Anthropic mise 100 milliards de dollars pour battre les 1 400 milliards de dollars d'OpenAI dans la course à l'armement en IA

La directrice générale d'Anthropic a un message pour le monde de la technologie, qui investit massivement dans l'intelligence artificielle : « Plus grand n'est pas toujours synonyme de meilleur. »

Daniela Amodei, qui dirige l'entreprise en tant quedent et a contribué à sa création,parle souvent d'une idée qui façonne tout ce que fait l'entreprise. Elle l'appelle « faire plus avec moins ».

Cette vision place Anthropic en porte-à-faux avec les idées reçues de la plupart des acteurs de la Silicon Valley. Les géants de la tech et leurs investisseurs agissent comme si la taille était le seul critère de réussite. Ils amassentdent, achètent des puces informatiques des années à l'avance et construisent d'immenses bâtiments remplis de serveurs à travers les États-Unis. Leur pari est simple : celui qui déploie les infrastructures les plus importantes l'emporte.

OpenAI illustre parfaitement cette approche. L'entreprise a investi près de 1 400 milliards de dollars dans la puissance de calcul et les infrastructures associées. En collaboration avec divers partenaires, elle met en place d'immenses centres de données et se procure des puces de pointe plus rapidement que jamais auparavant.

Anthropic est convaincue qu'une autre voie est possible. L'entreprise estime qu'une gestion budgétaire rigoureuse, des algorithmes plus performants et une utilisation plus intelligente des technologies lui permettront de rester compétitive sans avoir à dépenser plus que les autres.

La situation est d'autant plus préoccupante que Daniela Amodei et son frère Dario ont contribué à l'élaboration de la philosophie même qu'ils combattent aujourd'hui. Dario dirige Anthropic en tant que PDG et a auparavant travaillé chez Baidu et Google. Il faisait partie de l'équipe de recherche qui a popularisé l'approche de mise à l'échelle, qui guide désormais la manière dont les entreprises conçoivent leurs modèles d'IA. Le principe de base est le suivant : plus la puissance de calcul et les données sont importantes, plus les modèles sont voués à être performants en matière de prédiction .

Les lois d'échelle déterminent l'économie industrielle

Ce modèle sous-tend désormais toute la structure financière de la compétition en IA. Il explique pourquoi les entreprises de services cloud dépensent autant, pourquoi les fabricants de puces affichent des cours boursiers si élevés et pourquoi les investisseurs privés valorisent à des prix exorbitants des entreprises en pleine croissance mais toujours déficitaires.

Mais Anthropic souhaite démontrer que la prochaine étape de la compétition ne se jouera pas uniquement sur la capacité à financer les plus importants entraînements initiaux. Leur stratégie repose sur l'utilisation de données d'entraînement de meilleure qualité, des techniques appliquées après l'entraînement initial pour améliorer la capacité des modèles à résoudre les problèmes, et des choix de produits visant à réduire les coûts d'exploitation et à simplifier leur utilisation à grande échelle par les clients. Ce dernier point est crucial, car les coûts de calcul ne s'arrêtent jamais une fois les modèles opérationnels.

Anthropic ne lésine pas sur les moyens. L'entreprise a engagé près de 100 milliards de dollars d'investissements en informatique et prévoit une augmentation de ces besoins si elle veut rester à la pointe du progrès. Comme l'a Cryptopolitan récemment Amazon a alimenté le modèle Claude d'Anthropic grâce à sa nouvelle infrastructure d'IA Rainier, qui comprend plus d'un million de puces Trainium2.

« Les besoins en puissance de calcul seront considérables à l'avenir », a déclaré Daniela Amodei à CNBC. « Nous prévoyons donc que, oui, nous aurons besoin de davantage de puissance de calcul pour rester à la pointe du progrès à mesure que notre croissance s'accentuera.»

Malgré cela, l'entreprise affirmeque leschiffres importants publiés dans le secteur sont souvent difficilement comparables. La confiance générale du secteur quant au montant optimal des dépenses n'est pas aussi solide qu'il n'y paraît.

« Beaucoup des chiffres avancés ne sont vraiment comparables, en raison de la structure même », a-t-elle déclaré, évoquant la façon dont les entreprises se sentent poussées à s'engager tôt pour pouvoir obtenir du matériel des années plus tard.

La réalité, plus générale, a-t-elle souligné, est que même ceux qui ont contribué à l'élaboration de la théorie de la mise à l'échelle ont été surpris par la croissance constante des performances et des résultats commerciaux.

« Nous continuons d'être surpris, même nous qui avons été les pionniers de cette théorie des lois d'échelle », a déclaré Daniela Amodei. « J'entends souvent mes collègues dire que lacroissancese poursuit jusqu'à ce qu'elle s'arrête. Et chaque année, nous nous disons : "C'est impossible que la croissance exponentielle se poursuive", et pourtant, chaque année, c'est le cas. »

Que se passe-t-il lorsque la croissance s'arrête ?

Daniela Amodei a distingué la tendance technologique de la tendance économique, une différence importante souvent confondue dans le débat public. Concernant la technologie seule, elle a déclaré : « D'»après leurs observations, Anthropic ne constate aucun ralentissement du progrès.

« Quelle que soit la qualité de la technologie, il faut du temps avant qu'elle ne soit utilisée dans un contexte professionnel ou personnel peuvent les entreprises -ils tirer parti de cette technologie ? »

« La croissance exponentielle se poursuit jusqu'à ce qu'elle s'interrompe », a déclaré Daniela Amodei. La question qui se pose en 2026 est de savoir ce qu'il adviendra de la course à l'IA et des entreprises qui la développent si le modèle de croissance privilégié par le secteur cesse enfin de fonctionner.

Alors que le secteur est aux prises avec une demande de calcul IA qui croît deux fois plus vite que la loi de Moore, nécessitant 500 milliards de dollars par an jusqu'en 2030, le pari d'Anthropic sur l'efficacité plutôt que sur la simple échelle pourrait s'avérer visionnaire, ou bien l'entreprise pourrait constater que dans la course à l'IA, rien ne remplace une puissance de calcul écrasante.