Anthropic vs Meta : comparer leurs paris sur l’IA
Anthropic et Meta affichent des valorisations proches, mais leurs paris sur l’IA diffèrent. Comparez leurs coûts, leurs revenus et leurs risques économiques.
Anthropic et Meta : deux paris sur l'IA, deux façons de perdre
On peut arriver, selon les estimations citées dans l'analyse à l'origine de cet article, à des valorisations assez proches - autour de 1 500 milliards de dollars. Mais, dans le fond, Anthropic et Meta ne jouent pas la même partie. Meta finance ses ambitions en IA avec une machine publicitaire déjà rentable. Anthropic mise surtout sur la vente de modèles et l'accès via API, tout en poussant très fort la recherche et le calcul.
Au final, la différence compte davantage que le chiffre. Une entreprise peut investir lourdement dans une nouvelle activité sans que son socle économique tremble. Une autre peut, au contraire, devoir que cette activité « paye » pour justifier sa valorisation. Pour comparer les deux sociétés, il faut donc distinguer ce qui rapporte déjà de ce qui doit encore faire ses preuves : coûts de calcul, revenus récurrents, capacité à garder une avance technologique, et solidité du modèle économique.
Voici une grille pour voir où se situe le risque, ce que chaque acteur peut gagner, et quels indicateurs suivre pour comprendre la suite. Les montants cités restent des estimations et des projections, pas des résultats garantis.
Pourquoi comparer Anthropic et Meta à valorisation égale ?
Deux valorisations proches ne veulent pas dire deux profils identiques. Elles signifient surtout que le marché attribue une valeur comparable à leurs flux de trésorerie futurs, à leur croissance attendue et à leurs risques. Et pour comprendre « ce qu'on paie », il faut regarder d'où viennent les revenus : quelle part de la valeur repose sur des activités déjà solides, et quelle part dépend de paris plus incertains.
Chez Meta, le socle, c'est la publicité. L'entreprise vend aux annonceurs l'accès à des audiences et, surtout, la possibilité d'obtenir des résultats commerciaux mesurables. Son pari passe notamment par Meta Superintelligence Labs (MSL), ainsi que par de nouveaux produits d'IA. Chez Anthropic, le socle actuel vient principalement des revenus liés aux modèles - notamment via l'API. Le pari, ici, consiste à continuer à améliorer les modèles et à lancer des offres propriétaires susceptibles de compléter l'activité.
La distinction est facile à formuler, mais moins évidente dans les comptes. Les modèles de Meta améliorent déjà certaines briques publicitaires : le classement des contenus, la création d'annonces, etc. Résultat : une dépense présentée comme « investissement IA » peut renforcer le métier historique avant même qu'un produit nouveau ne génère des revenus à lui seul. À l'inverse, les dépenses de recherche d'Anthropic sont plus directement liées à sa capacité à rester attractive commercialement.
Le rôle du socle économique
Le socle économique n'est pas forcément la partie la plus inventive. C'est celle qui doit continuer à produire des revenus si le pari sur la prochaine activité échoue, ou prend plus de temps que prévu. Cela change la façon d'évaluer le risque : une expérimentation coûteuse n'a pas le même impact selon que l'entreprise a, ou non, un moteur de revenus indépendant.
Pour Meta, l'analyse cite une estimation de consensus : environ 105 milliards de dollars de résultat opérationnel en 2027. En réintégrant des pertes attendues de Reality Labs et des coûts estimés pour MSL et l'IA, l'étude chiffre le résultat opérationnel potentiel de l'activité publicitaire autour de 155 milliards de dollars. Rapporté à une valeur d'entreprise proche de 1 500 milliards, cela donnerait un multiple d'environ dix. C'est une approximation, pas une mesure officielle de la « valeur de la publicité seule ».
Pour Anthropic, l'exercice est plus délicat : la valeur de l'activité API dépend en partie de la qualité des modèles et de l'avance technologique qui soutient la demande. Si l'avance se tasse, le socle peut lui aussi perdre de la valeur. Le risque ne touche donc pas uniquement le nouveau produit : il concerne aussi la solidité du revenu qui doit financer la transition.
Qui finance réellement la course au calcul ?
Les dépenses d'IA ne se lisent pas de la même façon chez Meta et chez Anthropic. Meta achète des équipements et construit des infrastructures : une partie significative de ces dépenses apparaît en dépenses d'investissement, ou capex. Anthropic « loue » plutôt de la capacité de calcul : ses coûts passent davantage par le compte de résultat. Comparer des montants bruts sans distinguer ces logiques, c'est un peu comme comparer l'achat d'un bâtiment à un loyer.
D'après les estimations rapportées, Meta prévoit entre 135 et 145 milliards de dollars de capex sur l'année considérée, soit environ 3,5 fois son niveau de 2024. L'entreprise ne détaille pas quelle part va exactement à MSL et aux autres projets d'IA. Deux approches d'estimation suggèrent toutefois qu'environ 60 % de ses dépenses d'investissement annuelles financeraient ces paris, et près des deux tiers du capex prévu l'année suivante.
Ces chiffres restent approximatifs. La capacité de calcul peut servir à l'entraînement des modèles, à la publicité, ou à de nouveaux produits. Meta affirme aussi pouvoir réaffecter cette capacité selon les besoins. Les infrastructures partagées, les contrats de cloud et certains projets communs ne sont pas toujours inclus. Et il y a un autre point, plus subtil : les modèles développés par MSL peuvent améliorer l'activité publicitaire existante. La frontière entre « dépense spéculative » et « amélioration du cœur de métier » est donc mouvante.
Louer ou posséder : un arbitrage entre capital et marge
L'analyse estime qu'Anthropic a dépensé environ 26 milliards de dollars en calcul depuis le début de 2025. Pour Meta, elle évalue à environ 16,5 milliards le coût du calcul lié à l'IA passé en charges sur une période comparable. Mais Meta possède une partie de son infrastructure : au prix de location, cette capacité aurait coûté environ 26,5 milliards, selon l'estimation présentée.
La propriété peut être plus efficace sur la durée. Elle évite de payer la marge d'un fournisseur de cloud et peut donner plus de capacité pour un même dollar dépensé. Mais le revers est clair : Meta immobilise du capital, et prend le risque qu'une infrastructure coûteuse soit sous-utilisée ou devienne moins pertinente. La location, elle, apporte de la flexibilité, mais peut revenir plus cher et rend l'entreprise plus dépendante de fournisseurs externes.
Côté Anthropic, la part du calcul destinée aux clients payants aurait baissé, selon les données citées, d'environ 44 % au premier semestre 2025 à près de 25 % au troisième trimestre 2026. Le reste sert notamment à la recherche, à l'entraînement et à l'offre gratuite. L'entreprise aurait toutefois indiqué que la demande dépasse les capacités disponibles, et aurait pris de la capacité à court terme - plus chère que ses contrats pluriannuels.
Ce choix dit quelque chose : allouer plus de ressources à la recherche maintenant, au risque d'y mettre davantage de budget, pourrait rendre les modèles plus efficaces ou plus performants demain. Les chiffres rapportés montrent que les revenus trimestriels auraient été multipliés par environ 29 sur la période, tandis que le calcul destiné aux clients payants a été multiplié par environ cinq. On voit donc une amélioration de la productivité du calcul « commercial ». Mais ça ne suffit pas à prouver que chaque dollar de recherche rapporte davantage.
La recherche accélère-t-elle plus vite que son coût ?
Une évaluation externe de METR, après onze semaines de travail auprès d'Anthropic, décrit une accélération des progrès mesurés de ses modèles : environ 15 points par an avant octobre 2025, contre près de 29 ensuite. L'évaluation attribue une partie importante de cette accélération à l'usage de l'IA dans la recherche, plutôt qu'à un simple ajout de ressources de calcul. Et, même quand la mesure est intéressante, elle dépend de l'indicateur choisi. Un progrès « mesuré » ne se traduit pas automatiquement en revenus.
Les dépenses de recherche et développement d'Anthropic auraient augmenté d'environ 1,9 milliard de dollars au premier semestre 2025 à 9,7 milliards un an plus tard. Donc oui : la trajectoire technique peut s'accélérer, tandis que le coût par unité de progrès augmente aussi. Un indicateur plus proche du marché consiste à rapporter le chiffre d'affaires aux dépenses de R&D : l'étude indique que le ratio passerait de 0,74 dollar au quatrième trimestre 2025 à 1,91 dollar au deuxième trimestre 2026, avant de redescendre à 1,78 dollar au troisième trimestre.
Ce recul ne signifie pas nécessairement que les investissements sont « mauvais ». Il suggère surtout que les dépenses ont progressé plus vite que les revenus sur cette période. Si la tendance se répète, il faudra alors montrer que les modèles et les produits sortant de ces dépenses créent assez de valeur.
Quel est le socle économique de chaque entreprise ?
Meta et Anthropic n'ont pas la même relation avec leurs clients, et ce détail change tout. Les annonceurs paient Meta pour obtenir des résultats sur les plateformes. Ils ne remplacent pas « le moteur de classement » de Meta par un modèle moins cher : l'outil d'IA fait partie du système qui distribue les annonces et mesure l'efficacité. Si l'IA améliore le ciblage ou la création publicitaire, Meta peut potentiellement renforcer ce levier et capter une part plus grande de la valeur produite.
L'API d'Anthropic fonctionne autrement. Le client paie selon l'usage, et il peut comparer le coût d'une tâche entre plusieurs modèles. Pour un client important, la facture devient lisible dans le budget : on peut alors justifier une négociation, comparer plusieurs options, ou développer une solution en interne. La tarification à l'usage n'est pas un problème en soi - le cloud marche aussi comme ça - mais elle rend le fournisseur plus facilement remplaçable quand le changement technique reste simple.
Les données citées indiquent qu'environ 44 % des revenus d'Anthropic jusqu'en septembre provenaient de places de marché cloud, notamment des fournisseurs capables de proposer plusieurs modèles. Dans ce cas, changer de modèle peut devenir assez facile. L'analyse rapporte aussi que plus de 80 % des revenus du troisième trimestre venaient de modèles lancés au cours des six mois précédents. Cette concentration dit l'importance de rester à la frontière technologique, mais elle rend aussi les revenus plus sensibles au rythme des lancements et aux concurrents.
Cinq pressions sur les revenus d'API
Pour un acheteur professionnel, le coût d'un modèle se mesure de plus en plus « par tâche accomplie », pas seulement par nombre de jetons. Concrètement, cela rend les comparaisons plus parlantes - et peut tirer les prix vers le bas, surtout si un modèle moins cher produit un résultat assez bon pour le besoin visé.
Ces pressions se renforcent :
- Une facture importante attire l'attention des équipes financières et des directions métiers.
- Le coût par tâche permet de comparer plusieurs modèles sur des usages réels.
- Des modèles concurrents peuvent être substitués avec une modification limitée de l'intégration.
- La baisse du coût des capacités ouvre régulièrement de nouvelles options.
- Les clients les plus avancés peuvent internaliser une partie des usages ou entraîner leurs propres modèles.
L'exemple de Twilio et Uber illustre un risque déjà vu dans les services facturés à l'usage : quand le client devient très gros, il peut vouloir optimiser, ou internaliser, une partie des dépenses. Bien sûr, rien ne dit qu'Anthropic suivra exactement la même trajectoire. La clientèle peut continuer de s'élargir et de nouveaux usages apparaissent parfois plus vite que les anciens ne deviennent interchangeables. Mais ce précédent rappelle un point : une croissance rapide ne suffit pas à prouver que les revenus resteront captifs durablement.
La prochaine étape : vendre un résultat, pas seulement des jetons
La valeur d'un modèle dépend aussi de ce qu'il permet de faire. Meta peut intégrer l'IA dans un produit qui vend un résultat publicitaire, sans demander à l'annonceur de choisir quel modèle est utilisé. Si le système réussit à remplacer un modèle coûteux par un modèle moins cher sans dégrader les performances, Meta conserve une partie des économies.
Anthropic devra probablement développer des offres qui complètent les revenus d'API avec des revenus moins liés au volume de calcul consommé. Les abonnements représentaient environ 20 % des revenus au premier semestre 2026, d'après les chiffres cités. Faire monter cette part implique de trouver des produits, des usages et des canaux de distribution capables de convaincre les clients de payer pour une expérience complète - et pas uniquement pour l'accès à un modèle.
Le défi est de taille : si les revenus facturés à l'usage devaient doubler, il faudrait, selon le scénario présenté dans l'analyse, que les autres revenus augmentent d'environ huit fois pour dépasser cette activité dans cinq ans. Cette projection repose sur beaucoup d'hypothèses. Elle montre surtout l'ampleur du changement nécessaire si l'objectif est de réduire la dépendance à la vente de capacité via API.
Quels indicateurs suivre pour juger leurs paris ?
Une valorisation ne se résume pas à un chiffre d'affaires ou à un niveau d'investissement. L'idée est de suivre des indicateurs qui décrivent la mécanique économique : les dépenses améliorent-elles les modèles ? Ces modèles attirent-ils des clients ? Et est-ce que les revenus financent la prochaine étape ? Pour comparer Anthropic et Meta, trois mesures donnent un bon point de départ.
Pour Anthropic : trois signaux à surveiller
La part du calcul consacrée aux clients payants. Une baisse peut être rationnelle si l'entraînement réduit ensuite le coût de service, ou si les modèles gagnent assez en qualité pour générer plus de revenus. Elle devient inquiétante si la productivité du calcul commercial baisse en même temps.
Le chiffre d'affaires par dollar de R&D. Ce n'est pas un indicateur « parfait » : les retombées d'une recherche peuvent apparaître plus tard. Mais sur la durée, une amélioration durable suggère que les investissements se traduisent en activité commerciale. Si ce ratio baisse longtemps, il faudra une explication, d'autant plus si les coûts de capacité montent.
La part des revenus par abonnement. Cet indicateur aide à juger la diversification par rapport à la facturation à l'usage. Une hausse signifierait qu'Anthropic construit des produits auxquels les clients donnent une valeur récurrente. Mais ce n'est pas automatiquement synonyme de fidélité : il faut regarder aussi les renouvellements, les marges et la concentration des clients.
Pour Meta : regarder l'utilité et le coût des produits
Pour Meta, la première question est simple : est-ce que les produits IA trouvent un vrai modèle économique ? L'entreprise a déjà reconnu que certains produits doivent devenir nettement moins coûteux à exploiter avant d'être rentables à grande échelle. Un lancement médiatisé n'est pas une preuve : il faut relier l'usage aux revenus, ou à des améliorations mesurables sur l'activité publicitaire.
Le deuxième point, c'est l'efficacité de l'infrastructure. Avoir ses centres de données peut aider l'économie unitaire - mais seulement si la capacité est bien utilisée et si les équipements restent pertinents assez longtemps. Enfin, le niveau des pertes de Reality Labs rappelle que Meta a déjà mis plus de 100 milliards de dollars sur un pari dont la rentabilité reste incertaine. Les investisseurs ont donc un motif légitime de demander si les nouveaux investissements suivent une logique différente, ou s'ils s'ajoutent simplement à une nouvelle pile de dépenses à surveiller.
Conclusion : la valeur dépend aussi du droit à l'erreur
Le vrai fossé entre Meta et Anthropic ne se situe pas dans le montant investi en IA. Il se situe dans la place de ce pari dans leur économie. Meta peut rater un nouveau produit tout en gardant une activité publicitaire rentable, même si l'infrastructure reste un risque. Anthropic peut profiter d'une avance technique et d'une croissance rapide, mais son activité actuelle dépend davantage de la capacité à conserver cette avance et à transformer l'API en revenus plus stables.
Du coup, la vraie question n'est pas seulement de savoir qui a « le meilleur modèle » aujourd'hui. Il faut demander ce qui se passe si les progrès ralentissent, si les coûts de calcul augmentent, ou si les clients trouvent une option moins chère. Une entreprise est plus simple à valoriser quand son activité centrale peut survivre à un pari manqué. Pour les investisseurs comme pour les clients, ce sont surtout la marge de sécurité - et les indicateurs pour la mesurer - qui méritent l'attention.