Anthropic mise $100B pour battre les $1.4T d'OpenAI dans la course aux armements IA

Le haut dirigeant d'Anthropic a un message pour le monde technologique, qui s'empresse de verser des milliards dans l'intelligence artificielle. Elle dit que plus grand n'est pas toujours mieux.

Daniela Amodei, qui dirige l'entreprise en tant que présidente et a contribué à sa création, parle souvent de l'idée qui façonne tout ce que l'entreprise fait. Elle l'appelle “faire plus avec moins.”

Cette approche place Anthropic en désaccord avec ce que croit la plupart de la Silicon Valley en ce moment. Les plus grandes entreprises technologiques et leurs soutiens financiers agissent comme si la taille déterminait qui gagne. Elles accumulent des montants d'argent sans précédent, achètent des puces informatiques des années avant d'en avoir besoin et construisent d'énormes bâtiments remplis de serveurs à travers le centre des États-Unis. Leur pari est simple : celui qui construit l'opération la plus importante gagne.

OpenAI illustre le mieux cette approche. L'entreprise a pris des engagements d'une valeur d'environ 1,4 billion de dollars pour la puissance de calcul et les infrastructures connexes. En travaillant avec divers partenaires, la société met en place d'immenses installations de centres de données et obtient des puces avancées plus rapidement que l'industrie ne l'a jamais fait auparavant.

Anthropic pense qu'il existe un chemin différent. L'entreprise croit qu'une dépense prudente, de meilleurs algorithmes et des moyens plus intelligents d'utiliser la technologie peuvent les maintenir compétitifs sans essayer de dépenser plus que tout le monde.

La situation prend encore plus de poids car Daniela Amodei et son frère Dario ont contribué à créer la philosophie même contre laquelle ils travaillent maintenant. Dario dirige Anthropic en tant que directeur général et a précédemment 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 aujourd'hui la façon dont les entreprises construisent des modèles d'IA. Le principe de base indique qu'ajouter plus de puissance de calcul, plus de données et agrandir les modèles tend à les améliorer de manière que vous pouvezprédire.

Les lois de mise à l'échelle pilotent l'économie de l'industrie

Ce schéma soutient désormais toute la structure financière de la course à l'IA. Cela explique pourquoi les entreprises fournissant des services cloud dépensent tant d'argent, pourquoi les fabricants de puces commandent des prix d'actions aussi élevés et pourquoi les investisseurs privés attribuent des valorisations énormes à des entreprises qui perdent encore de l'argent alors qu'elles grandissent.

Mais Anthropic veut montrer que la prochaine étape de la compétition ne sera pas remportée simplement par celui qui peut se permettre les plus gros entraînements initiaux. Leur plan se concentre sur l'utilisation d'informations de meilleure qualité pour l'entraînement, sur des techniques appliquées après l'entraînement initial qui améliorent la façon dont les modèles réfléchissent aux problèmes, et sur des décisions produit qui rendent les modèles moins coûteux à exploiter et plus faciles à utiliser pour les clients à grande échelle. Cette dernière partie est importante car les factures de calcul ne s'arrêtent jamais une fois les modèles réellement en fonctionnement.

Anthropic ne travaille pas avec de l'argent de poche. L'entreprise dispose d'environ 100 milliards de dollars d'engagements en matière de calcul et s'attend à ce que ces besoins augmentent si elle veut rester à la pointe. Comme l'a rapporté Cryptopolitan récemment, Amazon a alimenté le modèle Claude d'Anthropic avec sa nouvelle infrastructure IA Rainier, dotée de plus d'un million de puces Trainium2.

“Les besoins en calcul pour l'avenir sont très importants”, a déclaré Daniela Amodei à CNBC. “Donc, nous nous attendons, oui, nous aurons besoin de plus de calcul pour rester à la pointe à mesure que nous grossissons.”

Même ainsi, l'entreprise affirme que les grands chiffres rapportés dans tout le secteur ne peuvent souvent pas être comparés directement. La confiance générale du secteur concernant le montant correct à dépenser n'est pas aussi ferme qu'il n'y paraît.

“Beaucoup de chiffres qui sont avancés sont un peu pas exactement comparables, en raison de la façon dont la structure de certains de ces accords est plutôt mise en place”, a-t-elle déclaré, parlant de la façon dont les entreprises se sentent poussées à s'engager tôt pour obtenir du matériel des années plus tard.

La réalité plus large, a-t-elle noté, est que même les personnes qui ont contribué au développement de la théorie de la mise à l'échelle ont été prises au dépourvu par la croissance régulière des performances et des résultats commerciaux.

“Nous avons continué à être surpris, même en tant que pionniers de cette croyance dans les lois de mise à l'échelle”, a déclaré Daniela Amodei. “Quelque chose que j'entends souvent de mes collègues, c'est que la croissance exponentielle continue jusqu'à ce qu'elle s'arrête. Et chaque année, nous nous disions : ‘Eh bien, ce n'est pas possible que les choses continuent sur une trajectoire exponentielle’, et puis chaque année, cela a été le cas.”

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

Daniela Amodei a séparé la tendance technologique de la tendance économique, une différence importante qui est souvent mélangée dans le débat public. En ne regardant que la technologie, elle a affirmé qu'Anthropic ne voit pas les progrès ralentir sur la base de ce qu'ils ont observé.

“Indépendamment de la qualité de la technologie, il faut du temps pour qu'elle soit utilisée dans un contexte commercial ou un peu personnel”, a-t-elle déclaré. “La vraie question pour moi est : à quelle vitesse les entreprises en particulier, mais aussi les individus, peuvent-elles exploiter la technologie ?”

“L'exponentielle continue jusqu'à ce qu'elle s'arrête”, a déclaré Daniela Amodei. La question pour 2026 est de savoir ce qui arrivera à la course à l'IA et aux entreprises qui la construisent si le schéma de croissance préféré de l'industrie cesse enfin de fonctionner.

Alors que l'industrie fait face à une demande de calcul IA croissant 2 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 l'échelle brute pourrait s'avérer prophétique, ou il pourrait découvrir que dans la course à l'IA, il n'y a pas de substitut à une puissance de calcul écrasante.