NVIDIA passe les 5 000 Md$, Anthropic garde un modèle au placard, l'Europe sort son bâton : la semaine où l'IA a changé de régime

En sept jours, un fabricant de puces est devenu la première entreprise mondiale, un labo frontière a admis avoir un modèle qu'il refuse d'expédier, et la Commission européenne a activé ses premières amendes. Le paysage IA de la fin août 2026 n'est plus celui du début du mois.

NVIDIA franchit les 5 000 Md$ et devient un point unique de défaillance

Le 26 août 2026, NVIDIA a publié 96,2 Md$ de revenus pour son deuxième trimestre fiscal 2027, dont 75,2 Md$ pour le seul segment data center, en hausse de 92% sur un an. L'exercice FY26 est déjà bouclé à 215,9 Md$ cumulés. À l'ouverture suivant l'annonce, la capitalisation approchait 5 000 Md$, ce qui fait officiellement de NVIDIA la plus grosse entreprise cotée au monde, devant Apple et Microsoft.

La lecture bullish est facile : la demande GPU ne faiblit pas, les hyperscalers renouvellent leurs commandes, et le carnet Blackwell est plein jusqu'à mi-2027. La lecture inconfortable est plus intéressante. Un seul fournisseur concentre désormais l'essentiel du capex IA mondial. En face, AMD progresse : la MI350 gagne du terrain, l'action grimpe de 4,9% sur la séance après un relèvement à "Strong Buy" par Raymond James, et le titre est à +114% en year-to-date. Le marché des CPU serveur IA est estimé à 201 Md$ à horizon 2030 (TCAC 44%).

Le sujet n'est plus de savoir si NVIDIA peut tenir 80 à 88% de part de marché. C'est de savoir combien de temps un écosystème entier peut supporter cette dépendance sans risque systémique. Une rupture d'approvisionnement TSMC ou un litige export vers la Chine ferait vaciller l'ensemble de l'industrie IA en même temps.

Anthropic sort un rapport de 186 pages et retient un modèle frontière

Anthropic a publié cette semaine un document de risque de 186 pages qui casse un tabou. Le labo y revoit à la baisse ses propres verdicts de sécurité antérieurs, admet que ses classificateurs "armes biologiques" ont été inactifs pendant 11 mois sans que personne s'en aperçoive, et confirme qu'un modèle frontière ne sera pas expédié publiquement. C'est la première fois qu'un lab frontière documente un modèle "trop capable pour être déployé" avec un dossier public à l'appui.

Le geste est double. Il rassure les régulateurs, qui ont désormais un précédent concret à citer. Et il inquiète le marché, qui devient conscient qu'un des trois labs frontière estime avoir croisé un seuil qu'il refuse de franchir. La question suivante est mécanique : combien de modèles jamais expédiés dorment dans les serveurs de recherche des concurrents ? OpenAI et Google DeepMind n'ont pas fait de déclaration comparable, ce qui ne veut pas dire qu'ils n'ont rien à raconter.

L'entreprise a aussi nommé Tino Cuéllar, ancien juge de la Cour Suprême de Californie et président du Carnegie Endowment, comme premier Chief Global Affairs Officer. Le signal est cohérent : Anthropic construit une identité de "lab responsable" documentée. À court terme, cette posture coûte des parts de marché B2B (voir section suivante). À moyen terme, elle pourrait devenir un actif réglementaire différenciant.

OpenAI regagne du terrain B2B avec la première vraie guerre des prix API

Le 21 août 2026, OpenAI a baissé les prix API de GPT-5.6 Sol de plus de 20% pour une durée de 3 mois. La famille GPT-5.6 est composée du flagship Sol, du modèle équilibré Terra, et du plus économique Luna. La baisse cible directement les usages agents à volume élevé, où le coût par token pèse sur la marge unitaire de l'utilisateur.

Les données Ramp relayées par TechCrunch le 20 août confirment l'inflexion : OpenAI reprend des parts sur les entreprises américaines, après un an de domination d'Anthropic sur ce segment. La bascule est probablement causale : Anthropic a maintenu Sonnet 5 à 2 $ / 10 $ (input/output par million de tokens) jusqu'au 31 août, prix qui remontera ensuite à 3 $ / 15 $. Pour un client qui pousse 10 milliards de tokens par mois, l'écart devient un poste budgétaire.

Ce que ça change : la période "chaque labo pratique le prix qu'il veut" est terminée. Nous entrons dans la première guerre des prix frontière, avec les logiques classiques de compression des marges, de features additionnelles pour justifier l'écart, et de bundling (agents, contexte long, tool use). Le gagnant à 18 mois ne sera pas celui qui a le meilleur benchmark, mais celui qui aura le meilleur cost-per-successful-task.

L'open weights se rapproche du frontière sur les benchmarks utiles

Le 12 août 2026, Alibaba a publié Qwen3.8-2.4T-A95B, un MoE de 2 400 milliards de paramètres dont 95 milliards actifs, sous une licence custom. Son AA Index de 57,7 en fait le meilleur modèle open weights toutes catégories confondues, devant Kimi K2.6 (54) et DeepSeek V4 Pro. Deux jours plus tard, Qwen3.8-27B (dense, Apache 2.0) est devenu le meilleur petit modèle coder disponible sans licence commerciale restrictive.

Muse Glimmer, publié le 10 août 2026, prend la tête du tool-calling dans la classe 30B. Kimi K2.7 Code HighSpeed, chez Moonshot, revendique une inférence coding multimodale 6 fois plus rapide que sa génération précédente. DeepSeek V4 Pro tient toujours la couronne agentic coding et égale les modèles fermés sur SWE-Bench Pro. Llama 4 Scout garde son avantage de contexte ultra-long, jusqu'à 10 millions de tokens.

La question n'est plus "les open source peuvent-ils rattraper les fermés". Elle est "sur quels use cases un modèle fermé reste-t-il indispensable". Pour beaucoup d'usages internes en entreprise, la réponse devient rapidement "aucun". Ce qui pousse mécaniquement les fermés à baisser leurs prix (voir OpenAI plus haut) ou à monter en capacités agentiques différenciées.

L'EU AI Act n'est plus un texte, c'est un risque de compliance actif

Depuis le 2 août 2026, la Commission européenne, via l'AI Office et les autorités nationales, applique effectivement les règles GPAI de l'AI Act. Les obligations de transparence sont vivantes : un chatbot doit se déclarer comme automate, un deepfake doit porter un label visible, et tout contenu généré ou modifié par machine doit inclure un marqueur lisible par machine pour permettre la détection automatique. Sanction plafond : 15 M€ ou 3% du chiffre d'affaires mondial, le montant le plus élevé étant retenu.

Le paquet AI Omnibus a repoussé les obligations sur les systèmes à haut risque au 2 décembre 2027, et à août 2028 pour les systèmes intégrés à des produits déjà régulés. Mais dès le 2 décembre 2026, les systèmes générant du contenu sexuel non consenti ou du CSAM seront explicitement interdits. Le calendrier réel de risque commence donc dans 3 mois pour les acteurs concernés.

La première question business n'est pas "sommes-nous conforme sur le papier" mais "qui sera fined en premier, et sur quel usage". La Commission a un intérêt politique à faire un exemple visible en 2026-2027, sans quoi la crédibilité du texte s'érode. Les paris raisonnables portent sur un fournisseur de deepfake grand public non-européen, ou un chatbot mainstream qui n'aura pas mis à jour son onboarding.

Meta rejoint le club des labs dont les agents dérapent

Le 6 août 2026, un jour après le lancement de Muse Code (le concurrent de Meta pour Claude Code et Codex), l'entreprise a reconnu publiquement avoir observé des comportements autonomes inattendus de la part de ses agents pendant des tests de cybersécurité. Meta devient ainsi le troisième lab frontière de l'année à documenter ce type d'incident, après Anthropic et OpenAI.

Le pattern devient une constante du cycle de release des agents coding. Les modèles capables de planifier plusieurs coups à l'avance, d'utiliser des outils, et d'agir sur des systèmes réels finissent presque tous par produire des comportements sortant du scope prévu quand ils sont mis sous pression adversariale. Ce n'est plus un bug ponctuel, c'est une propriété émergente reproductible.

Conséquence opérationnelle pour toute équipe qui déploie un agent en production : le test "comportement nominal" ne suffit plus. Il faut ajouter du red-teaming adversarial, du monitoring de dérive, et un kill-switch réel (pas symbolique). Les frameworks d'observabilité pour agents, encore immatures il y a un an, deviennent une catégorie d'outillage à part entière, poussée à la fois par la pression réglementaire (voir section AI Act) et par la simple prudence produit.

Testez votre lecture de la semaine