💡 En résumé

Le 21 août 2026, l’économie de l’IA se précise en trois couches — et chacune apporte son lot de signaux contradictoires. Côté modèles, les données de Ramp (70 000 entreprises américaines) montrent qu’Anthropic mène toujours chez les entreprises (près de 44 % de part de marché contre près de 40 % pour OpenAI en juillet), mais qu’OpenAI accélère plus vite au troisième trimestre, porté par GPT-5.6 Sol, pendant que Fable 5 déçoit. Côté données, le boom de l’entraînement propulse Micro1 à 500 M$ de gross run rate en huit mois (60 à 70 % de marge nette), dans un marché où Mercor atteint 2 Md$ et Handshake 1 Md$ — avec une controverse géopolitique croissante sur la revente de données « off-the-shelf ». Côté confiance, l’étude Pew publiée jeudi mesure que plus d’un tiers des pages web publiées depuis le lancement de ChatGPT montrent des signes d’écriture par IA, Google lance un bouton « sources préférées » pour enrayer la perte de trafic des éditeurs, et Grok enchaîne les réponses en charabia. L’industrie n’a jamais autant gagné d’argent — ni autant interrogé la substance de ce qu’elle produit.

🔥 Tendances : une bataille de parts de marché enfin mesurée

OpenAI contre-attaque chez les entreprises

En attendant les IPO d’OpenAI et d’Anthropic, les données de Ramp (cartes corporate et bill pay, plus de 70 000 entreprises américaines) servent de proxy de marché. Le constat : Anthropic a pris la tête en mai (41 % contre 39 %), et l’écart s’est creusé en juillet (près de 44 % contre près de 40 %). Mais la tendance récente s’inverse : selon l’économiste de Ramp Ara Kharazian, OpenAI croît plus vite au Q3 sur ce segment — « GPT-5.6 Sol est vraiment bon, de plus en plus le choix des développeurs », résume-t-il, tandis que « Fable 5 a déçu, à la fois en adoption et en application réelle, compte tenu du prix et des exigences de rétention de données imposées par les régulateurs » (rappelons qu’Anthropic a provoqué une polémique en exigeant 30 jours de rétention des données des utilisateurs de Fable).

Deux enseignements pour les observateurs. D’abord, la volatilité est la règle : les entreprises basculent d’un laboratoire à l’autre à chaque release — de quoi donner des sueurs froides aux investisseurs sur la « stickiness » des dépenses IA. Ensuite, le marché global grandit : la part des entreprises Ramp qui paient pour de l’IA a dépassé 50 % en mars et atteint près de 56 % en juillet. Les deux acteurs peuvent gagner des parts et du chiffre d’affaires en même temps.

Le boom des données d’entraînement : Micro1 passe de 100 à 500 M$

La demande « quasi insatiable » de données d’entraînement uniques propulse une cohorte de startups de data labeling. Micro1, startup de quatre ans, a fait passer son gross run rate annuel de 100 M$ à 500 M$ en huit mois, avec une rétention de 60 à 70 % (net run rate de 150 à 200 M$). Elle reste loin de Mercor (2 Md$ de revenus annualisés cet été) et Handshake (1 Md$), mais sa croissance prouve que le marché peut porter plusieurs acteurs. Les chercheurs avancent même que les dépenses futures en données pourraient rivaliser avec les dépenses en calcul.

Le modèle de Micro1 révèle les tensions du secteur : les données « off-the-shelf » (vendues à plusieurs clients) atteignent des marges brutes de 80 à 90 % — mais leur revente à des acteurs chinois a déclenché une controverse, certains critiques estimant qu’elle aide les modèles chinois à rattraper les modèles américains. Le fondateur Ali Ansari a pris position sur X : « Certaines entreprises de données humaines travaillent avec des adversaires étrangers. Les résultats sont visibles aujourd’hui dans Kimi K3. Nous pensons qu’il est honteux de revendiquer la domination de l’IA américaine tout en vendant des millions de dollars de données à des pays en compétition adverse avec nous. » Micro1 affirme ne pas vendre à des model makers chinois — et construit en parallèle un dataset de pré-entraînement robotique (enregistrements d’interactions avec des objets du quotidien par des centaines de généralistes). Le data labeling est devenu un enjeu de souveraineté.

🤖 Nouveaux outils : les réponses à la crise de la confiance

Un tiers du web post-ChatGPT est écrit par l’IA

L’étude Pew Research publiée jeudi, basée sur près d’un demi-million de pages de Common Crawl et la technologie de détection d’Open Pangram, arrive à un chiffre vertigineux : plus d’un tiers (35 %) des pages web publiées depuis le lancement de ChatGPT montrent des signes significatifs d’écriture ou d’édition par IA. Dans un échantillon aléatoire de 10 000 pages de juillet 2026, environ 10 % montraient des signes forts — mais en filtrant les pages antérieures à novembre 2022, la proportion grimpe à 35 %. Les domaines .com sont 10 fois plus touchés que .edu ou .gov (~1 % chacun), et .org affiche 4,6 %. Pew note aussi la hausse des « tells » classiques : tirets cadratins, virgules d’Oxford, formulations du type « ce n’est pas X, c’est Y ». Le tout arrive juste après que Cloudflare a annoncé que le trafic bot a dépassé le trafic humain sur le web — des bots qui lisent des pages écrites par d’autres bots, comme le résume sobrement Pew.

Google tend la main aux éditeurs : le bouton « Preferred Sources »

Pour enrayer la destruction de trafic causée par l’IA générative dans la recherche, Google déploie un bouton « sources préférées » que les éditeurs peuvent embarquer sur leurs sites : le lecteur clique pour signaler qu’il souhaite voir ce site mis en avant dans Search, Discover et Google News. La fonction existait depuis mai dans AI Mode et AI Overviews (345 000 sources sélectionnées à ce jour) ; elle devient un widget éditeur. Google affirme que les lecteurs ont deux fois plus de chances de cliquer sur une source préférée. Parallèlement, les utilisateurs pourront bientôt personnaliser leur flux Discover en langage naturel (« montre-moi moins de X, plus de Y »). Un aveu implicite : l’IA a cassé l’économie du référencement, et les mécanismes algorithmiques classiques ne suffisent plus à la réparer.

Grok parle charabia : la fragilité des couches de confiance

Un bug inhabituel a fait répondre Grok en charabia à certains utilisateurs (« match it without and your they and two for planets can practical and often cheese… »), avec des liens vers des sites de recherche RL dans les sources. Limitée à Grok Lite sur Grok.com (le compte X n’est pas affecté), l’incident a submergé le subreddit de Grok. xAI confirme un « glitch de génération temporaire rare » et renvoie vers status.x.ai. L’épisode prend une dimension particulière dans un contexte de turnover massif chez xAI (départ de la plupart de l’équipe fondatrice et d’au moins 50 chercheurs et ingénieurs, selon The Information). Les couches de confiance du marché — fiabilité des réponses, stabilité des équipes, continuité des produits — sont plus fragiles qu’il n’y paraît. La recherche arXiv de la nuit ajoute un grain de sel : Inadvertent Context Leakage (2608.19857) documente des fuites de contexte involontaires dans les LLM — un rappel que les modèles eux-mêmes laissent échapper des informations sans que personne ne le demande.

📊 Analyse : trois couches, une même tension

L’actualité du 21 août se lit comme une stratigraphie de l’économie de l’IA :

1. La couche modèles se structure en duopole mesurable : Anthropic tient les entreprises, OpenAI accélère, et la volatilité des parts de marché interdit toute lecture définitive. Les régulateurs (rétention des données de Fable) influencent déjà les choix d’adoption — un précédent.
2. La couche données devient un marché de souveraineté : 500 M$ de run rate pour Micro1, 2 Md$ pour Mercor, des marges de 80-90 % sur les données reventables — et une ligne rouge géopolitique qui se dessine entre « vendre à la Chine » et « défendre la dominance américaine ». La prédiction que les dépenses données rivaliseront avec le compute n’est plus une hypothèse, c’est une trajectoire.
3. La couche confiance se dégrade mécaniquement : un tiers du web écrit par des machines, des bots qui lisent des pages écrites par des bots, des modèles qui produisent du charabia, des éditeurs réduits à demander un bouton de « préférence » à leurs lecteurs. Le paradoxe est total : l’industrie n’a jamais été aussi riche, et son produit n’a jamais été autant suspect.

La tension structurante est là : l’économie de l’IA repose sur la confiance (entreprises qui paient, éditeurs qui survivent, utilisateurs qui délèguent), mais chacun de ses moteurs de croissance — données synthétiques, génération de contenu, agents autonomes — érode cette confiance en se développant. Les garde-fous émergents (détection d’authorship, sources préférées, politiques de rétention) sont des rustines : ils traitent les symptômes sans résoudre la question de fond, qui est de savoir ce que vaut un contenu quand son producteur est une machine.

🎯 À retenir

• Marché entreprises : Anthropic ~44 % vs OpenAI ~40 % (juillet, données Ramp) — mais OpenAI croît plus vite au Q3 ; 56 % des entreprises paient pour l’IA.
• Données : Micro1 à 500 M$ de gross run rate (+400 M$ en 8 mois) ; marché dominé par Mercor (2 Md$) et Handshake (1 Md$) ; marges off-the-shelf de 80-90 % ; controverse géopolitique sur la vente de données à la Chine.
• Web : 35 % des pages publiées depuis ChatGPT montrent des signes d’écriture IA (Pew) ; trafic bot > trafic humain (Cloudflare).
• Google lance le bouton « Preferred Sources » pour les éditeurs et la personnalisation du Discover en langage naturel — un aveu de l’effondrement du modèle de trafic classique.
• Grok enchaîne les réponses en charabia (Grok Lite, Grok.com) dans un contexte de turnover massif chez xAI.
• Pour les entreprises : la volatilité des parts de marché et l’érosion de la confiance plaident pour une stratégie multi-modèles et une vigilance sur l’origine des données utilisées dans vos pipelines.