L’essentiel
Le plus gros contrat de l’histoire d’Akamai est un pari : les agents IA auront besoin d’énormes volumes de calcul tout à fait ordinaire. Cette année, Anthropic a surtout verrouillé de la capacité GPU et d’accélérateurs. Cet accord est différent : il achète de la capacité CPU distribuée, celle qui fait tourner les appels d’outils, l’exécution de code, la navigation et l’orchestration autour d’un modèle, et non le modèle lui-même.
Pour les équipes qui construisent sur des LLM, la leçon est concrète. La facture et les goulets d’étranglement d’un agent ne se résument pas aux jetons. Bacs à sable, workers, files d’attente et appels d’API ajoutent une charge CPU qui croît à chaque étape de l’agent. Traitez cette couche comme n’importe quel système de production, dans le cadre de votre architecture cloud et DevOps, et non comme un détail après le choix du modèle.
Qu’ont conclu Anthropic et Akamai ?
Akamai a annoncé l’accord après la clôture des marchés le jeudi 24 septembre et a déposé le communiqué auprès de la SEC. Anthropic s’engage à dépenser 11,6 milliards de dollars sur sept ans en services cloud Akamai pour soutenir la croissance de ses charges CPU à grande échelle. Le PDG Tom Leighton a déclaré qu’Anthropic avait choisi les capacités d’Akamai pour construire et exploiter une infrastructure d’IA à grande échelle. L’action Akamai a bondi de plus de 10 % vendredi avant de rendre une partie de ses gains.
Le montage est inhabituel. Anthropic reçoit un bon de souscription portant sur jusqu’à environ 5 % d’Akamai, dont une part croissante devient exerçable à mesure qu’Anthropic achète. Cela lie la réussite du fournisseur aux dépenses du client et donne à Akamai l’assurance nécessaire pour acheter dès maintenant composants et mémoire, sur un marché où les deux sont rares. The Decoder range ce contrat parmi une série d’accords de calcul signés par Anthropic en moins d’un an, aux côtés d’Amazon, Google, Microsoft et AMD pour des accélérateurs et de la capacité cloud.
Pourquoi un laboratoire d’IA a-t-il besoin d’autant de CPU ?
L’entraînement et l’inférence tournent sur des GPU et d’autres accélérateurs. Les agents ajoutent une deuxième couche de travail. Une seule tâche peut représenter des dizaines d’étapes : appeler des API, exécuter du code généré dans un bac à sable, récupérer et analyser des pages, lire des fichiers, vérifier des résultats et décider de la suite. C’est du calcul généraliste classique. Bloomberg souligne que les réseaux de CPU sont en général mieux adaptés aux tâches coordonnées qu’exige l’IA agentique.
Akamai apporte une infrastructure très distribuée, conçue pour la diffusion de contenu et l’edge computing. Exécuter les agents au plus près des utilisateurs et des systèmes qu’ils appellent réduit la latence de chaque étape, et les petits délais se multiplient sur une longue exécution. Aucune des deux entreprises n’a publié de détails techniques sur l’usage de cette capacité : les architectures évoquées relèvent donc de l’anticipation, pas de l’annonce.
Qu’est-ce que cela change pour les entreprises françaises ?
D’abord, le coût d’un agent ne se limite pas aux jetons. Beaucoup de business cases d’agents reposent uniquement sur le prix par jeton. En production, bacs à sable, sessions de navigateur, workers en arrière-plan et relances peuvent peser lourd dans la facture, et ils évoluent avec le nombre d’étapes, pas avec le nombre d’utilisateurs. Mesurez le temps CPU et la mémoire par tâche d’agent dès le premier pilote, pour que le ROI présenté à la direction repose sur des chiffres réels.
Ensuite, la capacité reste disputée. Un laboratoire déjà lié aux plus grands clouds continue de signer des contrats pluriannuels pour en obtenir davantage. Une offre tendue se traduit en aval par des limites de débit, des trous de couverture régionale et des prix changeants. Si votre produit dépend des modèles Claude d’Anthropic ou de tout autre fournisseur unique, concevez-le pour encaisser la limitation : files d’attente, backoff, modèles de repli et dégradation maîtrisée.
Enfin, gardez la couche d’exécution portable. Le fournisseur de modèle peut être imposé par la qualité ou le contrat, mais le code qui exécute outils, bacs à sable et orchestration peut vivre sur n’importe quel cloud ou en périphérie. Des workers conteneurisés et l’infrastructure as code permettent de déplacer cette couche pour des raisons de coût, de latence ou de localisation des données, un point clé pour les charges européennes soumises au RGPD et, pour les acteurs financiers, aux règles de DORA sur le risque de concentration des prestataires tiers.
Que faire maintenant ?
- Mesurer la partie hors modèle. Suivez CPU, mémoire et durée par étape d’agent, en plus des jetons.
- Fixer des limites par agent. Plafonnez la concurrence, le nombre d’étapes par tâche et la dépense par exécution, pour qu’une boucle incontrôlée ne sature pas vos workers.
- Isoler l’exécution. Faites tourner le code généré et la navigation dans des bacs à sable éphémères, avec un accès réseau et fichiers restreint.
- Prévoir la limitation. Ajoutez files d’attente, relances avec backoff et un chemin vers un modèle de repli quand un fournisseur vous bride.
- Rester portable. Packagez les workers en conteneurs et décrivez l’infrastructure en code, pour changer de région ou de cloud sans réécriture – y compris vers un hébergeur français si vos données l’exigent.
Questions fréquentes
Qu’ont annoncé Anthropic et Akamai ?
Le 24 septembre 2026, Akamai a annoncé un accord de sept ans par lequel Anthropic s’engage à dépenser 11,6 milliards de dollars en services cloud Akamai, axés sur les charges CPU à grande échelle. L’engagement peut augmenter d’environ 9 milliards pour atteindre près de 20 milliards de dollars. Akamai a également attribué à Anthropic un bon de souscription portant sur jusqu’à environ 5 % de ses actions ordinaires, au prix de 111,33 dollars par action.
Pourquoi un laboratoire d’IA achète-t-il des CPU plutôt que des GPU ?
Les GPU font tourner l’entraînement et l’inférence des modèles. Mais l’IA agentique génère aussi beaucoup de calcul généraliste autour du modèle : exécution d’outils et de code, bacs à sable, navigation web, orchestration, traitement de données et appels d’API. Ce travail tourne sur des CPU. Selon Bloomberg, les réseaux de CPU sont en général mieux adaptés aux tâches coordonnées qu’exigent les agents.
Quand la capacité Akamai sera-t-elle disponible ?
Akamai indique que l’accord n’a pas d’effet sur ses prévisions de chiffre d’affaires 2026. Le groupe prévoit environ 5,5 milliards de dollars d’investissements liés à l’engagement et ajoute environ 1,7 milliard à ses investissements 2026 pour acheter composants et mémoire par anticipation. Selon TechCrunch, les revenus liés au contrat devraient commencer au second semestre 2027.
Cela change-t-il notre usage de l’API Claude ?
Pas directement, ni dans l’immédiat. L’accord ajoute de la capacité derrière les services d’Anthropic ; il ne modifie aujourd’hui ni les conditions de l’API, ni les prix, ni la localisation des données. C’est en revanche un signal : les charges d’agents sont gourmandes en GPU comme en CPU, et les fournisseurs continuent de sécuriser de la capacité. Prévoyez donc limites de débit, modèles de repli et contrôle des coûts.
Que doivent anticiper les entreprises françaises ?
Budgéter et dimensionner la partie hors modèle des agents, pas seulement les jetons : mesurer le temps CPU des outils, bacs à sable et de l’orchestration, garder cette couche portable et fixer des plafonds de coût et de concurrence par agent. Les données personnelles traitées par les agents restent soumises au RGPD et au contrôle de la CNIL ; les acteurs financiers doivent en outre intégrer tout nouveau prestataire TIC critique à leur registre d’informations au titre de DORA.
Sources
Akamai Technologies — Form 8-K, Exhibit 99.1 (communiqué de presse (SEC))
Bloomberg — Anthropic Strikes $12 Billion Deal With Akamai for AI Computing
TechCrunch — Anthropic to pay Akamai $11.6 billion over seven years in cloud deal
CNBC — Shares of Akamai surge after deal with Anthropic
The Decoder — Anthropic signs $11.6 billion cloud deal with Akamai