Anthropic franchit 65 milliards de dollars de revenus mais ses modèles les plus chers peinent à séduire
Même si Anthropic annonce une rentabilité imminente et une croissance tirée par 6 000 grands comptes, les entreprises privilégient les modèles plus économiques. Les données de facturation révèlent un arbitrage massif des équipes techniques en faveur du rapport qualité-prix.
Fil « Analyse des revenus d'Anthropic et adoption des modèles plus économiques »
L'éditeur Anthropic affiche des résultats financiers impressionnants d'après des informations publiées par le Financial Times. Son chiffre d'affaires annualisé (l'estimation du revenu annuel calculée sur la base du dernier mois) pour juillet 2026 atteint 65 milliards de dollars, contre 47 milliards de dollars en mai. La société prévoit d'être rentable au troisième trimestre 2026, poursuivant la trajectoire du deuxième trimestre. Elle revendique désormais 6 000 clients dépensant au moins 100 000 dollars par an. De son côté, OpenAI fait état d'un chiffre d'affaires annualisé dépassant 40 milliards de dollars, en hausse de 35 % sur le trimestre en cours grâce à l'arrivée de GPT 5.6 en juillet.
Une adoption dominée par les modèles plus abordables
Malgré ces indicateurs au vert, l'utilisation réelle des différents modèles d'IA (intelligence artificielle) montre un décalage entre la vitrine technologique et les choix budgétaires des équipes. L'indice Ramp AI, basé sur les données bancaires de 70 000 entreprises, détaille la répartition des dépenses consacrées aux modèles d'Anthropic pour le mois de juillet 2026 :
- Opus 4.8 : 28,0 %
- Sonnet 4.6 : 8,3 %
- Fable 5 : 8,0 %
- Opus 4.6 : 6,9 %
- Sonnet 5 : 3,6 %
- Opus 5 (lancé le 24 juillet 2026) : 3,5 %
- Opus 4.7 : 1,7 %
- Sonnet 4.5 : 1,3 %
- Haiku 4.5 : 1,0 %
- Opus 4.5 : 0,7 %
Le tarif élevé de Fable 5 ou la sortie très récente d'Opus 5 expliquent pourquoi ces modèles haut de gamme restent minoritaires face à des versions éprouvées comme Opus 4.8 ou Sonnet 4.6.
Arbitrage dans la configuration des outils de développement
Pour les équipes de développement qui intègrent des assistants de code ou des agents (programmes autonomes capables d'exécuter des séquences d'actions informatiques), ce constat impose une sélection rigoureuse des API (interfaces de programmation permettant de connecter deux logiciels) selon le coût au jeton (unité de découpage du texte traitée par le modèle).
{
"primary_agent_model": "claude-opus-4-8",
"fallback_model": "claude-sonnet-4-6",
"high_cost_reasoning_model": "claude-fable-5"
}
Ce comportement d'achat montre clairement que les développeurs et leurs responsables préfèrent optimiser leurs dépenses récurrentes sur des modèles intermédiaires stables plutôt que de basculer systématiquement vers la dernière version la plus onéreuse.