West Securities : Le processus d'industrialisation de l'IA s'accélère, le principal fabricant de modèles nationaux ARR connaît une montée en puissance

Western Securities a publié un rapport de recherche affirmant que le processus de commercialisation des grands modèles d’IA a connu une transformation qualitative de « 1 à 10 », avec une consommation de tokens payants et un ARR (revenu annuel récurrent) des principaux fabricants nationaux tels que Zhipu(02513) et MiniMax-W(00100) affichant une croissance exponentielle, notamment dans des scénarios clés comme le codage IA, avec une croissance rapide des utilisateurs. L’application des grands modèles commence à former un cycle vertueux de « croissance en quantité et en prix », dont la valeur commerciale est validée par le marché, et les fabricants de grands modèles détiennent le pouvoir de fixation des prix dans des scénarios clés comme la programmation. Sur le plan de l’ingénierie IA, l’émergence du nouveau concept HarnessEngineering, ainsi que l’open source passive de Claude Code, devraient accélérer le déploiement à grande échelle des applications d’agents.

Les principaux points de Western Securities sont les suivants :

La consommation de tokens payants de Zhipu a connu une croissance exponentielle, avec un ARR de 1,7 milliard de RMB en mars via l’API de la plateforme ouverte

Zhipu a publié ses résultats pour 2025 : en 2025, le chiffre d’affaires s’élève à 724 millions de RMB, en hausse de 131,9 % en glissement annuel ; la perte nette ajustée est de 3,182 milliards de RMB, en augmentation de 29,1 % par rapport à l’année précédente. La structure des revenus de l’entreprise a changé, avec une part importante provenant des API MaaS. En 2025, en termes de segments, les revenus de la plateforme ouverte et des API atteignent 190 millions de RMB, en hausse de 292,6 % ; les revenus des agents intelligents d’entreprise ont augmenté de 248,8 %, atteignant 166 millions de RMB ; les revenus des grands modèles universels d’entreprise ont augmenté de 70,5 %, pour atteindre 366 millions de RMB.

Le nombre de développeurs payants pour le plan de codage GLM de Zhipu a dépassé 242 000. En février 2026, l’entreprise a volontairement augmenté ses prix de 30 % et supprimé la promotion pour la première acquisition, ce qui a placé les tokens dans une nouvelle phase de « croissance en quantité et en prix ». De plus, elle a lancé AutoClaw, une installation en un clic, et en mars 2026, a lancé le Claw Plan, qui a atteint 100 000 abonnés en seulement deux jours, et plus de 400 000 abonnés en 20 jours.

Après la publication des résultats, l’entreprise a partagé une donnée en temps réel : au 31 mars 2026, l’ARR de l’API de la plateforme ouverte a atteint environ 1,7 milliard de RMB ((environ 250 millions de dollars US)), soit une augmentation de plus de 2,4 fois par rapport à la fin 2025, et environ 60 fois plus qu’il y a 12 mois.

Précédemment, MiniMax a également annoncé que son ARR de février dépassait 150 millions de dollars US. En 2025, ses revenus s’élevaient à 79,04 millions de dollars US, en hausse de 159 %. Au début de 2026, la croissance s’est accélérée : en février, l’ARR a dépassé 150 millions de dollars US, avec un taux de revenus proche du double de celui de l’année précédente. Ce saut a été directement stimulé par la sortie du modèle M2.5 : la consommation quotidienne moyenne de tokens des modèles de texte de la série M2 en février a augmenté de plus de 6 fois par rapport à décembre de l’année précédente, et la croissance dans le scénario de programmation a dépassé 10 fois.

La nouvelle norme Harness Engineering, établie, devient une infrastructure clé pour le déploiement à grande échelle des agents IA

En février 2026, OpenAI a publié un article technique intitulé « Harness Engineering : Leveraging Codex in an Agent-First World ». L’article dévoile une expérience : une équipe de seulement 3 ingénieurs(, étendue à 7), a généré en cinq mois plus d’un million de lignes de code de production avec CodexAgent, fusionnant environ 1500 Pull Requests, sans qu’aucune ligne ne soit écrite manuellement. Mais ce qui a vraiment déclenché la discussion dans l’industrie, ce n’est pas le chiffre « 1 million de lignes de code écrites par l’IA », mais le nouveau paradigme d’ingénierie qu’il propose : HarnessEngineering(.

Harness Engineering est une plateforme unifiée pour le système d’exploitation et la méthodologie de génie logiciel à l’ère de l’IA, comprenant la mémoire, les invites système, la base de connaissances, l’orchestration sous le paradigme Agent, ainsi que le flux de texte sous le paradigme OpenClaw, comme Agent.md, Soul.md, User.md, etc., pour une meilleure interaction avec le modèle.

Anthropic a également publié un article de blog intitulé « Harness design for long-running application development », mentionnant que Harness désigne un cadre externe, une structure de contrôle et un système d’orchestration permettant de faire fonctionner des agents IA complexes). Ce n’est pas un algorithme unique, mais un ensemble complet de « scaffolding » pour gérer et amplifier les capacités de l’IA. Le prompt détermine la qualité d’une seule conversation, tandis que Harness décide du processus d’exécution et de la fiabilité pour plusieurs tours, plusieurs agents, et des tâches longues.

Le rôle central de Harness est de résoudre le problème de « déraillement »(, lorsque l’IA effectue des tâches complexes et longues), en utilisant un mécanisme de contrôle externe pour compenser ses défauts internes(, comme l’anxiété contextuelle ou l’auto-embellissement). Que ce soit OpenAI ou Anthropic, ils considèrent tous Harness comme une infrastructure clé pour la mise en œuvre des agents de codage.

Claude Code, avec plus de 510 000 lignes de code source divulguées, pourrait accélérer la diffusion et le développement des agents

Le 31 mars, Anthropic a accidentellement divulgué environ 512 000 lignes de code source de Claude Code suite à une erreur dans le packaging npm, comprenant 4756 fichiers sources, plus de 40 modules d’outils, et plusieurs fonctionnalités non publiées, devenant ainsi « open source » de manière passive pour les développeurs du monde entier. Bien que le code ne comprenne pas les poids du modèle ni les données utilisateur, il expose l’architecture, les invites, et le mécanisme d’appel aux outils, avec des fonctionnalités non publiques telles que Kairos pour les processus persistants ou le mode infiltré, offrant la vue la plus complète à ce jour sur l’architecture de Claude Code. Cette erreur similaire à une précédente a suscité des inquiétudes sur la sécurité de la chaîne d’approvisionnement. Le code s’est répandu dans la communauté, et bien que l’officiel ait supprimé les fichiers concernés, cela réduit considérablement la barrière à l’entrée pour la R&D des agents IA, pouvant accélérer la compétition et l’innovation technologique.

L’industrie des grands modèles d’IA accélère sa transition de la recherche technologique à la mise en œuvre commerciale à grande échelle

Tout d’abord, la commercialisation a connu une transformation qualitative de « 1 à 10 ». Les principaux fabricants nationaux comme Zhipu et MiniMax ont vu leur consommation de tokens payants et leur ARR exploser, notamment dans des scénarios clés comme le codage IA, avec une croissance rapide des utilisateurs. Plus important encore, l’application des grands modèles commence à former un cycle vertueux de « croissance en quantité et en prix » : les entreprises augmentent volontairement leurs prix et les utilisateurs acceptent, ce qui marque la transition du grand modèle d’un simple outil « utilisable » à une infrastructure de productivité « essentielle », dont la valeur commerciale est validée par le marché. De plus, les nouveaux concepts comme HarnessEngineering et l’open source passif de Claude Code devraient accélérer le déploiement à grande échelle des agents.

Perspectives

Recommandations : suivre Zhipu(02513), MiniMax-W(00100), Wangsu Technology(300017.SZ), Zhuoyi Information(688258.SH), Cambrian(688256.SH), Haiguang Information(688041.SH), Sugon(603019.SH), Huafeng Technology(688629.SH).

Risques

Changement de politique industrielle, progrès technologique inférieur aux attentes, développement de l’IA inférieur aux prévisions, intensification de la concurrence sectorielle, évolution de l’environnement international.