Cette semaine, Anthropic a présenté des outils permettant aux entreprises de mieux comprendre ce que leurs investissements en IA leur rapportent. Les résultats financiers partagés avec les investisseurs indiquent que l’outil de codage IA, Claude Code, est un véritable succès commercial. L’entreprise a enregistré un bénéfice d’exploitation au deuxième trimestre et a affiché un taux de rétention des revenus nets de 900 % — cela signifie que les dépenses des mêmes clients ont augmenté neuf fois entre le troisième trimestre 2025 et le troisième trimestre 2026.
Anthropic a mis l’accent sur la fidélisation des utilisateurs d’entreprise et a annoncé mercredi une nouvelle suite d’outils de reporting. Ces outils sont conçus pour offrir aux clients une compréhension plus détaillée de la valeur qu’ils retirent de leurs dépenses en tokens.
Grâce à des analyses internes et des enquêtes auprès des employés, les gestionnaires peuvent examiner le travail d’une équipe sur une période donnée, les résultats obtenus, les coûts associés et les éventuelles défaillances dans les flux de travail. Anthropic précise qu’elle ne compte pas utiliser ces données pour l’entraînement des modèles par défaut. Les rapports fourniront également des recommandations pour améliorer les résultats.
Ceci est une démarche claire pour démontrer le retour sur investissement des outils d’Anthropic et pour aider les clients à l’optimiser, un sujet crucial pour les grandes entreprises. Anthropic crée également des budgets de groupe mutualisés pour permettre aux équipes de mieux gérer leurs dépenses en tokens.
Les entreprises recherchent ce type d’informations pour déterminer la meilleure façon de déployer des outils d’IA. Bien que l’utilisation parmi les entreprises soutenues par des fonds de capital-risque augmente les dépenses en tokens, la plupart des entreprises du Fortune 500 ne constatent pas de gains significatifs grâce au déploiement de l’IA.
Jellyfish, une entreprise spécialisée dans les outils pour développeurs de logiciels, a publié un nouveau rapport basé sur l’utilisation d’outils de codage agentique par 276 000 de ses clients. Claude Code et d’autres outils construits sur des modèles d’Anthropic restent les plus utilisés dans cette enquête, représentant près d’un tiers de tous les changements de code proposés pour révision. Plus important encore, les dépenses pour ces outils ont été multipliées par 10 depuis le début de l’année, représentant désormais environ 2 % du coût total d’ingénierie.
« Même si vous dites que 2 % c’est encore faible, cette croissance de 10 fois est une progression que la plupart des directeurs financiers n’avaient pas anticipée », a déclaré Nicholas Arcolano, le scientifique en chef de Jellyfish, à TechCrunch. « Nous atteignons certainement un stade où les gens réalisent qu’il ne suffit pas de dépenser, il faut maintenant optimiser et rendre cela efficace. »
Les nouveaux rapports d’Anthropic répondent à ce défi. Anthropic est en tête parmi les clients d’entreprise, mais identifier ce qui rend un outil de codage agentique véritablement attrayant reste difficile. La sortie du modèle Astra d’OpenAI cet été semblait poser une menace potentielle pour Anthropic, mais jusqu’à présent, cela n’a pas ralenti les chiffres d’adoption d’Anthropic.
« Il a fallu du temps pour que nous voyions Codex vraiment émerger dans nos données, et il a été influencé par Astra [le dernier modèle d’OpenAI] », a déclaré Nikolas Albarran, le responsable produit IA chez Jellyfish, à TechCrunch. En observant le marché, il a ajouté que l’impression de concurrence était plus intense. « Tout le monde dans la Silicon Valley dit : ‘Oh, Codex est meilleur.’ En réalité, a poursuivi Albarran, « Anthropic était juste là avec de bonnes pratiques pour les entreprises, et ils avaient un poids d’incumbent — tout cela fonctionnait bien, et beaucoup de gens ont investi des efforts pour standardiser les flux de travail autour de cela. Il n’y a pas de raison suffisamment forte de changer. »
Ce n’est pas seulement une question de modèles et de flux de travail. La réalité des affaires signifie qu’une fois qu’un laboratoire à la pointe a établi une relation avec un client, il devient plus difficile de changer par rapport à un programmeur individuel ou une petite organisation. Albarran souligne les investissements que tous les grands laboratoires d’IA réalisent dans des organisations d’ingénierie déployées en avant (FDE), des équipes qui intègrent des consultants en IA au sein des organisations clientes pour les aider à démarrer. Ces nouveaux outils de reporting peuvent être considérés comme une version allégée de cette aide pratique, destinée aux clients d’Anthropic.
« Nous en sommes à un stade où c’est suffisamment mature, où une fois que vous êtes à l’intérieur, il devient de plus en plus difficile de changer car vous avez déjà investi des efforts », a-t-il déclaré. « Même s’ils sont tous globalement similaires, ils auront tous des particularités légèrement différentes dans la gestion des fichiers agent.md, etc., et donc le coût de changement n’est pas nul. »
