L'énigme de l'explosion des startups d'annotation de données

L'IA d'entreprise comme couche d'exploitation

La vraie ligne de fracture dans l'IA d'entreprise n'est pas celle que l'on suit habituellement dans les médias. Pendant que le débat public se focalise sur les benchmarks des modèles fondateurs, GPT contre Gemini, scores de raisonnement, gains marginaux de performance, l'avantage décisif se joue ailleurs : dans la couche opérationnelle, c'est-à-dire l'ensemble formé par les logiciels de workflow, la capture de données, les boucles de rétroaction et la gouvernance qui s'intercale entre les modèles d'IA et le travail réel. Des acteurs comme OpenAI et Anthropic vendent l'intelligence comme un service : on a un problème, on appelle une API, on obtient une réponse. Cette intelligence est généraliste, largement sans mémoire d'une session à l'autre, et de plus en plus interchangeable. À l'opposé, les organisations établies ont la possibilité de traiter l'IA comme une couche opérationnelle permanente : chaque exception, chaque correction, chaque validation humaine devient un signal d'apprentissage, et l'intelligence s'améliore à mesure que la plateforme absorbe davantage de travail. Ce modèle inverse la relation traditionnelle entre humains et machines. Dans une organisation de services classique, les opérateurs utilisent des logiciels pour effectuer un travail d'expert : la technologie est le médium, le jugement humain est le produit. Une plateforme pensée nativement pour l'IA renverse cette logique : le système ingère un problème, applique la connaissance accumulée du domaine, exécute de manière autonome ce qu'il peut traiter avec une haute confiance, et renvoie vers des experts humains uniquement les sous-tâches qui requièrent un jugement que le système ne maîtrise pas encore. Cette inversion n'est pas qu'un simple redesign d'interface, elle exige une matière première que les startups ne peuvent pas fabriquer rapidement : des données opérationnelles propriétaires, une large base d'experts dont les décisions quotidiennes génèrent des signaux d'entraînement, et une connaissance tacite accumulée sur des années quant à la façon dont le travail complexe se fait réellement. C'est là où réside le véritable enjeu stratégique de la décennie. Le récit dominant affirme que les startups agiles vont surpasser les acteurs établis en construisant des systèmes AI-native from scratch. Si l'IA était avant tout un problème de modèles, cette thèse tiendrait. Mais dans beaucoup de secteurs d'entreprise, c'est un problème de systèmes, intégrations, permissions, évaluation, gestion du changement, où l'avantage revient à ceux qui sont déjà ancrés dans des workflows à fort volume et à forts enjeux. La société Ensemble illustre cette approche avec une stratégie de "distillation de connaissance" : transformer l'expertise tacite et périssable des meilleurs opérateurs en signaux réutilisables, puis réinjecter ces résultats dans les workflows pour que le système continue à progresser. Les ingrédients existent déjà chez les acteurs historiques ; la question est de savoir qui saura les convertir en avantage compétitif durable avant que la fenêtre ne se referme.

Anthropic et OpenAI captent 89 % des revenus des startups IA

Anthropic et OpenAI concentrent désormais 89 % des revenus générés par les 34 principales startups d'intelligence artificielle, selon les données de la base Generative AI Database de The Information. Ensemble, ces 34 entreprises ont atteint un chiffre d'affaires annualisé de près de 80 milliards de dollars, soit 6,6 milliards de dollars par mois, tirés de la vente d'applications IA ou de l'accès aux modèles qui les alimentent. Cette progression représente une hausse de 112 % en seulement six mois, témoignant d'une accélération sans précédent dans le secteur. Cette concentration extrême signifie que les deux géants absorbent la quasi-totalité de la valeur créée par le boom de l'IA générative, laissant à peine 11 % des revenus aux 32 autres startups du classement. Pour les investisseurs, les entreprises clientes et les développeurs, cela réduit considérablement la diversité réelle de l'écosystème malgré l'effervescence apparente du marché. Les acteurs qui ne se sont pas imposés comme fournisseurs d'infrastructure ou de modèles de référence risquent de se retrouver structurellement marginalisés. Cette dynamique s'inscrit dans un marché où la course aux modèles fondamentaux a exigé des capitaux colossaux : OpenAI et Anthropic ont levé respectivement plusieurs dizaines de milliards de dollars ces dernières années. La capacité à déployer massivement et à nouer des partenariats stratégiques avec Microsoft, Google ou Amazon a créé des avantages compétitifs difficiles à surmonter. La question qui se pose désormais est de savoir si une troisième force, qu'il s'agisse de Meta, Mistral ou d'un acteur encore émergent, peut briser ce duopole avant qu'il ne se cristallise définitivement.

💬 89 % pour deux acteurs, c'est le chiffre qui rend tout le discours sur la diversité de l'écosystème IA difficile à tenir. Mistral est dans les 11 % restants, et l'argument souveraineté numérique devient de plus en plus compliqué à défendre quand les deux boîtes qui captent tout ont Microsoft et Google dans leur actionnariat. Ça ne va pas s'inverser tout seul.

L'ingénierie centrée client au service de l'innovation en IA

Malgré des années d'investissements massifs dans la digitalisation, les grandes entreprises ne capturent en moyenne moins d'un tiers de la valeur attendue, selon une étude McKinsey. Ashish Agrawal, vice-président responsable des technologies de paiement et cartes business chez Capital One, identifie une cause structurelle : la plupart des organisations construisent leurs outils technologiques d'abord, puis cherchent ensuite à les appliquer aux besoins clients. Son équipe a inversé cette logique en adoptant ce qu'il appelle le "customer-back engineering" : partir des attentes, frictions et besoins concrets des utilisateurs, puis remonter vers les solutions techniques. Concrètement, Capital One impose à chaque ingénieur plusieurs points de contact annuels avec les clients : sessions d'empathie digitale pour observer les parcours utilisateurs, immersions au sein du support client, accompagnements terrain aux côtés des équipes commerciales, et hackathons centrés sur de vrais problèmes clients. Cette approche produit un effet multiplicateur sur l'innovation. Quand les ingénieurs sont exposés directement aux difficultés vécues par les utilisateurs, ils développent des solutions que ni les équipes produit ni les équipes commerciales n'auraient imaginées seules, car ils restent naturellement proches des systèmes et des données. L'impact est aussi motivationnel : voir concrètement comment une modification de code améliore la vie d'un client transforme l'engagement des développeurs. Avec l'IA, cet effet est amplifié. Dans le service client de Capital One, des agents conversationnels basés sur l'IA générative peuvent désormais résumer instantanément l'historique d'un échange, fournir au conseiller humain le contexte complet d'une demande et poser automatiquement des questions de suivi ciblées, des tâches qui demandaient auparavant plusieurs minutes de lecture manuelle. Le constat d'Agrawal s'inscrit dans un débat plus large sur la manière dont les grandes entreprises tirent parti de l'IA. Beaucoup ont construit des pipelines de données riches au fil des années sans en exploiter pleinement le potentiel. L'émergence des outils agentiques change la donne : combinés à un écosystème de données de qualité, ils permettent de passer des correctifs incrémentaux à une transformation à haute vélocité. Le véritable frein n'est plus technologique mais organisationnel : rapprocher les ingénieurs des clients demande une discipline managériale forte et une culture délibérément entretenue. Capital One parie que les entreprises qui réussiront à ancrer cette proximité dans leurs pratiques d'ingénierie seront celles capables d'itérer le plus vite, d'identifier les bons problèmes avant leurs concurrents, et donc de transformer l'IA en avantage compétitif durable plutôt qu'en coût technologique supplémentaire.

Anthropic pourrait devenir la startup IA la plus chère de l’histoire

Anthropic serait en négociation avancée pour lever entre 40 et 50 milliards de dollars sur la base d'une valorisation comprise entre 850 et 900 milliards de dollars, ce qui en ferait la startup la plus chère de l'histoire. La demande des investisseurs est telle que certains fonds institutionnels proposent d'investir jusqu'à 5 milliards de dollars sans même avoir obtenu un rendez-vous avec la direction financière de l'entreprise. Bloomberg et Business Insider rapportaient déjà fin avril des offres à 800 milliards, mais l'emballement s'est encore accentué depuis. Une décision formelle pourrait être prise lors d'un conseil d'administration prévu en mai, où la direction devra trancher entre accepter ces conditions exceptionnelles ou patienter en vue d'une introduction en bourse. Cette valorisation stratosphérique repose sur une croissance réelle et spectaculaire. Anthropic affiche désormais un chiffre d'affaires annuel supérieur à 30 milliards de dollars, avec certaines estimations internes s'approchant des 40 milliards, contre environ 9 milliards seulement projetés fin 2025. Le moteur de cette accélération est principalement Claude Code et Cowork, ses outils de programmation assistée par IA qui s'imposent progressivement comme des standards dans les environnements techniques professionnels. Mais ce qui séduit surtout les investisseurs, c'est le potentiel encore inexploité de la société dans des secteurs comme la finance, la santé et les sciences de la vie, où l'automatisation intelligente pourrait rapidement devenir un outil critique et non substituable. En février 2026, Anthropic était valorisée à 380 milliards de dollars. En mars, OpenAI bouclait un tour de table record de 122 milliards pour atteindre 852 milliards de valorisation post-money. Si Anthropic concrétise les conditions actuellement discutées, elle dépasserait son principal concurrent et s'approcherait du trillion de dollars, un seuil jusqu'ici jamais franchi par une entreprise privée non cotée. Ce scénario soulève des questions fondamentales sur la nature même de ces valorisations : reflètent-elles une valeur économique réelle ou une anticipation extrême d'un futur incertain ? Fondée en 2021 par Dario Amodei et d'anciens cadres d'OpenAI, Anthropic a bénéficié d'investissements massifs d'Amazon et de Google, et se positionne aujourd'hui comme l'alternative la plus sérieuse à OpenAI dans la course aux grands modèles de langage. La question n'est plus de savoir si elle peut rivaliser, mais à quelle vitesse.

💬 Des fonds qui proposent 5 milliards sans même avoir eu un rendez-vous avec la direction, ça dit quelque chose sur l'état du marché. La croissance d'Anthropic est réelle, Claude Code je l'utilise tous les jours et ça a changé ma façon de bosser, pas de la magie mais presque. Reste à voir si une valorisation proche du trillion tient quand les marges LLM continuent de se comprimer.