Anthropic prend le pas sur OpenAI là où cela fait mal : les dépenses des entreprises
Il y a dix semaines, Anthropic et OpenAI se partageaient presque équitablement les dépenses des nouvelles entreprises achetant des outils d'IA. Aujourd'hui, selon l'indice de dépenses d'entreprise de Ramp, Anthropic capte 73 % de ce segment. Ce changement ne résulte ni d’un lancement de produit spectaculaire, ni d’une campagne de marketing. Il est le fruit d'un groupe spécifique d'acheteurs, ceux qui prennent la décision pour la première fois, qui a commencé à se pencher systématiquement vers un fournisseur plutôt qu'un autre.
Cela, de l’angle de l’analyse du risque structurel, révèle bien plus sur l’architecture des revenus des deux entreprises que n’importe quel chiffre de valorisation.
Le 73 % n'est pas un simple chiffre, c'est un signal structurel
Lorsque l’indice des dépenses d’entreprise montre que des entreprises n’ayant jamais payé pour l’IA choisissent désormais Anthropic dans trois cas sur quatre, le mécanisme qui l'explique n'est pas le produit lui-même. C’est la composition du risque perçu par l'acheteur d'entreprise.
Parmi les secteurs où Anthropic progresse selon les données de Ramp, on trouve l'information, les finances et les services personnels, avec une concentration plus forte dans les entreprises soutenues par du capital-risque. Ces segments partagent une caractéristique : une forte sensibilité réglementaire et un besoin de contrats prévisibles. Un directeur financier qui autorise des dépenses en IA ne veut pas d’un fournisseur dont le modèle commercial subventionne des utilisateurs de consommation avec des marges négatives. Il souhaite de la visibilité sur le coût futur et un partenaire qui ne brûle pas de liquidités pour maintenir une base d'utilisateurs gratuite.
Voici le contraste financier qui compte : OpenAI génère environ 5,5 milliards de dollars annualisés depuis le segment des consommateurs et supporte des pertes structurelles dans ce secteur pendant qu'il se développe. Anthropic, en revanche, projette que 86 % de ses revenus de 2025 proviendront de ventes d'API à des entreprises, le reste provenant de souscriptions à son chatbot Claude. Ce n'est pas seulement une différence de stratégie commerciale ; c'est une différence dans la qualité des revenus : des contrats sur plusieurs mois avec des acheteurs qui ont une disposition réelle à payer, contre des abonnés de consommation qui annulent au premier mois sans friction.
La proportion entre les revenus d'API et de consommation définit également la variabilité du coût de service. Lorsque le volume provient de clients d'entreprise avec des contrats négociés, le coût d’inférence est prévisible. Lorsque cela provient de millions d’utilisateurs individuels avec des usages erratiques, l'infrastructure doit être dimensionnée pour le pic, pas pour la moyenne.
Ce que révèlent les chiffres d’entraînement
Anthropic projette dépenser 4,1 milliards de dollars pour l'entraînement de modèles en 2025. OpenAI a consacré 9,4 milliards de dollars juste pour le calcul d'entraînement l’année dernière. La différence ne réside pas simplement dans le fait que l'un dispose de plus de capitaux que l'autre. Ils parient sur des échelles de risque différentes.
Les dépenses liées à l'entraînement représentent, en termes de structure de capital, un coût irrécupérable avec une incertitude extrêmement élevée concernant le retour sur investissement. Personne ne peut garantir que le modèle résultant de cet investissement sera suffisamment supérieur au précédent pour justifier la différence de coût. OpenAI fait un pari concentré : dépenser plus que tout concurrent dans l’espoir que l’avantage d’échelle se traduise par un leadership de marché durable. Anthropic fait un pari différent : dépenser moins en entraînement relatif, facturer plus pour l'accès d'entreprise et construire la dépendance à partir de l'intégration, et non de la supériorité du modèle.
La métrique qui valide lequel des deux paris a une meilleure probabilité de survivre à un cycle de baisse n'est pas le revenu total. C'est le moment où chaque entreprise atteint un flux de trésorerie positif. Selon les analyses disponibles, Anthropic projette ce point pour 2028, deux ans avant OpenAI. Dans un secteur où les cycles de financement peuvent se contracter sans préavis, deux ans d’écart en autosuffisance financière représentent un avantage structurel non négligeable.
Microsoft a déjà engagé près de 500 millions de dollars de dépenses avec Anthropic, partiellement à travers GitHub Copilot. Cursor et Cognition figurent également parmi les clients importants. Ce ne sont pas des acheteurs arrivés par curiosité qui annulent au bout de 30 jours. Ce sont des entreprises qui ont intégré l'API dans des flux de travail productifs, générant un coût de changement réel et mesurable.
Le pivot d’OpenAI et ce que cela révèle sur sa position
Le Wall Street Journal a rapporté qu’OpenAI envisage de réduire son exposition à des initiatives grand public, comme la génération de vidéos, les navigateurs et le matériel, pour se recentrer sur le segment des entreprises. Ce mouvement, s’il se concrétise, confirme indirectement le diagnostic révélé par les données de Ramp : le segment consommateur ne génère pas le retour qui justifie son coût de capital.
OpenAI rapporte 3 millions d'utilisateurs payants dans le secteur de l'entreprise, avec ChatGPT Enterprise à 60 dollars par mois par poste. Anthropic ne publie pas ce chiffre avec la même granularité, mais ses revenus annualisés d’API s’élèvent à 3,1 milliards de dollars, dépassant les 2,9 milliards de dollars du segment équivalent d'OpenAI. Cela signifie qu'Anthropic gagne déjà plus qu'OpenAI dans le seul segment où les deux concurrencent directement avec des modèles de prix comparables.
La projection de la pénétration du marché des entreprises pour 2026 montre qu'OpenAI passe de 37,2 % à 42 %, tandis qu'Anthropic progresse de 14,5 % à 22 %. L’augmentation en pourcentage d’Anthropic (+9,9 points) double largement celle d’OpenAI (+5,5 points). En termes de rapidité de capture du marché, cette différence soutenue dans le temps produit une convergence que les modèles de revenus actuels anticipent déjà.
OpenAI prévoit 25 milliards de dollars de revenus cette année, Anthropic 19 milliards de dollars. L’écart existe, mais la direction des vecteurs compte autant que le niveau absolu. Une entreprise avec 25 milliards de dollars de revenus mais des coûts d'infrastructure et des subventions à la consommation dépassant sa marge opérationnelle présente un profil de risque structurellement différent de celui d'une entreprise avec 19 milliards de dollars et 86 % de ses revenus liés à des contrats d'entreprise avec prévisibilité de renouvellement.
Le marché à venir ne récompense pas le modèle le plus puissant
La concurrence dans le segment de l'IA d'entreprise migrate d'une course aux benchmarks vers quelque chose de plus semblable à ce qui détermine quel fournisseur de logiciels B2B survit à un cycle complet : intégration profonde, prévisibilité des coûts, soutien réglementaire et coût de changement pour le client.
Anthropic a bâti sa réputation auprès des entreprises, en partie grâce à ses positions sur les questions de gouvernance de l'IA qui ont généré une confiance parmi les acheteurs institutionnels, en particulier dans des secteurs réglementés. Ce capital de réputation n’apparaît dans aucun bilan, mais il se traduit dans les décisions d’achat des premiers acquéreurs que Ramp évalue.
xAI et Google affichent respectivement une pénétration d’entreprise de 1,8 % et 1,1 %, indiquant que la concentration du marché chez les deux leaders actuels n'est pas érodée par des tiers, mais redistribuée en interne entre eux. Le marché se consolide plus tôt que ne l'anticipaient de nombreux modèles d'analyse, et la vitesse de cette consolidation favorise ceux qui ont moins de dépendance aux subventions externes pour croître.
Anthropic atteint ce point de consolidation avec une architecture de revenus où le client d'entreprise finance la croissance, les coûts d'entraînement étant relativement moindres, et le chemin vers l'autosuffisance financière étant deux ans plus court que celui de son concurrent principal. Cela ne garantit pas le résultat, mais décrit avec précision quelle des deux structures a moins de probabilité d'avoir besoin d'une série d'urgence si les marchés de capitaux se contractent.
