Aidez World Market Atlas à se développer
Commander une valorisation d’entreprise soutient aussi le développement du projet.
Soutenir le projet
Contribuez au développement de World Market Atlas, un projet indépendant destiné aux investisseurs particuliers. Votre soutien nous aide à produire des analyses et à améliorer nos outils.
Les pertes d’OpenAI et d’Anthropic : l’économie de la course aux modèles de pointe et la difficulté de comparer les données financières
Données au 23 septembre 2026. Les chiffres publiés par les médias, les résultats historiques et les prévisions sont distingués dans l'ensemble du texte.
Résumé
Cet article examine les pertes opérationnelles, la consommation de trésorerie et les engagements futurs d’infrastructure de deux grandes entreprises privées développant des modèles d’intelligence artificielle de pointe : OpenAI et Anthropic. L’analyse montre qu’il n’existe aucun chiffre unique, entièrement comparable et vérifié publiquement définissant la « perte » de chacune. Les sources disponibles utilisent des mesures différentes : perte opérationnelle, perte nette, flux de trésorerie disponible négatif, consommation de trésorerie et résultat opérationnel ajusté.
Selon des documents destinés aux actionnaires décrits par The Information, OpenAI aurait consommé 3,7 milliards d’USD de trésorerie au premier trimestre 2026, tout en réalisant 5,7 milliards d’USD de chiffre d’affaires. Reuters précisait ne pas pouvoir confirmer ces chiffres indépendamment. Une prévision rapportée par le Financial Times fait apparaître une échelle encore supérieure : OpenAI prévoirait un flux de trésorerie disponible négatif cumulé de 278 milliards d’USD en 2026–2030. Il s’agit toutefois d’une prévision, et non d’une perte déjà subie. Reuters
Pour Anthropic, les sources médiatiques indiquent environ 5,6 milliards d’USD de consommation de trésorerie en 2024 et une réduction prévue à 3 milliards d’USD en 2025. En 2026, Anthropic aurait prévu son premier résultat opérationnel ajusté positif. Cela n’implique pas automatiquement un résultat net ou un flux de trésorerie disponible positif. Reuters
Mots-clés : OpenAI, Anthropic, intelligence artificielle, consommation de trésorerie, perte opérationnelle, flux de trésorerie disponible, calcul, modèles de pointe.
1. Introduction
Le développement de l’intelligence artificielle générative a fait émerger des entreprises à la croissance du chiffre d’affaires exceptionnellement rapide, mais aussi aux besoins d’investissement sans précédent dans les centres de données, processeurs, énergie, réseaux de transport, infrastructures cloud et salariés hautement qualifiés. OpenAI et Anthropic comptent parmi les principaux acteurs de cette course.
Évaluer leur situation financière est plus difficile qu’analyser une entreprise cotée traditionnelle. Toutes deux restent privées et ne publient pas un ensemble complet et standardisé d’états financiers consolidés comparable aux rapports annuels des sociétés cotées américaines. La plupart des informations sur leurs pertes proviennent donc de documents destinés aux investisseurs, de présentations aux actionnaires, de documents obtenus par les médias ou de déclarations des dirigeants.
À plusieurs reprises, Reuters a explicitement indiqué ne pas pouvoir confirmer indépendamment les chiffres publiés initialement par The Information ou le Financial Times. Une formulation méthodologiquement rigoureuse n’est donc pas « OpenAI a certainement perdu tel montant », mais « selon les documents décrits par tel média, l’entreprise aurait enregistré tel résultat ». Reuters
2. Méthode de recherche et hiérarchie des sources
L’article repose sur une analyse documentaire. Les sources sont réparties en trois groupes :
Les publications non signées sur les réseaux sociaux, les compilations en ligne non vérifiées et les chiffres sans source originale identifiable ont été exclus de l’analyse.
3. La « perte » n’est pas une notion unique
Les discussions sur OpenAI et Anthropic mélangent fréquemment plusieurs mesures financières distinctes.
Une perte opérationnelle apparaît lorsque les coûts de l’activité principale dépassent le chiffre d’affaires. Ils comprennent infrastructure, recherche et développement, rémunération des salariés, vente et administration.
La perte nette intègre aussi des éléments non opérationnels, comme les frais de financement, les variations de valeur des instruments de capitaux propres, les impôts ou des effets ponctuels de restructuration. Elle peut donc être bien supérieure ou inférieure à la perte opérationnelle.
La consommation de trésorerie (cash burn) désigne la diminution des ressources de trésorerie liée au financement de l’activité et des investissements. Ce n’est pas la même chose qu’une perte comptable.
Un flux de trésorerie disponible négatif signifie que les flux générés par l’activité ne suffisent pas à financer les investissements. Pour les laboratoires d’IA, les coûts courants de calcul comme les accords pluriannuels de capacité de centres de données peuvent être importants.
Le résultat opérationnel ajusté peut exclure certaines charges, telles que la rémunération en actions. Un résultat opérationnel ajusté positif n’équivaut donc pas à un résultat net positif.
Autre difficulté : le chiffre d’affaires annualisé au rythme actuel (run rate). Il extrapole le rythme récent des ventes plutôt que de mesurer le chiffre d’affaires réalisé sur douze mois complets. Anthropic définissait cet indicateur en multipliant les ventes liées à la consommation des 28 jours précédents par 13 et les revenus mensuels d’abonnement par 12. Selon Reuters Breakingviews, le chiffre d’affaires GAAP d’Anthropic cumulé depuis sa création jusqu’à fin 2025 dépassait 5 milliards d’USD, alors que son rythme annualisé déclaré avait déjà atteint 19 milliards d’USD en février 2026. Ces deux chiffres peuvent être exacts, mais mesurent des choses entièrement différentes. Reuters
4. OpenAI — croissance du chiffre d’affaires et très forte consommation de capital
4.1. Chiffres du premier trimestre 2026
Selon les documents destinés aux actionnaires décrits par The Information, OpenAI aurait :
Reuters a publié ces informations le 16 juin 2026, tout en précisant ne pas pouvoir confirmer indépendamment le récit. Reuters
Le rapport entre consommation de trésorerie et chiffre d’affaires était d’environ :
(3,7 ÷ 5,7) × 100 % ≈ 64,9 %
La consommation de trésorerie annoncée correspondait donc à environ 65 cents pour chaque dollar de chiffre d’affaires trimestriel. Ce ratio ne doit pas être interprété comme une marge opérationnelle : il peut inclure investissements, paiements liés à des engagements antérieurs et variations du besoin en fonds de roulement.
4.2. Chiffres non publics de 2025
En juin 2026, Fortune a décrit des copies des états financiers d’OpenAI obtenues par le journaliste Ed Zitron et le Financial Times. Selon ces documents, le chiffre d’affaires 2025 aurait atteint environ 13,07 milliards d’USD, les coûts et charges 34 milliards d’USD, et la perte opérationnelle environ 20,92 milliards d’USD. Fortune
Ces chiffres sont importants, mais ne doivent pas être présentés comme un résultat audité et confirmé publiquement, disponible sur la même base que le rapport d’une société cotée. Ils proviennent de copies de documents obtenus par les médias. Ils servent donc ici d’éléments complémentaires, plutôt que d’états financiers publics incontestés.
Si les chiffres sont exacts, la perte opérationnelle représenterait environ 160 % du chiffre d’affaires et les coûts totaux environ 2,6 fois les ventes. Cette ampleur suggère que la croissance rapide des revenus ne suffisait pas encore à couvrir recherche, infrastructure, exploitation des modèles, distribution et expansion organisationnelle.
4.3. Prévisions jusqu’à 2030
Le chiffre le plus significatif sur les besoins futurs de financement d’OpenAI provient d’une présentation de l’entreprise que le Financial Times aurait consultée. Selon Reuters, OpenAI prévoit :
Tous ces chiffres sont des prévisions d’une présentation interne, et non des résultats réalisés. OpenAI n’avait pas commenté directement le rapport avant sa publication par Reuters. Reuters
Le plan impliquerait que, même avec une croissance très rapide des ventes, l’entreprise anticipe plusieurs années de flux de trésorerie négatifs. La stratégie d’OpenAI ressemble à cet égard au développement d’infrastructures : elle réserve les capacités de calcul avant que les revenus produits par ces actifs couvrent pleinement leurs coûts.
4.4. Financement des pertes
Le 31 mars 2026, OpenAI a officiellement annoncé avoir levé 122 milliards d’USD de capitaux engagés, pour une valorisation après financement de 852 milliards d’USD. L’entreprise indiquait aussi réaliser environ 2 milliards d’USD de chiffre d’affaires mensuel. Ces informations viennent directement de l’entreprise, mais ne confirment pas sa rentabilité. OpenAI
Les capitaux levés auprès des investisseurs ne sont ni du chiffre d’affaires ni du bénéfice. Ils permettent de couvrir les flux de trésorerie négatifs, de financer la recherche et de conclure des accords d’approvisionnement futur en capacité de calcul.
5. Anthropic — d’une forte consommation de trésorerie à une rentabilité ajustée annoncée
5.1. Consommation de trésorerie en 2024–2025
En février 2025, Reuters, citant The Information, rapportait qu’Anthropic :
Anthropic n’avait alors pas répondu à la demande de commentaire de Reuters. Point essentiel : les 3 milliards d’USD étaient une prévision pour 2025, et non un résultat annuel confirmé ultérieurement. Reuters
Il serait donc incorrect d’écrire qu’« Anthropic a perdu 3 milliards d’USD en 2025 ». La formulation correcte est qu’en février 2025, l’entreprise aurait prévu environ 3 milliards d’USD de consommation de trésorerie pour l’année entière.
5.2. Première prévision rapportée d’un résultat opérationnel positif
En mai 2026, Reuters Breakingviews indiquait qu’Anthropic avait réalisé 4,8 milliards d’USD de chiffre d’affaires au premier trimestre et attendait 10,9 milliards d’USD au deuxième. L’entreprise aurait aussi prévu 559 millions d’USD de bénéfice opérationnel ajusté pour cette période, ce qui en ferait son premier trimestre rentable selon cette mesure. Reuters
La marge opérationnelle ajustée prévue était d’environ :
(0,559 ÷ 10,9) × 100 % ≈ 5,1 %
Selon Reuters, cette mesure incluait l’intégralité du coût d’entraînement des nouveaux modèles, mais excluait la rémunération en actions. Elle n’équivalait donc ni au bénéfice opérationnel non ajusté ni au résultat net. Reuters
En septembre 2026, le Financial Times indiquait qu’Anthropic aurait transmis aux actionnaires une prévision de résultat opérationnel ajusté positif pour un deuxième trimestre consécutif. Reuters précisait à nouveau ne pas pouvoir vérifier indépendamment ces informations, et Anthropic n’avait pas répondu avant publication. Reuters
Ces prévisions suggèrent une possible amélioration de l’économie opérationnelle d’Anthropic, sans encore démontrer que l’entreprise a atteint :
5.3. Pourquoi Anthropic et OpenAI ne sont pas comparables sans ajustements
Reuters Breakingviews relevait que le chiffre d’affaires d’Anthropic n’était pas diminué de la part due aux partenaires de distribution. OpenAI, à l’inverse, aurait présenté ses revenus après déduction de la part de Microsoft. Ainsi, 1 USD de chiffre d’affaires déclaré par Anthropic ne correspond pas nécessairement à 1 USD déclaré par OpenAI. Reuters
Une difficulté semblable apparaît du côté des coûts. Le résultat opérationnel ajusté d’Anthropic excluait la rémunération en actions. Pour une entreprise technologique en expansion rapide, cette rémunération peut être économiquement importante même sans sortie de trésorerie immédiate.
Les chiffres disponibles ne permettent donc pas de conclure rigoureusement qu’Anthropic est catégoriquement plus rentable qu’OpenAI. On peut seulement dire qu’Anthropic a annoncé une trajectoire plus rapide vers un résultat opérationnel ajusté positif.
5.4. Financement et engagements d’infrastructure d’Anthropic
En février 2026, Anthropic a officiellement annoncé une levée de fonds de 30 milliards d’USD pour une valorisation après financement de 380 milliards d’USD. Elle déclarait alors un chiffre d’affaires annualisé au rythme courant de 14 milliards d’USD. Anthropic
En avril 2026, Anthropic a annoncé un accord avec Amazon comprenant un engagement de dépenser plus de 100 milliards d’USD en technologies AWS sur dix ans et de réserver jusqu’à 5 GW de capacité de calcul. Amazon s’engageait simultanément à investir 5 milliards d’USD, avec la possibilité d’ajouter 20 milliards d’USD, en plus des 8 milliards d’USD investis auparavant. Anthropic
Les 100 milliards d’USD ne constituent pas la perte actuelle d’Anthropic. C’est un engagement contractuel pluriannuel à régler dans le futur. Il montre néanmoins que même une entreprise annonçant un résultat opérationnel ajusté positif doit réunir d’énormes capitaux pour ses infrastructures futures.
6. Synthèse des chiffres disponibles
Le tableau montre que les chiffres disponibles ne forment pas une série comparative cohérente. Certaines lignes correspondent à des résultats historiques, d’autres à des prévisions, tandis que les définitions du chiffre d’affaires et de la rentabilité diffèrent aussi.
7. Principaux facteurs de pertes
7.1. Coûts d’entraînement des modèles de pointe
Les recherches de Ben Cottier et de ses coauteurs indiquent que le coût amorti d’entraînement des modèles de pointe les plus exigeants en calcul a été multiplié en moyenne par environ 2,4 chaque année depuis 2016. Selon leurs estimations, le matériel de calcul représentait environ 47–64 % des coûts de développement des modèles dans les projets étudiés, et le personnel de recherche et développement, rémunération en actions comprise, environ 29–49 %. L’énergie seule représentait une part bien plus faible, généralement 2–6 %. arXiv
L’étude ne présente pas les comptes réels d’OpenAI ou d’Anthropic. Il s’agit d’un modèle de coûts fondé sur les données de matériel, d’énergie, de cloud et de personnel. Son intérêt est de montrer que les coûts d’entraînement vont bien au-delà des achats d’électricité. Les catégories majeures sont les processeurs, serveurs, réseaux, amortissements d’infrastructure et le travail d’équipes de recherche très rémunérées.
7.2. Le coût du service aux utilisateurs
Après l’entraînement, un modèle continue d’occasionner des coûts à chaque requête utilisateur. Ce coût d’inférence comprend processeurs, mémoire, réseaux, centres de données et énergie.
Le Stanford AI Index indiquait que le coût d’inférence d’un système atteignant approximativement les performances de GPT-3.5 avait été divisé par plus de 280 entre novembre 2022 et octobre 2024. Le coût du matériel baissait en moyenne d’environ 30 % par an, tandis que l’efficacité énergétique progressait d’environ 40 % par an. Stanford HAI
Des coûts unitaires plus faibles n’entraînent pas forcément des dépenses totales plus basses. Si le nombre d’utilisateurs, la longueur des réponses, l’usage des agents et la demande de modèles plus avancés augmentent plus vite que l’efficacité du matériel, la facture totale d’inférence peut continuer à croître.
7.3. La course à la capacité de calcul
Les laboratoires d’IA réservent les capacités de calcul des années à l’avance. Cela reflète la disponibilité limitée d’accélérateurs avancés, de transformateurs, de raccordements au réseau électrique, de systèmes de refroidissement et de centres de données correctement équipés.
Les 856 milliards d’USD de dépenses d’infrastructure prévus par OpenAI jusqu’à fin 2030 et l’engagement d’Anthropic de dépenser plus de 100 milliards d’USD en technologies AWS sur dix ans montrent que le développement de modèles de pointe commence à ressembler à une activité d’infrastructure, au-delà du seul développement logiciel. Reuters
7.4. Coûts de recherche et obsolescence rapide des modèles
Un nouveau modèle peut nécessiter des mois de recherche, d’expérimentation et de tests de sécurité. Son avance technologique peut pourtant s’éroder rapidement lorsque les concurrents introduisent la génération suivante.
Cela accélère la dépréciation économique des dépenses de recherche et développement. Un modèle peut rester techniquement fonctionnel tout en nécessitant une baisse de prix ou un remplacement par un système plus récent. Ce risque accentue la pression pour engager continuellement de nouveaux coûts d’entraînement.
8. Discussion : les pertes sont-elles un signe de faiblesse ?
De lourdes pertes ne signifient pas automatiquement que le modèle économique d’une entreprise est inefficace. En phase d’expansion rapide, elle peut délibérément accepter un flux de trésorerie négatif pour acquérir des clients, développer la technologie et réserver ses infrastructures futures.
En parallèle, la capacité à lever des capitaux immenses ne démontre pas une rentabilité durable. Le financement des investisseurs ne fait que reporter le moment où les revenus doivent commencer à couvrir :
coûts d’inférence + parts des partenaires + recherche et entraînement + rémunération des salariés + infrastructure + autres coûts
Le principal risque est une baisse des prix des modèles plus rapide que celle des coûts d’entraînement et de service. La concurrence entre OpenAI, Anthropic, Google, Meta, xAI et les fournisseurs de modèles ouverts peut exercer une pression baissière sur les prix. Dans cet environnement, une croissance rapide des utilisateurs n’entraîne pas nécessairement une hausse proportionnelle des marges.
À l’inverse, l’automatisation croissante de la programmation, de l’analyse documentaire, du service client et des processus administratifs peut générer des revenus bien plus précieux que de simples interactions avec un chatbot. Sur le plan économique, la clé ne sera donc pas le seul volume de jetons, mais la capacité à facturer la résolution d’un problème concret d’entreprise.
9. Limites de la recherche
La principale limite est l’absence d’états financiers complets, publics et établis sur une base cohérente pour les deux entreprises. Il en découle quatre difficultés.
Premièrement, certains chiffres proviennent de documents internes décrits par les médias. Deuxièmement, les résultats historiques sont parfois comparés à des prévisions futures. Troisièmement, les définitions du chiffre d’affaires diffèrent entre entreprises. Quatrièmement, les résultats ajustés peuvent exclure des postes économiquement importants, comme la rémunération en actions ou les parts des partenaires de distribution. Reuters
Les documents disponibles ne permettent donc pas de calculer pour les deux entreprises des marges d’EBITDA, d’EBIT, de résultat net ou de flux de trésorerie disponible entièrement comparables.
10. Conclusions
OpenAI reste une entreprise aux besoins de capitaux exceptionnellement élevés. Le dernier rapport concernant le premier trimestre 2026 indique 3,7 milliards d’USD de consommation de trésorerie pour 5,7 milliards d’USD de chiffre d’affaires, mais Reuters n’a pas confirmé ces chiffres indépendamment. La prévision pluriannuelle de flux de trésorerie disponible négatif de 278 milliards d’USD suggère que les dirigeants prévoient de poursuivre un financement massif des infrastructures au moins jusqu’à la fin de la décennie. Reuters
Anthropic a également engagé des coûts très élevés, reflétés dans la consommation de trésorerie annoncée d’environ 5,6 milliards d’USD en 2024. Les chiffres de 2026 suggèrent toutefois une transition vers un résultat opérationnel ajusté positif. Ce n’est pas l’équivalent d’un bénéfice net durable : la mesure excluait notamment la rémunération en actions, et le traitement des parts des partenaires différait de celui d’OpenAI. Reuters
Les éléments disponibles étayent trois conclusions principales :
Les pertes des deux entreprises doivent se comprendre dans une course plus large au contrôle de la capacité de calcul. Dans ce modèle, le calcul devient non seulement une dépense courante, mais une ressource productive stratégique. La valeur économique finale d’OpenAI et d’Anthropic dépendra de la capacité des revenus générés par l’infrastructure réservée aujourd’hui à dépasser les coûts futurs de financement, d’entretien et de modernisation continue de cette infrastructure.
Bibliographie
Les messages reflètent les opinions personnelles de l'auteur à la date de publication. Ce ne sont pas des recommandations d'investissement.