Anthropic a porté Claude sur AMD en 3 jours au lieu de 6 à 12 mois grâce à l'IA

Si vous avez déjà essayé d'exécuter sur un autre matériel du code écrit pour CUDA, vous connaissez la sensation : en théorie, tout est possible, mais en pratique, c'est six mois de travail. C'est cette barrière qui a protégé Nvidia pendant des années, plus encore que les puces elles-mêmes. Anthropic affirme aujourd'hui avoir appris à la contourner grâce à son propre modèle.

Ce qu'Anthropic a réellement affirmé

Selon le cofondateur et directeur du calcul Tom Brown, l'entreprise entraîne et exécute Claude sur les quatre grandes familles de puces : AWS Trainium, Google TPU, GPU Nvidia et GPU AMD. Chacune nécessite son propre logiciel et sa propre pile d'inférence, ce qui est coûteux et long. Anthropic a parié tôt sur une stratégie multipuce, à une époque où la majeure partie de l'industrie jugeait cela peu rentable. Depuis, l'entreprise investit dans cette ingénierie depuis des années et, selon Brown, y est devenue « incroyablement bonne ».

L'exemple le plus concret est celui d'AMD. Cette année, Anthropic a utilisé pour la première fois des GPU AMD et a confié le travail à son modèle de pointe Mythos. D'après l'entreprise, Claude a fonctionné sur AMD en trois jours, presque sans intervention humaine. Le modèle a écrit ou porté près de 100 % des noyaux. Les noyaux (kernels) sont des programmes de bas niveau qui effectuent les calculs directement sur le GPU, et ce sont eux qui lient généralement le code à un matériel donné. Traditionnellement, un tel déploiement mobilise des dizaines d'ingénieurs pendant six à douze mois. Les chiffres de la présentation concernent le traitement des prompts par un modèle d'Anthropic sur des GPU AMD MI355X.

Pourquoi c'est important au-delà d'Anthropic

Imaginez une application fortement liée au SDK d'un seul cloud. Chaque migration oblige à réécrire des centaines d'intégrations, c'est pourquoi personne ne migre. Si l'IA réalise une telle migration en un week-end, la dépendance à un fournisseur cesse d'être un mur et devient une simple ligne de coûts. Il en va de même pour CUDA : il retient les développeurs non par sa qualité, mais par le coût de la sortie.

Si ce tableau est exact, les entreprises pourront choisir leurs puces selon le prix et la disponibilité, plutôt que la compatibilité. En période de pénurie de calcul, c'est un avantage sérieux. De plus, certaines puces conviennent mieux à l'entraînement, d'autres à l'inférence. La marge de Nvidia dépasse 70 %, ce qui est exceptionnellement élevé pour du matériel, et la baisse du coût de changement la frappe directement.

Anthropic évoque aussi des « multiplicateurs de calcul » : des techniques de recherche qui permettent d'extraire davantage du même matériel physique. L'entreprise développe en outre le programme Anthropic Direct : elle loue des puces et les exploite elle-même dans des centres de données construits sur mesure, afin de réduire le coût total de possession. À terme, Claude devrait trouver lui-même de tels multiplicateurs. Ce serait l'auto-amélioration récursive, très débattue dans l'industrie mais que personne n'a encore démontrée.

Réserves et argent

Principale réserve : tous les chiffres proviennent d'une présentation aux investisseurs et n'ont pas été vérifiés de manière indépendante. Il s'agit d'un document d'une entreprise qui prépare son introduction en bourse. Son formulaire S-1/A a été déposé auprès de la SEC le 10 novembre 2026. Par ailleurs, « trois jours » signifie atteindre un niveau de performance opérationnel, pas nécessairement la parité avec des noyaux CUDA optimisés à la main. Et il s'agit du modèle de pointe fermé Mythos entre les mains d'une équipe qui construit depuis des années une infrastructure multipuce. Personne ne promet un tel résultat en trois jours à des équipes ordinaires.

Un autre élément de contexte mérite d'être rappelé : les deux fabricants de GPU sont financièrement liés à Anthropic. En novembre 2025, dans le cadre d'un accord de 45 milliards de dollars avec Microsoft, Nvidia a promis d'investir jusqu'à 10 milliards de dollars. Elle participe aussi à un placement privé conditionnel de 26 milliards de dollars, où sept entreprises technologiques achètent des actions au prix de l'introduction en bourse. En juillet 2026, AMD a annoncé des investissements stratégiques pouvant atteindre 5 milliards de dollars. En contrepartie, Anthropic prévoit de déployer jusqu'à deux gigawatts de GPU Instinct MI455X dans des racks Helios, le premier gigawatt devant démarrer au premier semestre 2027.

Que faire concrètement

Pour les ingénieurs qui travaillent sur l'inférence, la principale conclusion est la suivante : le portage de noyaux par un agent d'IA mérite au moins d'être testé sur un ou deux des opérateurs les plus sollicités. Auparavant, une telle expérience semblait insensée ; désormais, elle peut être rentabilisée dès la phase pilote.

Les responsables produit et les fondateurs devraient intégrer le multifournisseur dans leurs plans et leurs contrats, surtout si leurs dépenses de calcul augmentent plus vite que leurs revenus. La position de négociation face aux fournisseurs de matériel et de cloud est bien meilleure lorsqu'on dispose d'une alternative crédible.

Cela dit, n'attendez pas de miracles : « ça fonctionne » et « ça fonctionne aussi vite et à moindre coût que sur CUDA » sont deux choses différentes. Faute de mesures indépendantes, il s'agit d'une affirmation forte, pas d'un fait démontré. Mais le basculement est déjà visible : l'IA commence à briser la dépendance matérielle sur laquelle reposait une partie du pouvoir de marché de Nvidia.