Comparer les revenus de l'IA à travers la pile
Le marché de l'IA s'est développé rapidement dans les quatre couches (données, calcul, modèles et applications). Par exemple, le revenu des centres de données de NVIDIA a bondi de 47,5 milliards de dollars à 115,2 milliards de dollars en un an ; OpenAI a atteint environ 13 milliards de dollars de revenus annuels ; et Anthropic a approché 7 milliards de dollars de RRA.
Nous avons suivi les données de revenus de plus de 100 entreprises d'IA. Découvrez comment les revenus ont évolué dans les couches de calcul, de données, de modèles et d'applications de 2023 à 2025.
Taux de croissance des revenus de l'IA
Le tableau ci-dessus montre combien de fois les revenus de l'IA ont augmenté de 2023 à 2025. Par exemple, le revenu total des entreprises de la couche de données est passé de 50,4 milliards de dollars en 2023 à 75 milliards de dollars en 2025, correspondant à une augmentation d'environ 1,5 fois.
Voir la méthodologie pour savoir comment nous avons recueilli les données sur les revenus de l'IA.
Répartition des revenus de l'IA par sous-catégorie
Note : Nous avons identifié 21 sous-catégories dans les couches de données, de calcul, de modèles et d'applications. Pour simplifier, nous avons inclus 7 sous-catégories avec les revenus les plus élevés.
Revenus de la couche de données
Pour la couche de données, Databricks (4,8 milliards de dollars), Snowflake (4,68 milliards de dollars) et MongoDB (2,460 millions de dollars) ont les revenus les plus élevés au cours des 3 dernières années. Ces trois dominent car ils possèdent l'infrastructure de données fondamentale sur laquelle repose chaque application d'IA : le lac de données (Databricks), l'entrepôt de données (Snowflake) et la base de données opérationnelle (MongoDB). Ils captent la demande d'IA indépendamment des modèles ou des applications qui gagnent.
Bien que le sommet de la pile de données soit dominé par les plateformes de données, les couches intermédiaires et inférieures racontent une histoire différente. Les bases de données vectorielles (Pinecone, Qdrant, Weaviate) sont toutes inférieures à 100 millions de dollars, malgré des années de battage médiatique autour du RAG, et plusieurs entreprises ont été acquises avant de prouver leur viabilité autonome (DataStax par IBM).
Revenus de la couche de calcul
Les hyperscalers de l'IA (AWS : 128,7 milliards de dollars, Google Cloud : 59 milliards de dollars et Microsoft Azure : 107,8 milliards de dollars) et le segment des centres de données de NVIDIA (115,2 milliards de dollars) représentent environ 409 milliards de dollars de revenus en 2025, dépassant tous les autres acteurs combinés.
La dynamique intéressante au sein du calcul est l'émergence d'une deuxième catégorie avec CoreWeave (5,1 milliards de dollars), Lambda (760 millions de dollars) et Together AI (300 millions de dollars) en 2025. Une explication possible de l'intérêt croissant pour les acteurs du cloud GPU est que les leaders existants en matière de GPU (tels que AWS, Azure et GCP) s'avèrent insuffisants pour répondre à la demande du marché.
La question ouverte est de savoir ce qui progresse le plus vite : les gains d'efficacité qui réduisent le calcul par requête (modèles plus petits, quantification) ou les nouveaux cas d'utilisation qui augmentent la demande totale (agents, vidéo, déploiements d'entreprise). Si l'efficacité l'emporte, les hyperscalers absorbent le marché ; si l'adoption l'emporte, les clouds spécialisés en GPU continuent de croître.
Ajouter comme source préféréeRevenus de la couche de modèles
OpenAI (13 milliards de dollars) et Anthropic (7 milliards de dollars) se distinguent rapidement du reste du peloton. Tous les autres grands acteurs : Mistral (400 millions de dollars), Cohere (240 millions de dollars), xAI (500 millions de dollars), ElevenLabs (330 millions de dollars en voix) sont regroupés bien en dessous par rapport à OpenAI et Anthropic.
ElevenLabs dans le domaine de la voix et Midjourney dans la génération d'images sont deux leaders dans la catégorie des modèles, surpassant les modèles de base à usage général. La position la plus difficile dans cette couche est d'être une entreprise de modèles à usage général sans accord majeur de distribution cloud ni produit grand public attrayant. Mistral et Cohere font tous deux face à ce problème.
Revenus de la couche d'applications
Le schéma de la couche d'applications montre que les applications natives de l'IA qui remplacent un flux de travail entier sont les plus performantes. L'un des signaux de cela est la catégorie de la programmation, où Cursor, GitHub Copilot, Replit, Lovable et Bolt indiquent collectivement que les développeurs paieront plus pour des outils capables d'automatiser le travail.
Le bond de Cursor de 1 million de dollars à 1 milliard de dollars en deux ans et l'augmentation de Lovable de 1 million de dollars à 400 millions de dollars en un an sont les chiffres de croissance les plus extrêmes de l'ensemble de données. Ils marquent le passage de l'IA en tant qu'assistant de codage à l'IA en tant qu'environnement de développement principal, ce qui a fondamentalement modifié la croissance typique du SaaS.
En termes de sous-catégories, l'IA dans la santé (Abridge, Tempus) et l'IA dans la fintech (Ramp, Brex) sont en croissance car elles opèrent dans des domaines réglementés à haute valeur où le ROI de l'automatisation est facile à quantifier.
Les revenus de Jasper AI sont passés de 120 millions de dollars à 55 millions de dollars avant de se rétablir partiellement à 88 millions de dollars, toujours en dessous de leur niveau de 2023. La baisse montre que les assistants d'écriture horizontaux sans verrouillage du flux de travail risquent d'être remplacés à la fois par des modèles de base (comme ChatGPT) et des fonctionnalités intégrées dans des outils que les utilisateurs possèdent déjà (comme Notion AI et Google Docs).
Pour l'éducation, les revenus de Chegg ont presque été divisés par deux, passant de 716 millions de dollars à 377 millions de dollars en deux ans, la baisse soutenue la plus marquée parmi les entreprises de l'ensemble de données. Un étudiant payant 15 $ par mois pour des réponses aux devoirs a peu de raisons de continuer à le faire une fois que ChatGPT offre le même service gratuitement, et l'effondrement montre que posséder une bibliothèque de contenu est une tranchée plus faible que posséder le flux de travail ou le canal de distribution.
Méthodologie des estimations de revenus
Nous avons recueilli des données publiques sur les revenus de l'IA auprès de plateformes de recherche telles que Sacra, GetLatka, Macrotrends et Crunchbase ; de sources propriétaires d'entreprises telles que les rapports des relations investisseurs, les salles de presse des entreprises, les blogs officiels et les déclarations de la SEC ; d'organisations médiatiques financières telles que Fortune, CNBC, Reuters, Bloomberg ; de rapports de médias technologiques de TechCrunch ; et de sources réglementaires/officielles pour les entreprises publiques telles que les déclarations SEC EDGAR.
Les chiffres des revenus reflètent l'année civile 2023, 2024 et 2025, ou l'exercice se terminant le plus près de ces dates. Les différences de calendriers fiscaux peuvent également affecter les comparaisons entre différentes entreprises.
Note : Pour les nombreuses entreprises privées de cet ensemble de données (par exemple, Anthropic, Mistral, ElevenLabs et Cursor), les chiffres des revenus sont essentiellement des estimations éclairées.
Citez ce benchmark
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{ermut2026,
author = {Ermut, Sıla},
title = {{Comparer les revenus de l'IA à travers la pile}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/ai-revenues}},
note = {AIMultiple. Consulté le 22 Mai 2026}
}Résultats et horodatages de 88 points de données. Téléchargez les données utilisées dans cet article sous forme de fichier ZIP contenant un fichier CSV et un README.
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.