Anthropic lève environ 18 billions de wons lors d’un tour de série F

• Anthropic a levé 13 milliards de dollars ($13B, 18 billions de wons) lors d’un financement de série F mené par ICONIQ
• Cette opération valorise Anthropic à 183 milliards de dollars ($183B, 254 billions de wons)
• La croissance du chiffre d’affaires s’accélère fortement, avec un revenu annualisé atteignant 5 milliards de dollars en août 2025
• Divers produits, dont Claude Code et l’API, se développent rapidement sur les marchés des entreprises et des développeurs
• Les fonds seront utilisés pour répondre à la demande des clients entreprises, renforcer la recherche sur la sécurité et accélérer l’expansion mondiale

---

Anthropic : levée en série F et état de la croissance

Aperçu du financement de série F

• Anthropic a levé 13 milliards de dollars dans le cadre d’un tour de série F mené par ICONIQ
• Cette opération porte la valorisation post-money d’Anthropic à 183 milliards de dollars
• Outre ICONIQ, Fidelity Management & Research Company et Lightspeed Venture Partners ont également co-dirigé le tour
• De grands investisseurs mondiaux ont aussi participé, notamment Altimeter, Baillie Gifford, des fonds liés à BlackRock, Blackstone, Coatue, D1 Capital Partners, General Atlantic, General Catalyst, GIC, Goldman Sachs Alternatives, Insight Partners, Jane Street, Ontario Teachers' Pension Plan, Qatar Investment Authority, TPG, T. Rowe Price, WCM Investment Management et XN

Croissance et revenus d’Anthropic

• Le CFO Krishna Rao a souligné que des clients allant des entreprises du Fortune 500 aux startups centrées sur l’IA utilisent les modèles frontier et la plateforme d’Anthropic pour des tâches critiques
• La demande augmente de façon exponentielle dans l’ensemble de la base clients
• Depuis le lancement de Claude en mars 2023, la croissance du chiffre d’affaires a été extrêmement rapide
  • Début 2025, l’entreprise a atteint 1 milliard de dollars de chiffre d’affaires annualisé
  • En août 2025, elle a dépassé 5 milliards de dollars de chiffre d’affaires annualisé, ce qui en fait l’une des entreprises technologiques à la croissance la plus rapide de l’histoire

Priorité à la technologie et à la sécurité

• La croissance d’Anthropic repose sur des talents techniques de premier plan, une approche centrée sur la sécurité et la recherche frontier (alignement, interprétabilité, etc.)
• Ces éléments constituent la base de la performance et de la fiabilité des modèles
• L’entreprise sert actuellement plus de 300 000 clients professionnels, et le nombre de grands comptes générant plus de 100 000 dollars de revenus a été multiplié par 7 en un an

Expansion des produits et des clients

• L’ensemble de la plateforme enregistre une forte croissance sur les segments entreprises, développeurs et grand public
  • Pour les entreprises, l’API et des produits spécialisés par secteur permettent d’adopter une IA puissante sans processus d’intégration complexe
  • Les développeurs adoptent Claude Code comme outil principal depuis sa disponibilité générale en mai 2025
  • Claude Code a atteint plus de 500 millions de dollars de chiffre d’affaires annualisé en seulement trois mois, avec une utilisation multipliée par plus de 10
  • Les offres Pro et Max destinées aux particuliers proposent des fonctionnalités d’IA avancées pour les usages quotidiens et professionnels

Évaluation des investisseurs et plans à venir

• Divesh Makan, partenaire chez ICONIQ, a indiqué qu’Anthropic suivait une trajectoire de croissance exceptionnelle grâce à l’excellence de sa recherche, son leadership technique et son orientation client
• Les dirigeants d’entreprise saluent également la fiabilité de Claude et sa vision à long terme
• Les fonds de la série F serviront à renforcer la capacité de réponse à la demande des entreprises, approfondir la recherche sur la sécurité et étendre les activités à l’international
• L’objectif est de construire des systèmes d’IA fiables, interprétables et pilotables

[GN⁺]

Réactions sur Hacker News

• On sent à quel point la compétition en capacité de calcul devient féroce dans l’IA : sans un capital, des GPU et une infrastructure électrique au niveau du PIB d’un petit pays, il devient difficile de rivaliser. TSMC et les compagnies d’électricité tiennent les véritables leviers. Le talent seul ne suffit plus ; sans 100 000 H100 et une centrale dédiée, c’est terminé. Une grande partie des 13 milliards de dollars pourrait d’ailleurs être du prépaiement de calcul plutôt que de vraies dépenses opérationnelles. On a presque l’impression que l’infrastructure d’un projet de type Manhattan passe dans le privé. Autrefois, 100 millions de dollars suffisaient pour entraîner GPT-4, mais on s’attend bientôt à 1 puis 10 milliards, voire 100 milliards. Et cela pourra peut-être même sembler bon marché plus tard. Pour un GPT-7, il faudra peut-être un fonds souverain.
  • L’ère des LLM est terrible. L’innovation vient surtout de grands groupes déjà dotés d’énormes capitaux. L’usage se fait sous forme d’abonnement, donc les utilisateurs n’ont aucun contrôle. Le hype est tel que des dirigeants C-level qui ne savent même pas si cela aide vraiment sur le terrain poussent à l’adoption. Le choix de l’IA dépend aussi des relations existantes avec les fournisseurs. On a l’impression d’un condensé des pires tendances de la tech des dix dernières années.
  • À chaque nouveau modèle, on sent de plus en plus que le rapport coût/bénéfice se dégrade. Il est souvent difficile de distinguer nettement les nouveaux modèles des anciens. La vidéo semble progresser rapidement, mais le coût de calcul explose au même rythme, ce qui crée d’autres inquiétudes.
  • Ce qui surprend le plus, c’est que les modèles de pointe deviennent obsolètes en six mois environ. Je ne pense pas qu’il soit viable de continuer à injecter autant d’argent à ce rythme sur des périodes aussi courtes. À moins de croire qu’une AGI arrivera dans quelques générations de modèles, cette structure paraît difficile à soutenir à long terme.
  • En citant ce que Dario a dit dans Cheeky Pint : « Si on considère chaque modèle comme une entreprise, on entraîne un modèle en 2023 pour 100 millions de dollars, il génère 200 millions de revenus en 2024, puis on investit la même année 1 milliard pour faire le modèle suivant, qui générera 2 milliards l’année d’après. Au début, les pertes sont énormes, mais chaque modèle pris isolément est rentable. En parallèle, on continue simplement à lancer des entreprises de plus en plus chères, donc les montants grossissent toujours. Une fois la taille d’équilibre atteinte, soit la rentabilité globale devient extraordinaire à long terme, soit on arrive à un point où les performances des modèles ne progressent plus, et là l’excès d’investissement pourrait se dissiper sans résultat. » En conclusion, on ne sait toujours pas à quelle échelle l’équilibre se fera ni s’il y aura overshoot. Lien : podcast Cheeky Pint
  • J’espère que cette frénésie laissera au final trop de capacité nucléaire, ce qui fera baisser le prix de l’électricité et permettra de capturer le carbone atmosphérique. À moyen terme, la Chine pourrait devenir dominante sur les modèles haut de gamme grâce à son surplus d’électricité, tandis que les États-Unis seront occupés à réparer un réseau électrique négligé depuis des décennies.
• Cette levée a commencé avec un objectif de 5 milliards de dollars et a finalement attiré 13 milliards. En général, cela arrive soit quand on veut profiter d’un marché en surchauffe, soit quand on pense qu’il sera ensuite difficile de lever à une valorisation aussi élevée. Le signal envoyé par les initiés paraît négatif pour les investisseurs IA. Après avoir lu des centaines de commentaires, j’ai l’impression de voir beaucoup de confusion, d’incertitude et de fantasmes, comme dans les bulles précédentes. Les coûts d’entraînement montent en flèche alors que les gains des nouveaux modèles diminuent, ce qui inquiète pour la suite. La richesse est une notion difficile à définir, formée de manière diffuse par la coopération et l’échange. Au final, les LLM doivent réellement créer de la richesse pour justifier cet investissement. S’ils ne montrent pas rapidement une valeur concrète, le risque d’effondrement soudain est élevé. En travaillant dans la finance, ce que j’ai compris, c’est que les financiers ne sont pas des génies. Gérer 13 milliards de dollars ne rend pas particulièrement brillant ; il y a surtout beaucoup de gens attirés par l’argent. Il ne faut pas supposer qu’ils ont forcément une vraie clairvoyance.
  • Je serais d’accord si la dilution était de 20 %, mais si elle est passée de 3 % à 7 %, j’y vois plutôt un signal positif : l’émission a été très largement sursouscrite. Les entreprises en mauvaise posture ont déjà du mal à remplir leur tour.
• L’ampleur de ce financement donne l’impression qu’il y aura bientôt une casse. Pour survivre à la concurrence, il faut brûler des quantités énormes de cash, ce qui en fait un jeu réservé à quelques acteurs, et pourtant aucun n’a encore démontré un business réellement rentable. Comme les modèles convergent vers un niveau comparable, la barrière technologique à l’entrée devient minimale : tout le monde peut s’y mettre, et seule la masse de capitaux compte. Commercialement, c’est une structure très risquée. La technologie est impressionnante, mais cela finira probablement par des pertes pour la plupart des investisseurs.
  • J’ai longtemps partagé cette idée, mais j’ai un peu changé d’avis récemment. Il y a une vraie différence entre personnaliser soi-même les derniers modèles pour un usage interne et se contenter d’utiliser une API. Si on compare Cursor et Claude Code, on ressent une qualité complètement différente alors que le modèle est le même. Comme pour Mac vs Windows, le fait de concevoir soi-même le modèle et les outils dans une approche intégrée apporte un avantage significatif.
  • Je ne suis pas encore totalement convaincu sur ce point ; Anthropic facture assez cher son service d’inférence via API, et pourtant les gens continuent de payer.
  • Dire que « tout le monde sait faire un modèle, il suffit d’avoir l’argent » ignore des éléments comme la qualité différenciée, l’efficacité, les partenariats et d’autres facteurs.
  • Petite blague : contrairement à ce qu’on répète depuis longtemps sur le fait que cela ne peut pas durer, Herbalife est toujours coté en bourse.
  • Vu les sommes gigantesques en jeu, si la bulle éclate et que tout cela se révèle être du vent, le choc sera énorme pour l’ensemble du marché.
• Il y a beaucoup trop de commentaires négatifs. Si le leader d’un nouveau marché à fort potentiel de croissance réussit à lever 13 milliards de dollars sur une valorisation à 20 fois le chiffre d’affaires, ce n’est pas forcément un signe de bulle. Ces investisseurs ne doivent pas être irrationnels ou stupides. La possibilité d’une bulle reste là, mais il faut éviter les jugements trop hâtifs.
  • À l’objection selon laquelle une valorisation à 20 fois le chiffre d’affaires est justement un signe de bulle, quelqu’un demande si ce n’est pas tout simplement la définition même d’une bulle.
  • Cela rappelle SoftBank et l’affaire WeWork.
  • L’argument « ces investisseurs ne sont pas idiots » revenait déjà systématiquement avant l’éclatement des bulles précédentes.
  • On rappelle qu’il s’agit des mêmes investisseurs qui se sont aussi fait berner par SBF. SBF avait réussi à lever alors qu’il n’avait même pas un tableur correct pour expliquer ses états financiers.
• On se souvient qu’au moment du rachat de YouTube en 2006 pour 1,65 milliard de dollars, beaucoup trouvaient cela délirant. Cela souligne à quel point l’intuition individuelle est peu fiable face aux informations du marché. Quand on pense en savoir plus que le marché, on a souvent plus de chances de se tromper. Chercher uniquement des arguments qui confirment ce qu’on croit est dangereux. Et même si le niveau d’investissement est irrationnel, il est extrêmement difficile de prédire concrètement dans quelle mesure, pourquoi et comment cela se déroulera dans l’avenir.
  • Prendre YouTube comme exemple serait en soi un peu contradictoire.
  • N’est-ce pas un biais du survivant qui met seulement en avant les réussites ? Il y a aussi beaucoup d’échecs, comme Motorola pour Google ou Nokia pour Microsoft. WeWork aussi a levé 12 milliards de dollars avant de faire faillite.
  • L’idée qu’une valorisation de 183 milliards de dollars soit justifiée en la comparant aux 1,65 milliard de dollars d’il y a vingt ans ne convainc pas vraiment.
• Avec 9 milliards de dollars de revenus attendus (ARR annualisé) et 60 % de marge brute (30 % en passant par des partenaires cloud), la société tient plutôt bien la route au niveau de la marge brute pour une entreprise en forte croissance. Même avec un multiple de 20x, cela ne paraît pas complètement insensé au vu du rythme de croissance. Tout dépendra de la réalisation effective de ces chiffres d’ici la fin de l’année. On était à 3 milliards en mai, 5 milliards en juillet, soit une progression de 200 à 400 millions par mois.
  • Je me demande ce que les investisseurs voient pour investir autant. Ce n’est clairement pas pour les dividendes ni pour les bénéfices. Au fond, ils parient entièrement sur la hausse future du prix de l’action. Ils semblent croire que le marché crée réellement de la valeur et que cette mécanique continuera de tourner.
• La manière actuelle de déverser de l’argent et du calcul dans l’IA ressemble à une solution de court terme. Le cerveau humain apprend sans énergie de niveau nucléaire, donc à terme l’efficacité sera probablement le véritable point d’innovation. Que ce soit demain ou dans cinq ans, difficile à dire, mais d’ici là les entreprises IA n’ont d’autre choix que d’y aller à fond.
  • Je ne suis pas sûr que le quantum computing soit la solution, mais j’ai l’impression qu’il faudra un paradigme de calcul entièrement nouveau, bien plus efficace et puissant, comme par exemple le calcul quantique.
  • Si le coût de l’énergie reste élevé, investir dans l’IA reviendra finalement à parier sur une baisse du coût de production de l’énergie. Si le prix de l’énergie baisse, la barrière à l’entrée liée au calcul s’effondrera aussi. S’il y a une percée en efficacité, elle viendra probablement davantage des modèles eux-mêmes que des semi-conducteurs. Et même dans ce cas, si cette avancée ne peut pas être gardée en interne, la barrière concurrentielle disparaîtra à nouveau.
  • Si le cerveau humain n’utilise pas d’énergie nucléaire, c’est parce qu’y parvenir aurait été bien trop complexe et difficile du point de vue de l’évolution. Si nous avons trouvé comment utiliser l’énergie nucléaire, alors une intelligence bien supérieure devient aussi possible. Rien n’interdit qu’une intelligence plus élevée émerge grâce à l’énergie nucléaire.
• Les services d’inférence LLM n’ont pas toujours besoin d’une disponibilité à 99,999 % digne des datacenters cloud. Des petits investisseurs pourraient donc mettre des GPU dans un entrepôt, faire tourner des LLM open source et router des clients ; si le service tombe une journée, ce n’est pas dramatique, cela ne fait perdre qu’une journée de revenus. Cela pourrait même devenir un placement passif assez simple, comme investir dans une laverie ou un entrepôt.
  • Personnellement, je traite 80 % de mes tâches IA avec le batch mode d’OpenAI, et cela me rassure beaucoup. Le mode à réponse immédiate maintient en tension en permanence. Une fois la vague Copilot retombée, on risque de considérer davantage les LLM comme de bons outils pour fabriquer des outils décisifs, mais pas comme des outils décisifs en eux-mêmes, ce qui ferait baisser à la fois l’usage et l’urgence.
• Iconiq (la family office de Mark Zuckerberg) faisait partie des investisseurs chefs de file de ce tour.
• En voyant Ontario Teachers' Pension Plan parmi les investisseurs, certains se demandent si le régime de retraite des Canadiens a investi dans Anthropic.
  • Ontario Teachers' est très actif dans le venture et le growth, et c’est un LP majeur dans de nombreux fonds. Cela dit, cette classe d’actifs ne représente qu’une très petite part de l’ensemble de son portefeuille. Liens de référence : Crunchbase / site officiel OTPP
  • Ce type de très gros investissement nécessite généralement des institutions capables de mobiliser d’énormes masses de capitaux, comme les fonds de pension. Quand SoftBank et d’autres proposent des déploiements de capitaux de cette taille, il n’existe en pratique pas beaucoup de meilleures alternatives.
  • Il faut bien distinguer les « retraites publiques » (l’argent de retraite des fonctionnaires et employés du secteur public) des « fonds publics » (budget de l’État, etc.). Bien sûr, si un fonds de pension subit de très grosses pertes, l’État devra peut-être intervenir, donc il y a un lien indirect. Mais ces fonds ne mettent pas un poids suffisant sur une seule position pour s’effondrer à cause d’un seul investissement.
  • Ce fonds de pension a longtemps été un investisseur majeur dans l’écosystème VC, et je me souviens d’ailleurs avoir été payé pendant plusieurs années grâce à cela.