#AnthropicDiscloses$84.5BComputeDealWithSpaceX

L’engagement déclaré de 84,5 milliards de dollars d’Anthropic en matière de calcul avec SpaceX est l’un des signes les plus évidents à ce jour que la course à l’IA devient une course aux infrastructures.

Selon Reuters, le prospectus confidentiel d’introduction en bourse d’Anthropic révèle des accords qui pourraient impliquer jusqu’à 84,5 milliards de dollars de dépenses en capacité de calcul basée sur NVIDIA d’ici 2029. Cela représente presque le double du montant d’environ 45 milliards de dollars précédemment communiqué pour cet accord. Le point important est qu’il ne s’agit pas simplement d’achats de puces. Anthropic sécurise l’accès à une capacité de calcul à grande échelle pouvant servir à entraîner des modèles, exécuter des inférences et prendre en charge des charges de travail d’IA de plus en plus gourmandes en calcul.

Mais l’accord avec SpaceX n’est qu’un élément d’une stratégie bien plus vaste.

Anthropic prévoit de dépenser au moins 518 milliards de dollars au cours de la prochaine décennie dans les infrastructures d’IA auprès de plusieurs partenaires. Reuters rapporte qu’environ 80 % de ces engagements sont non annulables ou exigent un paiement indépendamment de l’utilisation réelle. Les engagements communiqués comprennent plus de 111 milliards de dollars avec Google, 110 milliards de dollars avec Amazon et 31,4 milliards de dollars avec Microsoft, en plus d’importantes obligations liées aux équipements.

Cela change ma façon d’envisager la compétition dans l’IA.

Pendant des années, les discussions ont principalement porté sur celui qui disposait du meilleur modèle, du meilleur raisonnement, des meilleures capacités de programmation ou de la meilleure expérience produit. Ces éléments restent importants, mais ils reposent tous sur une question bien plus fondamentale :

D’où vient la puissance de calcul ?

Un modèle peut être extrêmement performant en théorie, mais l’entraînement de systèmes de pointe nécessite des quantités énormes de GPU, de réseaux, de mémoire, d’électricité et de capacité de centres de données. L’inférence crée un autre défi, car lorsque des millions d’utilisateurs et d’agents d’IA commencent à interagir avec un modèle, la demande en calcul ne disparaît pas une fois l’entraînement terminé. Elle devient une exigence opérationnelle permanente.

Cela explique pourquoi Anthropic est prêt à prendre des engagements aussi considérables en matière d’infrastructures.

Construire tous les centres de données en interne nécessiterait de sécuriser des terrains, de l’électricité, des systèmes de refroidissement, des équipements réseau et des puces avant que la demande en calcul soit pleinement visible. La location de capacité permet à l’entreprise d’accéder beaucoup plus rapidement aux infrastructures et de se développer sans devoir assumer elle-même chaque aspect du processus de construction physique.

Mais il existe un compromis évident.

Un engagement massif en matière d’infrastructures peut devenir un fardeau financier si la demande progresse plus lentement que prévu. Si une entreprise réserve de la capacité des années à l’avance et finit par ne pas en avoir besoin dans son intégralité, la rentabilité devient nettement moins intéressante. Reuters rapporte qu’Anthropic a elle-même souligné le risque de voir la capacité de calcul de tiers réduite, son prix révisé ou son accès résilié.

C’est pourquoi l’aspect le plus intéressant de cette histoire n’est pas simplement la taille du contrat.

C’est l’émergence d’un modèle d’infrastructure hybride.

Les entreprises d’IA combinent de plus en plus capacité cloud, puces louées, centres de données dédiés et infrastructures qui leur sont propres. Anthropic a également déclaré qu’elle s’orientait vers davantage d’infrastructures dédiées plutôt que de dépendre entièrement des services cloud.

Et cela a des conséquences qui dépassent largement les seules entreprises de modèles d’IA.

Chaque couche supplémentaire de demande en IA exerce une pression quelque part ailleurs dans la chaîne d’approvisionnement.

Davantage de GPU nécessitent davantage de mémoire à large bande passante. Davantage de clusters d’IA nécessitent davantage de réseaux. Davantage de centres de données nécessitent davantage d’électricité et de refroidissement. Davantage d’inférences nécessitent des infrastructures capables de fonctionner en continu plutôt que de prendre simplement en charge des entraînements occasionnels.

Cela signifie que le cycle d’investissement dans l’IA s’étend progressivement des logiciels aux infrastructures physiques.

Il y a également un deuxième aspect de cette histoire que les investisseurs ne devraient pas négliger.

Dépenser 518 milliards de dollars ne crée pas automatiquement 518 milliards de dollars de valeur économique.

La véritable question est de savoir si les revenus et les gains de productivité générés par ces systèmes pourront finalement justifier les énormes engagements fixes pris aujourd’hui.

Le propre prospectus d’Anthropic montre à quel point l’activité est devenue capitalistique. L’entreprise a fait état d’une croissance rapide de ses revenus, mais ses pertes d’exploitation sont restées importantes, tandis que le calcul et les infrastructures représentaient une part considérable de ses coûts.

La prochaine phase du secteur de l’IA pourrait donc moins consister à construire le plus grand modèle qu’à améliorer l’économie de chaque unité de calcul.

Une inférence plus efficace.

Des modèles plus petits capables d’accomplir des tâches similaires.

Des architectures plus efficaces.

Une meilleure utilisation des GPU.

Des réseaux et une mémoire plus performants.

Et, à terme, des systèmes d’IA capables de générer suffisamment de valeur économique réelle pour justifier les infrastructures nécessaires à leur fonctionnement.

C’est pourquoi l’accord entre Anthropic et SpaceX est important.

84,5 milliards de dollars, c’est le chiffre mis en avant. 518 milliards de dollars, c’est l’ampleur du phénomène. Mais la véritable histoire est que le calcul lui-même devient un actif stratégique.

La course à l’IA ne concerne plus uniquement celui qui peut construire le modèle le plus intelligent.

Elle porte de plus en plus sur la capacité à sécuriser suffisamment de puissance de calcul, à la déployer efficacement et à transformer cette infrastructure en revenus durables avant que la facture n’arrive à échéance.