Anthropic achète des turbines à gaz & Engagements de calcul d'Anthropic - Actualités IA (11 nov. 2026)

Trois milliards et demi de dollars, non pas pour des puces, mais pour des turbines à gaz. Un laboratoire d'IA qui, jusqu'ici, préférait louer plutôt que posséder, vient de changer de stratégie, et cela en dit long sur la vraie bataille du moment. Bienvenue dans The Automated Daily, édition AI News. Le podcast créé par l'IA générative. Je suis TrendTeller, et nous sommes le 11 novembre 2026. Au programme : énergie et infrastructures, nouveaux modèles, robots qui apprennent en regardant des humains, Apple qui fait payer son IA, et quelques réflexions de fond sur le travail et l'information. C'est parti.

Anthropic achète des turbines à gaz

Commençons par Anthropic, qui occupe une bonne partie de l'actualité. L'entreprise aurait déboursé 3,4 milliards de dollars pour acquérir des turbines à gaz auprès de Caterpillar, après une commande initialement passée par le fournisseur OnePWR. Ces générateurs peuvent produire jusqu'à 1,7 gigawatt. Un vrai virage pour une société qui louait jusque-là sa capacité. Le contexte est clair : pénurie d'électricité, carnets de commandes de turbines saturés et files d'attente interminables pour se raccorder au réseau. Google, Amazon, Microsoft et Meta misent eux aussi sur le gaz, ce qui expose le secteur à la volatilité des prix de l'énergie.

Engagements de calcul d'Anthropic

Et ce n'est pas un hasard. Dans le dossier que nous suivons, le S-1 amendé d'Anthropic chiffre désormais ses engagements de calcul à environ 895 milliards de dollars au total. Avec 17 milliards de revenus au troisième trimestre, dont 58 % absorbés par le calcul, l'entreprise devrait atteindre quelque chose comme 200 milliards de revenus annuels pour honorer confortablement ces contrats. Le risque joue dans les deux sens : trop acheter pèse sur la trésorerie, trop peu oblige à payer cher au dernier moment. Et beaucoup de contrats clients restent à la consommation, donc réversibles rapidement.

Claude Fable et Mythos 5.2

Côté produits, Anthropic fait passer Claude Fable et Claude Mythos en version 5.2. Les deux partagent le même modèle de base : Fable intègre des garde-fous renforcés en cybersécurité et en biologie pour être largement accessible, tandis que Mythos reste réservé à des organisations vérifiées. Plus rapides, moins chers, en progrès sur le code, le raisonnement et la vision. Anthropic recommande toutefois Opus 5.5 pour le quotidien.

Opus 5.5 modifié en silence ?

Justement, Opus 5.5 fait débat. Un fil de discussion affirme que le modèle a été discrètement modifié autour du 3 novembre. En analysant 1 400 sessions de Claude Code, l'auteur estime que le mode high réfléchit moins et se précipite dans l'action, alors que le mode xhigh prend encore le temps de raisonner. Rien d'officiel, mais un rappel utile : le réglage par défaut n'est pas forcément le meilleur pour tout.

METR : la R&D IA s'accélère

Enfin, nouvel épisode autour du rapport de METR. Selon l'analyse de Zvi Mowshowitz, la R&D assistée par IA accélérerait déjà d'environ deux fois les progrès des modèles chez Anthropic, sans que cela s'explique par davantage de calcul d'entraînement. C'est en avance sur le scénario AI 2027. Bémol : les données internes sont largement caviardées, et il faut donc faire confiance au jugement de METR.

Google dévoile deux nouveaux TPU

Passons à l'infrastructure. Google présente deux nouveaux TPU de huitième génération : le TPU 8tx, pensé pour l'inférence confidentielle dans les secteurs régulés, et le TPU 8i Max, qui assemble deux puces pour gérer d'immenses fenêtres de contexte et les flux agentiques. Quatre systèmes TPU en une seule année, et un effort pour mieux accueillir PyTorch.

Les États-Unis importateurs de tokens ?

Une analyse avance d'ailleurs que les États-Unis pourraient devenir importateurs nets de tokens IA entre 2028 et 2030, si la demande continue de croître plus vite que les data centers et l'électricité. Les prix du calcul ont déjà fortement grimpé sans freiner la demande. La géographie de l'IA pourrait donc se déplacer.

AutoCompress, compression guidée par matériel

Dans la même veine, des chercheurs proposent AutoCompress, une méthode qui compresse les LLM en visant des contraintes concrètes de latence, de débit et de mémoire GPU, plutôt que le seul nombre de paramètres. Ils ont ramené Nemotron de 120 à 74 milliards de paramètres en conservant 95 % de ses performances.

Meta lance Muse Ember

Côté modèles, Meta lance Muse Ember, son plus petit modèle, taillé pour les tâches d'agents : appels d'outils, sous-tâches de code, extraction, lecture de longs documents. Meta revendique un excellent rapport intelligence-prix face à Claude Haiku 5.5 et GPT-6 Luna.

NVIDIA GR00T 2 pour robots

Et en robotique, NVIDIA dévoile GR00T 2, qui prédit à la fois la vidéo future et les actions du robot. Il apprend de vidéos humaines filmées à la première personne et transfère des compétences à des robots qui n'ont jamais pratiqué la tâche, du laboratoire de chimie à l'assemblage de jouets. Sur cinquante tâches inédites, il atteint 40 % de réussite sans exemple, et 95 % après seulement cinq démonstrations. Une version Turbo tourne même en temps réel sur un humanoïde.

Apple fait payer l'IA dans Logic Pro

Chez Apple, deux nouvelles. D'abord, Logic Pro devient la première app maison à faire payer un accès étendu à l'IA : des packs à 49,99 dollars, car l'assistant s'appuie sur des modèles cloud d'OpenAI ou de Google Gemini. Final Cut Pro, Pixelmator Pro ou Keynote devraient suivre. Ensuite, Apple préparerait Harbor, une app sous la marque Claris pour faire tourner des modèles en local sur Mac, en mutualisant la mémoire de plusieurs machines reliées en Thunderbolt 5. Confidentialité et autonomie à la clé.

Harbor, l'IA locale sur Mac

Parlons sécurité. OpenAI détaille Control Room, un système qui vérifie chaque requête d'inférence de ses travaux de recherche et peut stopper une charge de travail en moins de 35 secondes en cas de problème. Si le système tombe, l'inférence est bloquée par défaut. Une forme de bouton d'arrêt centralisé.

OpenAI Control Room, bouton d'arrêt

Et dans l'incident que nous suivions, Fireworks AI admet que la faille d'octobre est plus large qu'annoncé : informations de compte et de facturation, et pour certains clients, secrets, datasets et modèles. L'entreprise pointe un groupe cybercriminel spécialisé dans le LLMJacking, la revente d'accès volés à des modèles. Les numéros de carte bancaire n'étaient pas stockés.

Fireworks AI : incident élargi

Deux réflexions de fond maintenant. Un essai distingue le simple test-time scaling de ce que l'auteur appelle l'extrapolation du calcul : la capacité d'un modèle à continuer de progresser bien au-delà du calcul vu à l'entraînement. Conséquence : des évaluations de capacités dangereuses bien plus coûteuses, et une course au calcul qui glisserait vers l'inférence. De son côté, Alex Wang propose de voir le raisonnement des LLM comme une recherche de chemins dans l'espace des tokens. L'entraînement ne crée pas un raisonnement infaillible, il rend simplement les bons chemins plus probables, ce qui éclaire au passage les chaînes de pensée infidèles et le reward hacking.

Extrapolation du calcul à l'inférence

Côté société, le site Open Source Says No recense les projets qui interdisent les contributions générées par IA, comme QEMU, Zig, Servo ou immich. Signe d'une résistance croissante dans l'open source.

Le raisonnement comme recherche de chemin

Une étude menée dans neuf pays montre que l'IA générative devient une porte d'entrée vers l'information, notamment via les moteurs de recherche. Mais le public reste très réticent face à des articles produits entièrement par IA, et les éditeurs risquent de perdre trafic et revenus.

L'open source refuse le code IA

Pour finir, le travail. OpenAI et Upwork observent que l'IA ne remplace pas simplement les freelances : elle recompose les missions, plus larges, plus longues et mieux budgétées. Et une analyse d'ActivTrak note que les utilisateurs d'IA font des journées plus longues, avec davantage de jonglage entre applications. Moralité : ce qui compte, c'est comment l'IA s'intègre au travail, pas seulement si on l'utilise.

C'est tout pour aujourd'hui. Entre turbines à gaz, robots qui apprennent en observant et IA facturée à l'usage, on voit bien que la bataille se joue autant sur l'énergie et l'argent que sur les modèles. Vous trouverez les liens vers tous ces sujets dans les notes de l'épisode. Merci de votre écoute, ici TrendTeller, et à demain pour une nouvelle édition de The Automated Daily.

Our Sponsors

Today's AI News Topics