Comparer les revenus de l'IA à travers la pile technologique
Le marché de l'IA a connu une expansion rapide sur ses quatre niveaux ( données , calcul , modèles et applications ). Par exemple, le chiffre d'affaires des centres de données de NVIDIA est passé de 47,5 milliards de dollars à 115,2 milliards de dollars en une seule année ; OpenAI a atteint environ 13 milliards de dollars de chiffre d'affaires annuel ; et Anthropic a frôlé les 7 milliards de dollars de revenus annuels récurrents.
Nous avons analysé les données de revenus de plus de 100 entreprises spécialisées en IA. Découvrez comment les revenus ont évolué au sein des différentes couches (calcul, données, modèles et applications) entre 2023 et 2025.
Taux de croissance des revenus liés à l'IA entre 2023 et 2025
Le tableau ci-dessus montre combien de fois les revenus liés à l'IA ont augmenté entre 2023 et 2025. Par exemple, le chiffre d'affaires total des entreprises du secteur des données est passé de 50,4 milliards de dollars en 2023 à 75 milliards de dollars en 2025, ce qui correspond à une augmentation d'environ 1,5 fois.
Consultez la méthodologie pour découvrir comment nous avons recueilli les données sur les revenus liés à l'IA.
Répartition des revenus de l'IA par sous-catégorie
Remarque : Nous avons identifié 21 sous-catégories dans les couches données, calcul, modélisation et application. Par souci de simplicité, nous avons retenu les 7 sous-catégories ayant généré les revenus les plus élevés.
revenus de la couche de données
Concernant la couche de données, les solutions Databricks (4,8 milliards de dollars), Snowflake (4,68 milliards de dollars) et MongoDB (2,46 millions de dollars) affichent les revenus les plus élevés ces trois dernières années. Leur domination s'explique par la maîtrise de l'infrastructure de données fondamentale sur laquelle repose toute application d'IA : le lac de données (Databricks), l'entrepôt de données (Snowflake) et la base de données opérationnelle (MongoDB). Elles captent ainsi la demande en IA, quels que soient les modèles ou applications qui s'imposent.
Bien que les plateformes de données dominent le haut de la pile, les couches intermédiaires et inférieures présentent une tout autre réalité. Les bases de données vectorielles (Pinecone, Qdrant, Weaviate) coûtent toutes moins de 100 millions de dollars malgré des années de battage médiatique autour de RAG , et plusieurs entreprises ont été rachetées avant même d'avoir prouvé leur viabilité indépendante (DataStax à IBM).
Revenus de la couche de calcul
Les hyperscalers de l'IA (AWS : 128,7 milliards de dollars, Cloud : 59 milliards de dollars et Cloud : 107,8 milliards de dollars) et le segment des centres de données de Cloud (115,2 milliards de dollars) représentent environ 409 milliards de dollars de revenus en 2025, dépassant ainsi tous les autres acteurs réunis.
La dynamique intéressante au sein du calcul est l'émergence d'un deuxième niveau 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 GPU cloud est que les leaders actuels du GPU (tels qu'AWS, Azure et GCP) s'avèrent insuffisants pour répondre à la demande du marché.
La question qui reste en suspens est de savoir ce qui progressera le plus rapidement : les gains d’efficacité qui réduisent la charge de calcul par requête (modèles plus petits, quantification ) ou les nouveaux cas d’usage qui augmentent la demande totale ( agents , vidéo , déploiements en entreprise). Si l’efficacité l’emporte, les hyperscalers s’accaparent le marché ; si c’est l’adoption, les clouds spécialisés par GPU continuent de croître.
Revenus de la couche modèle
Les technologies OpenAI (13 milliards de dollars) et Anthropic (7 milliards de dollars) se démarquent rapidement du marché. Tous les autres acteurs majeurs : Mistral (400 millions de dollars), Cohere (240 millions de dollars), xAI (500 millions de dollars) et ElevenLabs (330 millions de dollars dans le secteur vocal) sont nettement en retrait par rapport à OpenAI et Anthropic.
Les modèles ElevenLabs ( voix) et Midjourney ( génération d'images) sont deux leaders dans leur catégorie, surpassant les modèles de base généralistes. La position la plus difficile dans ce domaine est celle d'une entreprise proposant des modèles généralistes sans accord majeur de distribution cloud ni produit grand public attractif. Mistral et Cohere sont tous deux confrontés à ce problème.
revenus de la couche application
L'analyse de la couche application révèle que les applications natives d'IA qui remplacent un flux de travail complet sont les plus performantes. Un indicateur de cette tendance est la catégorie « codage », où Cursor, GitHub Copilot, Replit, Lovable et Bolt montrent collectivement que les développeurs sont prêts à payer plus cher pour des outils capables d'automatiser les tâches.
Le bond de Cursor, passé de 1 million de dollars à 1 milliard en deux ans, et la croissance fulgurante de Lovable, de 1 million de dollars à 400 millions en une seule année, constituent les taux de croissance les plus extrêmes de l'ensemble de données. Ils marquent le passage d'une IA d'assistant de codage à une IA d'environnement de développement principal, ce qui a fondamentalement bouleversé la croissance typique des SaaS.
En termes de sous-catégories, l'IA dans le secteur de la santé (Abridge, Tempus) et l'IA dans le secteur de la fintech (Ramp, Brex) sont en pleine croissance car elles opèrent dans des domaines réglementés à forte valeur ajoutée où le retour sur investissement de l'automatisation est facile à quantifier.
Les revenus de Jasper AI ont chuté de 120 millions de dollars à 55 millions de dollars avant de se redresser partiellement à 88 millions de dollars, restant toutefois inférieurs à leur niveau de 2023. Cette baisse montre que les assistants d'écriture horizontaux sans verrouillage de flux de travail risquent d'être supplantés à la fois par des modèles de base (tels que ChatGPT) et par des fonctionnalités intégrées dans des outils que les utilisateurs possèdent déjà (tels que Notion AI et Google Docs).
Dans le secteur de l'éducation , le chiffre d'affaires de Chegg a presque été divisé par deux, passant de 716 millions de dollars à 377 millions de dollars en deux ans, soit la baisse la plus marquée et la plus durable parmi les entreprises analysées. Un étudiant qui paie 15 dollars par mois pour obtenir des réponses à ses devoirs n'a guère de raison de continuer à le faire une fois que ChatGPT propose le même service gratuitement. Cet effondrement démontre que posséder une bibliothèque de contenu constitue un avantage concurrentiel moins important que la maîtrise du flux de travail ou du canal de distribution.
méthodologie des revenus de l'IA
Nous avons collecté des données publiques sur les revenus liés à l'IA auprès de plateformes de recherche telles que Sacra, GetLatka, Macrotrends et Crunchbase ; de sources appartenant aux entreprises telles que les rapports de relations avec les investisseurs, les salles de presse des entreprises, les blogs officiels et les documents déposés auprès de la SEC ; d'organisations de médias financiers telles que Fortune, CNBC, Reuters et Bloomberg ; de rapports de médias technologiques de TechCrunch ; et de sources réglementaires/officielles pour les sociétés cotées en bourse telles que les documents EDGAR de la SEC.
Les chiffres d'affaires correspondent aux années civiles 2023, 2024 et 2025, ou à l'exercice fiscal se terminant le plus près de ces dates. Les différences de calendrier fiscal peuvent également influencer les comparaisons entre entreprises.
Remarque : Pour les nombreuses sociétés privées de cet ensemble de données (par exemple, Anthropic, Mistral, ElevenLabs et Cursor), les chiffres de revenus sont essentiellement des estimations éclairées.
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires.