Le fil conducteur du jour est la rencontre entre expansion du calcul et politique du réseau, la transparence financière avant l’IPO, et le passage de modèles qui « savent discuter » à des systèmes qui « font aboutir les démarches » : OpenAI lance un Grid Protectors Program national et teste jusqu’à environ 1 000 mégawatts de réponse à la demande sur son campus d’Effingham (Géorgie) ; le S-1 amendé d’Anthropic complète les résultats du troisième trimestre et des engagements de calcul proches de 900 milliards de dollars ; OpenAI publie LifeVal pour les tâches du quotidien ; Trajectory clôt une série A de 45 millions en misant sur le post-entraînement continu pour experts de domaine.

1. OpenAI lance le Grid Protectors Program ; le pilote Effingham peut réduire jusqu’à environ 1 000 MW

OpenAI a publié un billet le 2 novembre 2026 pour lancer officiellement le Grid Protectors Program, indiquant qu’elle travaillera avec les services publics, les régulateurs et les décideurs afin que les futurs compute campuses puissent réduire leur demande d’électricité lorsque le réseau est sous contrainte, et soulignant que les ménages et les petites entreprises ne doivent pas subventionner le coût électrique de ces campuses. La société estime que la capacité des centres de données américains dépassera 100 gigawatts d’ici 2030 et veut que la « charge flexible » soit inscrite dans les capacités centrales de construction et d’exploitation des campuses suivants ; le volume réductible, la vitesse de réponse et la durée varieront selon le site, les détails suivant la finalisation des accords. Selon les besoins locaux et les équipements, la production ou le stockage sur site, les batteries et le contrôle de puissance pourront aussi lisser les variations de charge.

Le pilote se situe sur le campus prévu du comté d’Effingham, en Géorgie. OpenAI affirme s’être engagée à payer l’intégralité des coûts d’infrastructure et de service électrique nécessaires ; l’accord avec Georgia Power inclut jusqu’à environ 1 000 mégawatts de réponse flexible à la demande, susceptibles selon elle de libérer une électricité équivalente à la consommation moyenne d’environ 700 000 foyers lors d’épisodes de chaleur extrême. The Verge (Emma Roth, 2 novembre) et Axios (Ben Geman) notent que la démarche intervient alors que le rejet lié à l’électricité et à l’impact communautaire des centres de données monte dans de nombreuses régions des États-Unis ; OpenAI a aussi fait évoluer son récit des « data centers » classiques vers les « AI compute campuses ». Axios cite John McCarrick, responsable de la politique énergétique d’OpenAI, selon qui le secteur insiste moins pour que les centres de données maintiennent une disponibilité « cinq neuf ». OpenAI souligne aussi que la flexibilité ne remplace pas les investissements nouveaux en production et en transport.

À retenir : Emballer la charge interruptible en programme national lié à un accord local de utility montre que le conflit autour des centres de données a dépassé le foncier et le bruit pour toucher les tarifs, la capacité de pointe et l’acceptabilité politique.

Sources : OpenAI ; The Verge ; Axios

2. Anthropic amende son S-1 : environ 17 Md$ de revenus au T3, près de 895,4 Md$ d’engagements de calcul

Selon CNBC (Ashley Capoot, vers l’heure de l’Est le 2 novembre) et The Verge (Jess Weatherbed), Anthropic a déposé un Form S-1 amendé auprès de la SEC américaine, complétant les finances du troisième trimestre au 30 septembre 2026. Les revenus des neuf premiers mois s’élèveraient à environ 33,24 milliards de dollars, en hausse d’environ 1 200 % en glissement annuel ; la perte nette sur la même période serait d’environ 104 milliards, en grande partie liée aux variations de juste valeur comptable sur obligations convertibles, passifs dérivés et SAFE. Sur une base trimestrielle, les revenus du troisième trimestre seraient d’environ 17 milliards (+environ 1 127 % en glissement annuel et +environ 47 % en glissement trimestriel ; la croissance a ralenti par rapport à environ 144 % au T2 et 132 % au T1) ; la perte nette du troisième trimestre serait d’environ 23,29 milliards.

L’amendement révèle des engagements d’achat et des baux totalisant environ 895,4 milliards de dollars de dépenses engagées, « presque entièrement » liés au calcul et à l’infrastructure. CNBC indique qu’Anthropic tire une part substantielle de son calcul d’Amazon, Google et SpaceX et s’appuie aussi sur certains neoclouds ; les inquiétudes du marché sur le coût de financement et le rythme de livraison des capacités de centres de données entrent dans la fenêtre pré-roadshow avec ce dépôt. Le document SEC amendé montre aussi des revenus sur neuf mois au 30 septembre de 33,242 milliards et réaffirme l’adoption entreprise rapide de Claude depuis sa commercialisation au premier trimestre 2023.

À retenir : Mettre l’échelle des revenus dans le même cadre que des engagements de calcul proches du billion confie à la fois l’histoire de croissance et le risque de capacité et de financement à la valorisation du marché public.

Sources : CNBC ; The Verge ; SEC S-1/A

3. OpenAI publie LifeVal : mesurer les progrès de l’assistant personnel sur les tâches du quotidien

OpenAI a publié LifeVal le 2 novembre en indiquant vouloir mesurer les progrès des modèles sur « les tâches qui comptent vraiment dans la vie quotidienne », plutôt que de s’arrêter aux benchmarks de connaissances ou académiques. Le texte cite la parentalité, l’accès aux services publics, le budget, la préparation scolaire, l’adaptation de recettes, les courses, les plans de fitness et des scénarios similaires, et souligne qu’un assistant personnel vraiment utile doit agir et terminer le travail — pas seulement conseiller ou répondre en chat.

Sur l’origine des tâches, OpenAI dit s’être appuyée sur l’American Time Use Survey et la Multinational Time Use Study, et avoir ajouté une enquête auprès de 3 995 répondants présentée comme démographiquement représentative pour identifier les domaines où l’aide d’un assistant personnel est le plus souhaitée ; sont couverts les soins, la santé, l’éducation, l’administration du foyer, les finances personnelles, les achats et les services publics. La page donne des scores d’exemples de flux de travail, comme environ 93,1 % pour choisir et s’inscrire dans une école après un déménagement, environ 98,0 % pour organiser des bénévoles avant une inondation, environ 100 % pour trouver un logement et gérer les étapes liées au titre pour une famille, environ 96,3 % pour regarder un match à distance avec des grands-parents, et environ 90,4 % pour préparer un plan de repas pour un parent nouvellement diagnostiqué diabétique ; un tableau montre aussi les « meilleurs scores enregistrés » de GPT-6 Astra sur certaines tâches, dont des entrées à 100 % pour réserver un cours sensoriel pour un tout-petit, planifier une inspection automobile et commander des courses halal. OpenAI affirme avoir passé l’année écoulée à entraîner des modèles sur l’usage du navigateur, de l’ordinateur et des connecteurs pour faire évoluer ChatGPT d’un outil de chat vers un assistant plus capable d’agir, mais la page ne propose pas un jeu de tâches ni une grille de notation publics pleinement reproductibles en téléchargement indépendant.

À retenir : L’entreprise déplace le récit d’évaluation des classements compétitifs vers la « capacité à faire aboutir les démarches », tout en gardant la conception des tâches et la publication des résultats à l’intérieur du laboratoire, ce qui limite encore la vérifiabilité externe.

Sources : OpenAI

4. Trajectory clôt 45 M$ en série A pour une valorisation d’environ 300 M$

Selon TechCrunch (Marina Temkin, vers 15 h 13 heure du Pacifique le 2 novembre 2026), la startup Trajectory, âgée d’environ un an, a annoncé une série A de 45 millions de dollars à une valorisation d’environ 300 millions ; Sequoia a mené, avec la participation de Nvidia, Bessemer Venture Partners et Bain Capital Ventures. Fondée par trois camarades de Stanford aux parcours Google DeepMind et Apple, l’équipe compte actuellement environ 18 personnes ; les cofondateurs incluent Ronak Malde, Michael Elabd et Arjun Karanam.

La thèse produit est l’apprentissage continu (continual learning) et l’automatisation du post-entraînement : les entreprises peuvent partir de modèles open source, connecter la plateforme à leurs applications pour collecter des retours de performance, puis réentraîner afin que les modèles s’améliorent en continu sur des tâches spécialisées comme le droit et la finance, réduisant la dépendance à des équipes de recherche internes ou à de coûteux « forward deployed engineers » (FDE). Harvey et Rogo auraient déjà utilisé la plateforme pour post-entraîner des modèles open source ; d’autres clients incluent Decagon, Mercor et Nvidia ; la société ouvre la plateforme de post-entraînement au public. Les cofondateurs insistent pour que les humains définissent « ce qui compte comme bon » et l’inscrivent dans la boucle d’amélioration, jugée plus contrôlable qu’une auto-amélioration récursive (RSI) pleinement autonome. Sur la carte concurrentielle, la couverture cite notamment Thinking Machines Lab (Tinker), Applied Compute et Prime Intellect.

À retenir : La levée parie sur une interface de post-entraînement opérable par des experts de domaine, productise l’amélioration continue hors du flux de recherche et la relie directement au coût de livraison des applications d’IA verticales.

Sources : TechCrunch

---

En une phrase : OpenAI répond à la controverse électrique des compute campuses par le Grid Protectors Program, le S-1 amendé d’Anthropic affiche environ 17 milliards de revenus trimestriels et près de 900 milliards d’engagements de calcul, LifeVal oriente l’évaluation vers la capacité à mener à bien le quotidien, et Trajectory lève 45 millions en série A pour le post-entraînement continu.