L’essor fulgurant de l’intelligence artificielle a ouvert un nouveau front financier : la dette privée adossée aux GPU. En toile de fond, une question s’impose. Faut-il craindre un château de cartes autour des infrastructures IA ?
Selon plusieurs analyses convergentes, le danger existe, mais il reste pour l’instant concentré sur un segment précis, loin d’un choc systémique généralisé.
A retenir :
- Un risque existe, mais il est sectoriel, pas systémique.
- Les neoclouds très endettés sont les plus exposés.
- La dépréciation rapide des GPU est le point de fragilité central.
- Les grands acteurs restent protégés par des bilans solides.
- La vigilance doit porter sur le private credit IA, pas sur toute la finance.
Où se concentre la dette autour des GPU
Le cœur du sujet se situe dans le financement massif des infrastructures de calcul.
Des acteurs comme CoreWeave ou Lambda ont levé plusieurs dizaines de milliards de dollars via des prêts garantis par des GPU, principalement signés NVIDIA.
Ces financements reposent sur des avances atteignant 50 à 70 % de la valeur des puces, avec des taux d’intérêt élevés, souvent entre 12 et 15 %.
L’objectif est clair : combler un besoin colossal de capex, estimé par certains gérants à 1 500 milliards de dollars d’ici 2028 pour les data centers IA.
Ce modèle attire logiquement les fonds de dette privée, en quête de rendement dans un monde post-taux zéro.
Pourquoi certains évoquent un « château de cartes »
Le doute naît d’un décalage structurel.
Un GPU perd une grande partie de sa valeur économique en deux à trois ans, alors que les dettes contractées s’étalent souvent sur des horizons plus longs.
À cela s’ajoute un phénomène de financement circulaire.
NVIDIA avance parfois des milliards à ses clients, dont OpenAI, qui utilisent ensuite ces fonds pour louer ou acheter… des GPU NVIDIA.
Ce schéma rappelle, selon certains analystes, les montages de la bulle télécom des années 2000, où fournisseurs et clients finançaient mutuellement leur croissance.
Si la demande IA ralentit, quels effets concrets ?
Le scénario redouté est simple.
Si les revenus de l’IA n’atteignent pas les trajectoires anticipées, les acteurs les plus endettés pourraient vaciller.
Des institutions comme JPMorgan ou des investisseurs critiques évoquent un possible « Lucent 2.0 », en référence à l’effondrement des infrastructures télécom surendettées.
Dans ce cas :
- les GPU utilisés comme collatéral verraient leur valeur chuter rapidement,
- certains fonds de private credit ou véhicules ABS/CMBS spécialisés data centers seraient directement fragilisés.
Le risque est réel, mais il reste localisé.
Pourquoi le risque systémique reste limité aujourd’hui
Contrairement aux subprimes ou à la fibre optique des années 2000, l’encours de dette explicitement adossée aux GPU reste relativement modeste.
On parle de quelques dizaines de milliards, pas de milliers.
Les grands hyperscalers financent majoritairement leurs investissements via des bilans investment grade, diversifiant leurs sources sur les marchés obligataires classiques.
Les banques et régulateurs surveillent de près les montages les plus agressifs, en particulier dans le non-bancaire.
Cette segmentation agit comme un amortisseur, empêchant pour l’instant une propagation globale.
Comment analyser le risque côté investisseurs et décideurs
Pour raisonner avec méthode, deux niveaux d’analyse s’imposent.
À l’échelle macro
- Rythme réel de monétisation de l’IA face à la vitesse des investissements.
- Montée en puissance des structures ABS/CMBS data centers.
- Concentration du risque dans quelques prêteurs spécialisés.
À l’échelle micro
- Taux d’utilisation effectif des GPU.
- Levier financier réel (dette/actifs).
- Durée et solidité des contrats clients.
- Dépendance aux financements « vendor-financed » par NVIDIA.
