Google, OpenAI, Anthropic : qui est réellement en train de gagner la guerre de l’IA ?

Anthropic a pris la tête sur le marché de l’IA en entreprise, devant OpenAI. Oui, tu as bien lu. Là où OpenAI écrasait tout en 2023 avec une domination autour de 50% sur l’enterprise, la photo de 2025 montre un basculement net, avec Anthropic autour de 32% contre 25% pour OpenAI selon des estimations sectorielles, et même 40% des dépenses LLM d’entreprise dans une autre lecture des chiffres.

Et pendant que les deux voisins de San Francisco se tirent la bourre, Google joue sa propre partition, plus froide, plus industrielle, avec des modèles qui montent vite sur les benchmarks et une distribution massive. Résultat, on n’est pas sur un duel. C’est un vrai mercato, avec des clients qui changent de camp, des développeurs qui votent avec leur carte bleue, et des directions achats qui ne jurent que par le ratio performance/prix.

Anthropic gagne du terrain sur l’enterprise

Le renversement le plus visible, c’est la bascule sur les usages pro. En 2023, OpenAI était donné autour de 50% de parts sur l’IA en entreprise, quand Anthropic plafonnait à 12%. Deux ans plus tard, tu te retrouves avec Anthropic devant dans plusieurs mesures, dont une estimation à 32% contre 25%. Ce n’est pas une micro-variation, c’est un vrai changement de fournisseur dans les grandes boîtes.

Le nerf de la guerre, c’est le code. Sur le segment du développement logiciel en entreprise, Anthropic est crédité d’environ 42% du marché du enterprise coding. Là, l’argument n’est pas juste “il répond bien”, c’est “il accélère le delivery”. Quand une équipe passe de deux jours de revue à une demi-journée, le CFO comprend vite. Et les DSI aiment les outils qui s’intègrent sans refaire tout le SI.

Au centre du move, tu as Claude Code. Dans le milieu, on parle d’un moment ChatGPT version développeurs, le point où l’adoption devient auto-entretenue. Le truc, c’est que ce genre de dynamique crée un effet réseau interne: plus il y a d’équipes qui l’utilisent, plus tu standardises les prompts, les garde-fous, les templates. Et plus tu as du mal à revenir en arrière.

Il y a aussi l’effet “entreprise prudente”. Anthropic s’est construit une image de boîte plus carrée sur la sécurité et la fiabilité, ce qui compte quand tu branches un modèle sur des données RH, juridiques ou commerciales. Dans les comités de risque, ça pèse. Et même quand les performances brutes se valent, ce qui fait signer, c’est parfois juste la capacité à rassurer l’audit interne.

Claude Code, le produit qui fait basculer les équipes

Ce qui frappe, c’est la vitesse. Claude Code est présenté comme ayant dépassé le milliard de dollars de chiffre d’affaires en six mois après son lancement public. Sur un marché logiciel, c’est violent. Tu peux aimer ou pas, mais ça te dit un truc simple: les équipes paient, pas juste “testent”. Et quand les budgets sortent, c’est que l’usage est déjà devenu critique.

Dans une grande entreprise, le codage assisté, c’est rarement “un gadget pour trois devs”. C’est des licences, des accès API, des politiques de sécurité, des logs, des règles de rétention. Donc si ça s’installe, c’est que ça répond à un besoin concret: écrire plus vite, relire mieux, documenter automatiquement, générer des tests. Et surtout, réduire les allers-retours pénibles entre produit, dev et QA.

Anthropic pousse aussi une promesse de rendu plus final du premier coup sur des livrables pro: documents, tableurs, slides, avec moins d’édition derrière. Là, ça vise les métiers, pas juste les ingénieurs. Un responsable marketing qui sort un tableau de campagne propre, ou un juriste qui structure un mémo, c’est du temps gagné. Et du temps gagné à l’échelle d’une boîte, ça se facture.

Mais soyons honnêtes, la réussite produit ne règle pas tout. Les coûts de calcul restent monstrueux, et Anthropic comme OpenAI sont décrits comme très loin de la rentabilité. Du coup, tu as une tension permanente: vendre plus, oui, mais sans brûler trop de cash sur l’inférence. Et c’est là que la bataille sur les prix et l’efficacité devient presque plus importante que la bataille sur les démos.

OpenAI garde le grand public, mais lâche du lest en entreprise

ChatGPT reste la marque que tout le monde connaît. Dans la tête du grand public, l’IA générative, c’est OpenAI. Mais côté entreprises, les chiffres racontent une histoire moins confortable: une estimation fait passer la part d’OpenAI de 50% en 2023 à environ 27% sur les dépenses LLM d’entreprise. Perdre presque la moitié en deux ans, ça pique, même avec une base énorme.

Ce recul ne veut pas dire que les clients fuient tous. Ça veut dire qu’ils diversifient, qu’ils testent, qu’ils arbitrent. Une direction data peut garder OpenAI pour certains cas d’usage et basculer le code sur Anthropic. Et dans les appels d’offres, tu as des achats qui comparent ligne à ligne: prix par token, latence, garanties, conformité, support. L’époque du “on prend le leader” est finie.

La force d’OpenAI, c’est une approche perçue comme plus flexible, avec des modèles capables de couvrir un spectre de tâches plus large, quitte à être un peu moins “cohérents” selon certains analystes. Pour une entreprise, ça peut être un avantage: un seul fournisseur, plus de cas d’usage, moins de friction d’intégration. Quand tu dois équiper 20 métiers, tu préfères parfois une boîte à outils qu’un outil chirurgical.

Et il y a un autre point: OpenAI a communiqué sur des revenus mensuels autour de 2 milliards de dollars, soit 24 milliards annualisés. Ça te dit qu’ils ont une machine commerciale qui tourne. Le truc c’est que, dans ce marché, faire du chiffre ne suffit pas, il faut le faire sans se faire écraser par les coûts d’infra. Et ça, c’est la partie que personne ne voit dans les annonces produit.

Google joue la carte Gemini, benchmarks et prix

Google reste le mammouth dans la pièce. Même si le débat public adore le face-à-face Anthropic vs OpenAI, Google est présent partout, avec des moyens qu’aucun des deux n’égale seul. Et quand Google décide d’appuyer sur l’accélérateur, ça se voit vite sur les benchmarks et sur les prix. Leur logique, c’est moins “être aimé” que “être partout”, dans le cloud, dans les outils, dans les intégrations.

Un exemple qui a fait parler: un modèle récent de la famille Gemini 3.1 Pro est crédité d’un score de 77,1% sur ArcGi2, un benchmark orienté raisonnement. Pour situer, des scores cités pour des concurrents tournent autour de 68,8% pour Claude Opus 4.6 et 52,9% pour ChatGPT 5.2 sur le même test. Ce genre d’écart, même discuté, suffit à relancer la bataille marketing.

Le prix, surtout, devient une arme. Des tarifs cités pour Gemini 3.1 Pro tournent autour de 2 $ par million de tokens en entrée et 12 $ en sortie. Face à ça, des références concurrentes montent à 5 $ et 25 $ pour Claude Opus 4.6, et environ 1,75 $ et 14 $ pour ChatGPT 5.2. Pour une entreprise qui envoie des millions de tokens par jour, la différence n’est pas théorique, elle se voit sur la facture.

Google insiste aussi sur la distribution massive: rendre le modèle disponible largement, vite, pour capter l’usage avant que les concurrents ne verrouillent les comptes. Et il y a un côté très Google: injecter dans un modèle “utilisable par tous” des avancées venues de modèles plus recherche, comme des briques de raisonnement avancé. Du coup, tu compresses le délai entre labo et produit, et tu forces les autres à répondre.

Le marché à 37 milliards, et la peur de la bulle

Le décor macro, c’est un marché enterprise qui explose. Une estimation parle de 37 milliards de dollars dépensés par les entreprises américaines en IA générative sur un an, contre 11,5 milliards l’année précédente. On est sur un x3. Et c’est là que tu comprends pourquoi tout le monde se bat sur le codage: c’est l’usage le plus populaire en entreprise, donc le plus facile à monétiser à grande échelle.

Ces chiffres sont calculés sur les dépenses en API de production, pondérées par la taille des clients. Traduction: pas les POC dans un coin, mais les usages qui tournent vraiment. Et quand ça tourne vraiment, tu as des sujets très concrets: gouvernance des prompts, contrôle des données, monitoring des hallucinations, et surtout, qui a le droit de brancher quoi sur quoi. Les DSI ne signent plus sans cadre.

Évidemment, dès que tu vois des dizaines de milliards, tu entends le mot “bulle”. La réponse des observateurs du secteur, c’est que les inquiétudes ne sont pas idiotes, mais que la demande raconte une autre histoire: des bénéfices réels, des gains de productivité, et des budgets qui doublent la mise. Le truc, c’est que ça peut être vrai et fragile en même temps. Une coupe budgétaire et tu vois tout ralentir.

Et derrière le “mercato”, il y a un enjeu plus discret: les standards. Comment les agents IA doivent se comporter, quels protocoles d’intégration deviennent la norme, qui contrôle les briques d’outillage. Si un fournisseur devient la référence sur le workflow dev, il impose ses formats, ses métriques, ses habitudes. Et après, bonne chance pour migrer sans douleur, même si un concurrent sort un modèle un peu meilleur.

Les limites du match: coûts, rentabilité et dépendances

Les communiqués parlent de modèles “plus intelligents”, mais le vrai plafond, c’est le coût de calcul. Anthropic et OpenAI sont décrits comme encore très loin de la rentabilité. Ça veut dire une chose: la guerre des prix est un jeu dangereux. Tu peux gagner des parts en baissant les tarifs, mais si ton coût d’inférence ne suit pas, tu achètes du chiffre d’affaires à perte.

Anthropic, par exemple, a levé environ 60 milliards de dollars depuis sa création, avec des investisseurs comme Amazon et Google. C’est énorme, et ça montre à quel point le marché est gourmand en capital. Mais ça pose une question simple côté clients: qui finance la stabilité sur dix ans? Quand tu mets un LLM au cur de ton SI, tu veux un fournisseur qui ne change pas de stratégie tous les six mois.

Il y a aussi une dépendance technologique et commerciale. Quand Google est à la fois fournisseur cloud, fournisseur modèle, fournisseur outils, ça simplifie la vie, mais ça enferme. Quand OpenAI ou Anthropic deviennent “l’outil standard” des devs, tu crées une dépendance de compétences: tes équipes écrivent des workflows optimisés pour un modèle. Et migrer, ce n’est pas juste changer une clé API, c’est réécrire des habitudes.

Dernier point, plus politique: la rivalité dépasse les performances techniques. Tu as des philosophies différentes, des promesses différentes, et des arbitrages internes dans les entreprises. Certaines veulent la puissance brute, d’autres veulent la cohérence, d’autres veulent le meilleur prix. Du coup, il est très possible que ça ne se termine pas par un vainqueur unique. On va plutôt vers un paysage où tu choisis ton modèle comme tu choisis ton cloud: par usage, par risque, par coût, et parfois par pure inertie.