💡 En résumé

Le lundi 17 août 2026 restera comme une journée où le capital et les données de l’IA ont saturé en même temps. Côté capital : Anthropic dépasse 65 Md$ de revenus annualisés (contre 9 Md$ fin 2025), ses investisseurs visent 100-120 Md$ d’ici fin 2026, et une IPO à 2 000 Md$ de valorisation est attendue dès cet automne — la plus grande entrée en Bourse de l’histoire. Le même jour, Nvidia annonce 1,5 Md$ dans SB Energy, le développeur de data centers lié à SoftBank et OpenAI, avec jusqu’à 105 Md$ de crédit pour un site de 4,25 à 8 GW adossé à une centrale à gaz de 33 Md$ sur des terres du Département de l’Énergie américain. Côté données : une enquête de 404 Media révèle qu’Amazon achète des livres rares pour les détruire et les scanner pour l’entraînement de ses modèles — la preuve que le gisement de textes « humains » non contaminés par l’IA se raréfie dangereusement. Pendant ce temps, la recherche publique alerte sur deux risques de fond : le AI Lock-In (la dépendance systémique à des systèmes qui peuvent tomber en panne) et la fragmentation ingérable des régulations nationales.

🔥 Tendances : l’argent afflue, les données s’épuisent

Anthropic : la machine à revenus qui défie toute échelle de comparaison

Les chiffres rapportés par Bloomberg et le Financial Times donnent le vertige. Le revenu annualisé d’Anthropic a dépassé 65 Md$ fin juillet, contre 47 Md$ en mai et à peine 9 Md$ fin 2025. En deux mois, le model maker a ajouté 18 Md$ de revenus annualisés — soit, pour donner une échelle, deux fois le revenu annuel de la SNCF ajouté en soixante jours. Les investisseurs d’Anthropic s’attendent à ce que la croissance se maintienne au même rythme pour le reste de l’année, avec une clôture 2026 entre 100 et 120 Md$.

La comparaison avec OpenAI est éclairante : OpenAI a doublé ses revenus à 40 Md$ (contre 20 Md$ fin 2025). Les deux entreprises peuvent calculer leurs métriques différemment, mais le taux de croissance d’Anthropic captive les investisseurs bien davantage que celui d’OpenAI. Les deux sociétés ont déposé des documents d’IPO confidentiels. Anthropic devrait toucher les marchés publics avant OpenAI — possiblement dès cet automne — avec une valorisation publique recherchée de 2 000 Md$ ou plus, selon le Financial Times, ce qui en ferait la plus grande entrée en Bourse jamais enregistrée. Rappel du chemin parcouru : Anthropic était valorisée 965 Md$ fin mai, lors de sa levée de 65 Md$.

Amazon : des livres rares détruits pour nourrir les modèles

L’enquête de 404 Media publiée ce week-end a un parfum d’uchronie : Amazon — l’entreprise qui a commencé en vendant des livres — achète des livres rares pour couper leurs dos, les scanner et les utiliser pour l’entraînement de ses modèles d’IA. Le journaliste de 404 Media a placé un dispositif de traçage dans un livre rare qui a fini au centre de traitement VGT3 d’Amazon à Las Vegas, identifié par son symbole de dinosaure tenant un livre entre ses griffes. Interrogé, Amazon s’est contenté de déclarer qu’il « achète des livres par des canaux commerciaux pour améliorer les produits et services utilisés par ses clients ».

Le contexte technologique donne sa gravité à l’affaire. Les entreprises d’IA ont besoin de quantités inimaginables de texte pour entraîner leurs LLM, et l’Internet a déjà été aspiré — Anthropic, pour sa part, a été condamnée pour avoir piraté des livres. Les livres rares, épuisés ou introuvables en ligne, offrent une nouvelle source de données convoitées. Leur valeur spécifique tient à une propriété presque ironique : rien de ce qui a été publié avant 2022 n’a pu être écrit par un LLM. Quand les modèles s’entraînent sur du texte généré par IA, ils risquent le « model collapse » — la dégradation de la qualité des sorties après ingestion massive de contenu généré. Les livres anciens sont donc le dernier grand gisement de texte « pur » non contaminé. Leur destruction matérielle pour l’entraînement pose une question patrimoniale et éthique frontale : peut-on détruire un exemplaire unique de la mémoire écrite pour améliorer un modèle ?

Nvidia dans l’énergie : 1,5 Md$ et 105 Md$ de crédit pour un site OpenAI

Nvidia a annoncé lundi un investissement de 1,5 Md$ dans SB Energy, le développeur de data centers lié à SoftBank et OpenAI. La contrepartie est stratégique : Nvidia devient le fournisseur exclusif de l’infrastructure de calcul du data center Ports-Pike d’OpenAI, près de Cincinnati (Ohio), et fournira jusqu’à 105 Md$ de crédit pour construire le site, qui pourrait passer de 4,25 à 8 GW. SB Energy construira sur place une centrale électrique au gaz naturel de 9,2 GW — sur des terres appartenant au Département de l’Énergie américain, ancien site d’enrichissement d’uranium pour l’arsenal nucléaire et les sous-marins américains.

Le coût de la centrale est révélateur : 33 Md$, reflétant la flambée des coûts de construction des centrales au gaz (+66 % en deux ans selon BloombergNEF). Et quand la centrale de SB Energy et d’autres seront achevées, elles entreront en concurrence avec les marchés d’exportation pour le gaz naturel — un choc qui pourrait tripler les prix du gaz dans certaines régions du pays. L’image d’ensemble est saisissante : un site qui enrichissait de l’uranium pour des armes nucléaires devient le socle énergétique d’un data center d’IA, dans une course où l’électricité — pas les puces — est devenue le vrai goulot d’étranglement.

🤖 Nouveaux outils : les garde-fous conceptuels de la recherche

AI Lock-In : la dépendance comme risque systémique

Le position paper « AI Lock-In Is in Progress » (arXiv 2608.14565) élargit le champ de la recherche sur la sécurité de l’IA. Jusqu’ici, deux axes dominaient : l’alignement technique (produire des sorties conformes aux valeurs humaines) et la régulation des impacts sociétaux (chômage, disruption du marché du travail). Le papier défend un troisième axe négligé : le risque inhérent à la dépendance envers les systèmes d’IA eux-mêmes. Le Lock-In, c’est la dépendance excessive qui conduit à la déqualification humaine (deskilling), à la diminution de la capacité de fonctionnement autonome, et à des vulnérabilités systémiques quand les systèmes deviennent indisponibles ou compromis.

La thèse centrale : ce n’est pas un scénario futur — le Lock-In est déjà en cours, aux niveaux individuel, sociétal et national, et pourrait être dramatiquement amplifié par des pannes de services IA ou des conflits géopolitiques. Les scénarios détaillés dans le papier vont de l’atrophie des compétences individuelles aux défaillances d’infrastructure à l’échelle nationale. La recommandation : traiter proactivement ces dépendances avant qu’elles ne deviennent irréversibles, pour préserver l’autonomie individuelle et la sécurité nationale. Un papier qui résonne particulièrement au lendemain d’une journée où l’industrie a montré sa capacité à concentrer à la fois le capital et les sources de données.

Gouvernance interopérable : des « étiquettes nutritionnelles » pour l’IA

Le second position paper, « AI Governance Needs ISO-like Interoperability Protocols » (arXiv 2608.14568), diagnostique la fragmentation réglementaire : l’AI Act européen, la gouvernance algorithmique chinoise, le NIST AI RMF américain — des régimes juridictionnels juxtaposés qui créent un paysage fragmenté. L’argument, calqué sur le précédent du GDPR opérationnalisé par les standards ISO 27001 et Privacy by Design : la gouvernance de l’IA doit reposer non pas sur les seules lois, mais sur des protocoles d’interopérabilité de type ISO permettant une communication standardisée et lisible par machine du risque à travers les frontières.

La proposition concrète : des « étiquettes nutritionnelles » de l’IA — des manifests contenant des métriques unifiées de biais, de consommation d’énergie et de provenance des données — pour faciliter la conformité trans-juridictionnelle, abaisser les barrières pour les PME et construire la confiance publique. Les auteurs anticipent l’objection de l’innovation étouffée par les standards et plaident pour des protocoles modulaires et versionnés, conçus pour évoluer avec la technologie. Un complément direct au débat sur l’énergie et les données de cette semaine : si chaque modèle devait déclarer la provenance de ses données d’entraînement et son coût énergétique, des pratiques comme la destruction de livres rares ou les centrales à gaz de 33 Md$ deviendraient visibles — et donc débattables.

📊 Analyse : quand le capital et les données saturent en même temps

La journée du 17 août 2026 est un cas d’école de coïncidence révélatrice : les deux contraintes fondamentales de l’IA — le capital et les données — ont chacune envoyé un signal de saturation le même jour.

Sur le capital, le signal est une accélération sans précédent. Anthropic passe de 9 à 65 Md$ de revenus annualisés en huit mois, vise 100-120 Md$ fin 2026, et prépare une IPO à 2 000 Md$. Nvidia engage 1,5 Md$ et 105 Md$ de crédit dans un seul site. Groq lève 350 M$ la même semaine. La question n’est plus de savoir si l’IA est une bulle, mais de savoir ce que la sortie de cette phase d’hyper-investissement laissera derrière elle. L’histoire des infrastructures — chemins de fer, télécoms, câbles sous-marins — suggère une réponse : une capacité excédentaire qui deviendra, après la purge, le socle de la prochaine décennie. Le site Ports-Pike, avec sa centrale à gaz de 33 Md$ sur d’anciennes terres d’enrichissement d’uranium, est un monument de cette phase.

Sur les données, le signal est une raréfaction qualitative. Le recours d’Amazon aux livres rares — jusqu’à les détruire — dit quelque chose de simple : le gisement de texte pré-2022, le seul garanti non généré par IA, est en voie d’épuisement. La peur du model collapse pousse les labos vers des sources toujours plus exotiques et plus coûteuses à acquérir : livres rares détruits, contenus sous licence, données privées. C’est une course aux armements inversée : plus l’IA génère de contenu, plus le contenu « humain » devient rare et précieux. Les implications patrimoniales (détruire des livres uniques), juridiques (Anthropic déjà condamnée pour piratage) et épistémiques (que devient la culture quand sa source d’entraînement est détruite ?) sont à la hauteur du phénomène.

Troisième lecture, la plus profonde : les deux saturations se nourrissent l’une l’autre. L’abondance de capital finance la construction effrénée d’infrastructures énergivores ; la rareté des données pousse à des pratiques d’extraction toujours plus destructrices ; et la dépendance croissante à ces systèmes — le Lock-In du papier arXiv — transforme chaque panne potentielle en risque systémique. Les deux position papers publiés dans la même fenêtre (Lock-In, gouvernance interopérable) offrent des réponses complémentaires à ce triple mouvement : préserver les capacités humaines de fonctionnement autonome, et rendre les systèmes suffisamment transparents pour que leurs coûts réels — énergétiques, matériels, patrimoniaux — soient débattables. Les étiquettes nutritionnelles de l’IA ne sont pas une lubie réglementaire : elles sont la condition d’un débat public informé sur des arbitrages que les entreprises, seules, ne feront pas.

🎯 À retenir

• Anthropic : 65 Md$ de revenus annualisés fin juillet (9 Md$ fin 2025), 100-120 Md$ attendus fin 2026, IPO possible dès cet automne à 2 000 Md$ de valorisation — la plus grande entrée en Bourse de l’histoire. OpenAI : 40 Md$ (doublé).
• Nvidia investit 1,5 Md$ dans SB Energy (SoftBank/OpenAI) et devient fournisseur exclusif du site Ports-Pike d’OpenAI (4,25 → 8 GW), avec jusqu’à 105 Md$ de crédit et une centrale à gaz de 33 Md$ sur d’anciennes terres nucléaires du DOE.
• Amazon détruit des livres rares pour entraîner ses modèles : le gisement de texte pré-2022 (seul garanti non généré par IA) se raréfie, et la destruction d’exemplaires uniques pose une question patrimoniale inédite.
• Le AI Lock-In est déjà en cours : la dépendance excessive à l’IA provoque déqualification humaine et vulnérabilités systémiques, amplifiables par pannes ou conflits géopolitiques (arXiv 2608.14565).
• La gouvernance a besoin de protocoles d’interopérabilité de type ISO, pas seulement de lois : des « étiquettes nutritionnelles » (biais, énergie, provenance des données) pourraient rendre ces arbitrages visibles et débattables (arXiv 2608.14568).
• La course aux données pousse à l’extraction destructrice : après le piratage condamné d’Anthropic, la destruction de livres rares par Amazon montre que la rareté du contenu « humain » redéfinit les pratiques d’acquisition — et leurs limites éthiques.