) permettait d'égaler les performances de GPT-4 ou Claude avec une fraction des ressources matérielles.

L'implication pour la gouvernance est que le narratif de la "pénurie de puces" justifiant des prix élevés chez les occidentaux est désormais contesté. La ressource rare n'est plus la puce, mais le talent d'optimisation.

Le modèle d'affaires par l'écosystème : Les API de modèles chinois sont souvent bradées, voire gratuites. Leur modèle économique ne repose pas sur la vente de calcul, mais sur le verrouillage d'écosystèmes B2B et B2C massifs (DingTalk pour Alibaba, WeChat pour Tencent, Baidu Search). L'IA est un coût d'acquisition et de rétention, pas un centre de profit direct.

L'implication pour la gouvernance est qu'une entreprise européenne qui intègre une API chinoise "gratuite" ou à bas coût ne paie pas avec de l'argent, mais avec la fuite de ses patterns d'usage vers des acteurs étrangers.

La stratégie de l'"Open Weights" (poids ouverts) versus Open Source : La Chine a massivement adopté le modèle des "poids ouverts" (le code n'est pas forcément visible, mais les paramètres du modèle le sont). Cela permet aux entreprises occidentales de télécharger ces modèles pour les faire tourner "on-premise" (en local).

Le piège de la souveraineté : Pour une entreprise de taille intermédiaire française qui cherche à échapper au cloud américain, un modèle chinois en local semble séduisant. Mais la dépendance se déplace : au lieu de dépendre de l'infrastructure américaine, l'entreprise dépend de mises à jour algorithmiques et d'alignement cognitif (valeurs, censure) dictés par Pékin.

Comparaison des stratégies globales

• États-Unis (OpenAI/Anthropic) : Monétisation directe via abonnements et API, priorité à l'agent autonome, dépendance brute au hardware.
• Chine (Qwen/DeepSeek) : Monétisation indirecte via écosystèmes, priorité à l'efficacité logicielle, "open weights" géopolitique.
• Europe (Mistral) : Monétisation hybride, priorité à la conformité et à la souveraineté, recherche de niches réglementaires.

Incertitudes et tendances futures

Les services et les tarifs évolueront inévitablement. On s'attend à une hausse pour les usages avancés (agents autonomes, résultats mesurables) et à une différenciation plus forte. La concurrence et les optimisations devraient faire baisser le coût des usages standards.

Les incertitudes majeures portent sur la profitabilité réelle, les ressources (pénuries de puces, coûts énergétiques, talents) et la géopolitique (sanctions, dépendances).

Pour les utilisateurs en entreprise, des changements sont à prévoir. Les recommandations pratiques incluent la diversification des fournisseurs, la mesure rigoureuse du retour sur investissement, l'investissement dans les compétences internes et la mise en place d'une gouvernance forte (conformité CSRD, audits de dépendance, stratégie de souveraineté).

Cette dépendance aux modèles d'affaires des éditeurs d'IA n'est pas qu'un sujet technique, c'est un risque financier et extra-financier majeur. Pourtant, comme nous l'avons récemment analysé, la majorité des entreprises du CAC 40 omettent encore de mentionner leurs fournisseurs d'IA dans leurs documents d'enregistrement universel (DEU). Demain, ne pas déclarer sa dépendance à un modèle d'abonnement tiers (souvent non européen) ou l'intégration de poids ouverts chinois en local sera considéré par les auditeurs et les investisseurs comme un manquement à la duty of care. La gouvernance de l'IA passe aussi par la transparence actionnariale.

Conclusion et recommandations pour les comités exécutifs

Quel que soit le choix, écosystème américain, efficacité chinoise ou voie européenne, il existe un sacrifice : coût, données, valeurs ou autonomie. La gouvernance n’est plus une option, mais la condition pour transformer.