Google présente ses outils de codage IA comme la solution la plus rentable

La position de Google sur OpenClaw

Andrej Karpathy, co-fondateur d'OpenAI et figure centrale de la recherche en deep learning, a rejoint Anthropic pour prendre la tête d'une nouvelle équipe dédiée à accélérer la recherche sur le pré-entraînement, sous la direction de Nick Joseph. L'objectif affiché est d'utiliser Claude pour aider à pré-entraîner les futurs modèles Claude, une approche récursive qui illustre jusqu'où l'industrie pousse désormais l'automatisation de la recherche en IA. Cette annonce a éclipsé le Google I/O du mardi, où Mountain View a présenté une nouvelle famille de modèles orientée "n'importe quelle entrée, n'importe quelle sortie", dont Gemini Omni Flash, capable de générer et d'éditer des vidéos. Google a également sorti Gemini 3.5 Flash, plus performant sur le papier que la version 3.1 Pro, mais dont la date de coupure des connaissances est fixée à janvier 2025, ce qui le prive de contexte sur des tendances récentes comme le "vibe coding". Gemini Spark, leur réponse aux agents de codage autonomes, reste annoncé comme "coming soon" sans démonstration concrète. L'arrivée de Karpathy chez Anthropic intervient dans un contexte de montée en puissance financière spectaculaire de la société. Selon les documents déposés par SpaceX dans le cadre de son IPO, Anthropic s'engagerait à payer 1,25 milliard de dollars par mois en calcul informatique. La startup projette par ailleurs 10,9 milliards de dollars de revenus pour le trimestre de juin et anticipe son premier profit opérationnel, ce qui pourrait porter sa valorisation au-delà de celle d'OpenAI. Ce dernier serait lui-même en préparation d'une introduction en bourse imminente, selon plusieurs sources non confirmées. Sur le front technique, OpenAI a annoncé qu'un de ses modèles aurait résolu un problème mathématique célèbre, dont la preuve a été vérifiée par des mathématiciens externes, et a déployé un vérificateur public pour les images générées via ChatGPT, l'API et Codex, reposant sur les métadonnées C2PA et SynthID de Google. Ces événements marquent une nouvelle phase dans la consolidation du secteur. La course à la puissance de calcul, symbolisée par le contrat colossal entre Anthropic et SpaceX, redéfinit les rapports de force entre laboratoires. Pendant ce temps, les grandes plateformes cherchent à intégrer l'IA dans tous les workflows: Figma a présenté un agent de design capable de travailler directement dans le canevas aux côtés des équipes, générant plusieurs directions en parallèle et exploitant les systèmes de design existants. L'enjeu désormais n'est plus seulement qui dispose du meilleur modèle, mais qui contrôle l'infrastructure de calcul, les canaux de distribution et les pipelines de développement qui structureront l'ère des agents autonomes.

💬 Karpathy qui rejoint Anthropic pour bosser sur le pré-entraînement, c'est le recrutement de la décennie. Quand un type de ce calibre choisit où poser son cerveau, ça dit plus long que n'importe quel benchmark ou deck d'investisseur, surtout avec 1,25 milliard par mois en compute dans la balance. Google pouvait sortir ce qu'il voulait au I/O, la journée lui appartenait pas.

☕️ Quand l’IA agentique coûte plus cher que de payer ses employés humains

Les grandes entreprises technologiques font face à une équation économique qui commence à gripper sérieusement leurs ambitions d'IA : la facturation à l'usage des agents IA, calculée en tokens et non plus en abonnements forfaitaires, rend ces systèmes plus onéreux que les employés humains qu'ils sont censés remplacer ou assister. Le CTO d'Uber, Praveen Neppalli Naga, a reconnu avoir épuisé la totalité de son budget IA 2026 en seulement quatre mois. Bryan Catanzaro, vice-président en charge de l'apprentissage profond appliqué chez Nvidia, est encore plus direct : pour son équipe, le coût de la puissance de calcul dépasse désormais celui des salaires. Microsoft, après avoir encouragé en décembre dernier des milliers de ses développeurs à utiliser Claude Code d'Anthropic, vient d'annuler ces licences et les contraint à migrer vers GitHub Copilot CLI. Ce même GitHub Copilot, qui avait limité fin avril les nouveaux abonnements individuels, basculera en juin vers une facturation indexée sur la consommation réelle de tokens. Cette pression économique a engendré un phénomène pervers baptisé « tokenmaxxing » : des employés génèrent artificiellement de l'activité IA pour gonfler leurs statistiques de consommation, moins pour produire du code utile que pour paraître surproductifs aux yeux de leur hiérarchie. Amazon a fixé comme objectif que 80 % de ses développeurs utilisent l'IA chaque semaine et suit leur consommation de tokens. Meta est allé plus loin encore, avec un tableau de bord interne attribuant le statut de « Token Legend » aux plus grands consommateurs. Ce que ces pratiques révèlent, c'est que les métriques de tokens sont devenues des indicateurs de performance managériale avant d'être des mesures de valeur créée. La question de fond est structurelle : les modèles agentiques consomment beaucoup plus de tokens par tâche que les modèles classiques, et cette intensité ne sera pas compensée par la baisse des coûts unitaires. Un rapport Gartner estime que le coût d'inférence sur un LLM sophistiqué pourrait chuter de 90 % d'ici 2030, mais prévoit néanmoins que le coût total de l'IA continuera d'augmenter si la consommation progresse plus vite que la déflation tarifaire. Jensen Huang, PDG de Nvidia, imaginait récemment un futur où 100 agents IA travailleraient aux côtés de chaque employé humain de son entreprise, une vision qui semble économiquement intenable dans le modèle de facturation actuel. L'industrie se retrouve donc devant un choix structurant : soit les prix s'effondrent suffisamment vite, soit les entreprises doivent revoir radicalement leur usage de l'IA agentique, sous peine de financer des dépenses dont le retour reste difficile à démontrer.

💬 Uber qui épuise son budget IA en quatre mois, Nvidia qui dit que le compute dépasse les salaires : c'est pas un bug, c'est le modèle. Les agents consomment structurellement 10 à 100 fois plus de tokens qu'un chat classique, et aucune baisse de prix unitaire ne rattrapera ça avant 2-3 ans. Le tokenmaxxing chez Amazon et Meta, des gens qui gonflent leur conso pour paraître productifs sur un dashboard, c'est juste le signe qu'on a mis la mauvaise métrique au centre.

Le directeur des opérations d'Uber juge que l'IA ne rentabilise pas ses investissements

Le directeur des opérations d'Uber, Andrew Macdonald, a déclaré ce week-end lors d'un podcast que l'entreprise ne constate pas d'augmentation claire de la productivité malgré l'utilisation généralisée d'outils d'aide à la programmation basés sur l'IA par ses équipes d'ingénieurs. Cette admission intervient après que le directeur technique d'Uber, Praveen Neppalli Naga, avait révélé le mois dernier que la consommation explosive d'outils comme Claude Code avait conduit l'entreprise à épuiser l'intégralité de son budget IA en quelques mois seulement, bien avant la fin de l'année. Macdonald a précisé que la situation a forcé les dirigeants à réfléchir à la manière de maîtriser les coûts liés à la consommation de tokens. "Si vous n'êtes pas capable de tracer une ligne directe entre les dépenses et les fonctionnalités utiles livrées à vos utilisateurs, les coûts deviennent difficiles à justifier", a-t-il affirmé. Ce constat illustre une tension croissante dans l'industrie tech : les dépenses en IA s'envolent sans que le retour sur investissement soit clairement mesurable. Pour Uber, dont l'activité repose sur des milliers d'ingénieurs développant en permanence des fonctionnalités critiques, l'incapacité à relier directement les coûts IA aux gains de productivité pose un problème de gouvernance budgétaire concret. D'autres projets IA en dehors du domaine du développement logiciel ont simplement échoué ou généré des effets indésirables, renforçant le sentiment que l'enthousiasme autour de l'IA devance largement les résultats tangibles. Uber n'est pas un cas isolé. De nombreuses entreprises peinent à absorber la transition d'Anthropic vers une facturation basée sur la consommation de tokens, un modèle qui complique fortement la prévision des coûts. Malgré tout, la plupart continuent d'absorber ces dépenses élevées, faute d'alternatives crédibles à court terme. Ce phénomène révèle une fracture naissante entre les discours optimistes des PDG sur la valeur de l'IA et la réalité opérationnelle vécue par les équipes qui l'utilisent au quotidien. La prochaine étape pour des groupes comme Uber sera d'imposer des métriques précises de ROI avant d'autoriser tout accroissement supplémentaire des budgets alloués aux outils d'IA générative.

Anthropic sur le point de devenir le premier laboratoire d'IA rentable

Anthropic s'apprête à boucler son premier trimestre rentable, selon le Wall Street Journal. La société fondée par Dario et Daniela Amodei anticipe un bénéfice opérationnel de 559 millions de dollars pour le deuxième trimestre 2026, sur un chiffre d'affaires de 10,9 milliards de dollars. Un renversement spectaculaire : l'été dernier encore, Anthropic ne tablait pas sur la rentabilité avant 2028. Les moteurs de cette croissance fulgurante sont les outils de programmation assistée et l'usage dit "agentique" de Claude, c'est-à-dire les déploiements où le modèle exécute des tâches autonomes en plusieurs étapes plutôt que de simplement répondre à des questions. La demande a par moments dépassé les capacités de calcul disponibles, signe que l'adoption dépasse les prévisions les plus optimistes. Pour les entreprises clientes, Claude s'impose de plus en plus comme une infrastructure critique plutôt qu'un simple outil expérimental. Ce tournant survient dans un secteur longtemps perçu comme structurellement déficitaire, où les coûts d'entraînement et d'inférence semblaient condamner les grands laboratoires à dépendre indéfiniment des investisseurs. Anthropic a levé plusieurs milliards de dollars auprès d'Amazon et de Google, qui ont respectivement engagé 4 et 2 milliards dans la société. Si la rentabilité se confirme, Anthropic deviendrait le premier laboratoire d'IA frontier à démontrer qu'un modèle économique viable est possible dans ce secteur, ce qui pourrait redéfinir les attentes des investisseurs vis-à-vis d'OpenAI et de ses concurrents.

💬 Tout le monde les voyait brûler du cash jusqu'en 2028, et là c'est un trimestre rentable avec 559 millions de bénéf opérationnel. Ce qui est rassurant : ce sont les outils de code et l'agentique qui portent la croissance, pas les chatbots grand public, donc les boîtes payent parce que ça leur sert vraiment. Le mythe du grand labo IA structurellement incapable de gagner de l'argent vient de prendre un sacré coup.