Mis à jour pour juin 2026. Anthropic gagne de l'argent en vendant l'accès à ses modèles Claude : tarification API basée sur l'usage pour les développeurs, abonnements Claude pour les particuliers (Pro et Max), licences entreprise pour les équipes, Claude Code pour les ingénieurs, et distribution sur les marketplaces cloud via AWS et Google. Voici comment fonctionne chaque ligne.
Mis à jour pour juin 2026. OpenAI génère des revenus grâce aux abonnements ChatGPT (Plus, Pro, Team, Enterprise), une API facturée à l'usage pour les développeurs, de grands contrats d'entreprise et son partenariat étroit avec Microsoft. Les abonnements grand public constituent la plus grande ligne de revenus. Voici comment chaque partie du modèle fonctionne.
Mis à jour pour juin 2026. SpaceX tire ses revenus de trois moteurs : les services de lancement commerciaux et gouvernementaux (Falcon 9 et Falcon Heavy), l'activité internet par satellite Starlink, et les grands contrats gouvernementaux (NASA et sécurité nationale). Voici comment fonctionne le modèle — et la vérité sur un IPO de SpaceX ou Starlink.
Mis à jour pour juin 2026. Les tâches planifiées de Claude vous permettent d'exécuter un prompt ou un agent selon un calendrier récurrent — un digest quotidien d'actualités, un rapport hebdomadaire, un travail de code nocturne — sans être au clavier. Voici comment elles fonctionnent, où les configurer et les modèles qui en valent vraiment la peine.
Mis à jour pour 2026. Le calcul de coût que j'utilise pour choisir entre Claude Haiku et Sonnet selon la tâche — économie des tokens, la règle de routage, et là où les modèles bon marché coûtent discrètement plus cher.
Mis à jour pour 2026. La méthode exacte que j'utilise pour déboguer des agents IA en direct — tracer chaque étape, isoler la couche défaillante et reproduire le non-déterminisme rapidement.
Mis à jour pour 2026. Comment je mesure le trafic de la recherche par IA depuis ChatGPT, Perplexity et Claude — suivi des référents, le problème du trafic sombre et à quoi se fier.
Mis à jour pour 2026. Les patterns d'orchestration que j'utilise pour faire tourner des systèmes multi-agents — files durables, état externalisé et transferts propres qui survivent aux réessais.
Mis à jour pour 2026. Le harness d'évals que j'utilise pour déployer des agents IA — un jeu de tests noté, un juge LLM et une barrière anti-régression pour qu'un changement de prompt ne puisse pas casser la production.