Dans les méandres de la dette de l’IA

L’émergence de l’IA a très vite été comparée à la bulle Internet de la fin des années 90 et du début années 2000. Il est toujours utile d’établir des parallèles, non seulement pour les similitudes qu’ils mettent au jour, mais également pour les différences qu’ils révèlent. Bien que le financement circulaire ne soit pas en soi un phénomène nouveau, l’ampleur inédite de ce cycle, conjuguée aux incertitudes autour de la durée de vie utile des actifs financés, crée une nouvelle dynamique.

Comme le souligne l’opération d’Anthropic, les mêmes entreprises occupent souvent le rôle de client, de fournisseur, de garant et de créancier à différents points des structures de financement et des réseaux de relations. Les laboratoires apparaissent néanmoins comme le maillon faible du système, étant donné leur rentabilité insuffisante et la concurrence intense qui existe entre les modèles.

Bien qu’OpenAI et Anthropic figurent parmi les principaux utilisateurs de puissance de calcul et comme les acteurs les plus susceptibles de repousser les frontières du secteur, ils n’en présentent pas moins un profil de crédit fragile si on les considère à l’aune des critères traditionnels. OpenAI aurait dépensé 3,7 milliards USD au cours du seul premier trimestre 2026 et aurait, à certains moments, cumulé près de 1 400 milliards USD d’engagements.^4,5 D’après ses propres prévisions, la société ne parviendra pas à équilibrer ses flux de trésorerie disponible avant 2030 au plus tôt⁶. En outre, c’est précisément parce qu’Anthropic ne possède pas de note de crédit que sa dette a dû être garantie par Broadcom pour pouvoir être qualifiée d’« investment grade ».

Cette tendance à la concentration s’étend également au secteur du matériel informatique. Un groupe restreint de concepteurs, de fonderies et de packagers peuvent faire varier les prix de l’ensemble du secteur si l’offre reste limitée, et un seul garant couvre désormais des dizaines de milliards de dollars de dette liée à la location de puces. L’utilisation croissance des TPU de Google, des puces Trainium d’Amazon et d’autres semi-conducteurs spécialisés ne cesse de faire évoluer la répartition des parts de marché ; une tendance qui améliore la rentabilité de la puissance de calcul, mais qui contribue également à éroder la valeur résiduelle sur laquelle reposent ces contrats de location.

Sur le plan pratique, les investisseurs ont donc intérêt à analyser leur exposition à l’IA non seulement au niveau des émetteurs mais également au niveau de leur réseau. Dans le secteur du crédit où le potentiel de gain pour les investisseurs reste limité, les rendements doivent compenser l’accumulation des risques présents au sein du système.
Il est donc important d’avoir une vision claire des circuits d’interdépendance et de comprendre auprès de quel acteur une entreprise s’approvisionne en puissance de calcul, en électricité, en données et en financement, sur quels soutiens explicites elle peut réellement compter, et à quel rythme les conditions d’un contrat peuvent être révisées en cas d’évolution de la situation économique. Bien qu’une forte croissance et une offre limitée améliorent les modalités dans lesquelles les garanties sont accordées à court terme, la qualité de la dette dépend également de la position qu’occupe l’investisseur au sein de ce réseau et des risques que les documents contractuels transfèrent réellement. Une mauvaise adéquation des échéances contractuelles au sein de la chaîne peut également avoir pour effet d’amplifier les incidences potentielles de cette circularité.

Dans ce cas, plusieurs points de défaillance peuvent intervenir dans le système. Toutefois, les risques de crédit les plus évidents nous ramènent une fois de plus aux laboratoires de recherche. Les accords de financement circulaire peuvent fausser les revenus publiés, tandis que des prises de participation infructueuses dans des clients et des partenaires risquent de peser sur les valorisations. Toutefois, la majeure partie du nouvel endettement contracté par le système ne dépend pas directement de l’une ou de l’autre de ces sources de financement. Un laboratoire de recherche qui ne parviendrait pas à transposer à grande échelle les recettes qui ont fait son succès pourrait exposer à des risques non seulement les opérateurs de cloud de plus en plus endettés auprès desquels il se finance, mais également les centres de données qui leur sont associés. Les conséquences indirectes dépendraient fortement du catalyseur et pourraient aller d’un ajustement ordonné à une contagion plus grave.

L’opacité devient néanmoins un enjeu de premier ordre. D’après nos calculs, en incluant les engagements hors bilan, les obligations totales des hyperscalers passent d’environ 800 milliards USD à près de 3 500 milliards USD. Grâce à des structures comme l’entité ad hoc créée spécialement pour l’opération de financement d’Anthropic, le matériel informatique ainsi que la dette ne figurent plus au bilan de la société d’exploitation. En revanche, ce type de montage les remplace par une dette de location et d’autres engagements qui apparaissent ailleurs dans les informations publiées par l’entreprise. Toutefois, la nature privée des laboratoires jette un voile d’opacité sur une plus grande partie de la dette.

Figure 3: Engagements des hyperscalers : une réalité en trompe-l’œil

Même si les marchés publics et privés avaient déjà amorcé un rapprochement, les événements récents ont encore contribué à brouiller les cartes au point de rendre toute distinction impossible. Afin de réussir à s’adapter, les portefeuilles de crédit doivent diversifier leurs expositions aux marchés et aux contreparties communes, comme ils le feraient pour les secteurs ou les notes de crédit. La transparence sera un facteur déterminant dans l’évaluation des risques, d’autant plus que les bilans ne montrent qu’une partie de la réalité.

Au-delà des fondamentaux des entreprises, tous ces montages de financement partent du principe que la demande pour la puissance de calcul sera équivalente -voire supérieure- à l’offre tout au long de la durée de vie de la dette. Or, les cas évoqués dans la presse de certaines entreprises prêtes à revendre leur puissance de calcul excédentaire laissent craindre une surabondance de l’offre, alors même que de nouvelles capacités doivent arriver sur le marché.

Toutefois jusqu’à présent, la réalité est bien différente. Le fait que les contrats de revente soient à court terme et assortis de primes reflète indique que la puissance de calcul est une ressource rare que les acheteurs sont prêts à acquérir au prix fort et non un surplus dont les vendeurs cherchent à se délester coûte que coûte. Par ailleurs, une entreprise comme Meta ne continuerait certainement pas d’investir des sommes faramineuses dans les modèles frontières si elle pensait que la course à l’IA était terminée. Ces capacités excédentaires correspondent simplement à la puissance de calcul non utilisée entre deux cycles d’entraînement. La situation pourrait évoluer avec le déploiement de nouveaux sites, mais pour le moment, la pénurie de puissance de calcul haut de gamme est bien réelle.

Figure 4: Indices des prix des tokens

Les créanciers sont invités à prendre note de ce point, car c’est la rareté des capacités de puissance de calcul qui maintient les centres de données à flot ; c’est également elle qui renforce la position des opérateurs au moment de renouveler les contrats et qui explique l’intérêt pour les sites possédant des capacités électriques suffisantes. Il serait naïf de penser que les prix actuels vont se maintenir indéfiniment. Toutefois, le déséquilibre actuel offre une base plus solide à court terme que ne le suggèrent les seuls chiffres des capacités.

La question qui nous préoccupe est de savoir si la demande, les prix et les protections contractuelles permettront à un émetteur de tenir jusqu’à l’amélioration de ses flux de trésorerie. À court terme, des rendements du capital suffisants et une économie unitaire solide peuvent suffire à assurer cette transition.

Oracle offre un bon exemple. S&P a dégradé la note d’Oracle à BBB- avec une perspective stable, lorsque la société a reconnu qu’elle avait sous-estimé le volume de capitaux nécessaires au financement de ses ambitions dans l’IA.⁷ Ses obligations de performance restantes (RPO) ont bondi à 638 milliards USD, contre 138 milliards l’année précédente, offrant une réelle visibilité sur ses revenus futurs. Toutefois, une grande partie de ce montant dépendra exclusivement d’OpenAI. Ce carnet de commandes repose également sur deux types d’arrangements contractuels : les prépaiements de clients et les modèles de type « bring-your-own-hardware » (un type de contrat qui permet aux clients d’apporter leur propre matériel), qui ont sensiblement réduit la part qu’Oracle doit financer par elle-même. Par ailleurs, la direction a clairement souligné qu’elle était déterminée à conserver son statut « investment grade ». Même s’il faudra sans doute attendre un certain temps avant que les mesures mises en place ne se traduisent en flux de trésorerie, la croissance contractuelle, le financement apporté par les clients et la rareté des capacités offrent de solides garanties.

Le succès de l’IA a également fait apparaître d’autres risques sur les marchés du crédit. Dans le secteur des logiciels, de nombreuses entreprises émettrices d’obligations à haut rendement ont conçu leurs bilans sur l’hypothèse d’un environnement de taux bas. Face à la baisse de valorisation des entreprises cotées, de nombreux investisseurs s’interrogent sur la viabilité de ces structures de capital. Les spreads européens ont presque entièrement effacé la hausse constatée en janvier, et dans le secteur technologique américain, le spread entre les obligations à haut rendement et leur indice s’établit à environ 40 points de base, contre 100 points de base précédemment. Le resserrement des spreads ne signifie pas que les interrogations que suscitent les modèles économiques ont disparu. Il indique simplement que les investisseurs doivent faire la part entre une volatilité temporaire et un ralentissement durable des résultats.

Des tensions similaires sont observables dans le segment « investment grade ». Les répercussions de l’IA sont sans doute plus importantes pour les éditeurs de logiciels américains comme Salesforce et Adobe dont les capitalisations boursières et les spreads obligataires ont enregistré un pic de volatilité. Leurs flux de trésorerie restent néanmoins solides et pourraient le rester encore un certain temps.

Les investisseurs avertis se demanderont peut-être comment vont se comporter les acteurs déjà établis. Pour répondre à cette question, nous pensons qu’il convient d’examiner trois atouts de leur modèle économique : Le premier est le caractère indispensable des données exclusives qu’ils fournissent à leurs clients. Le deuxième est la complexité réglementaire, qui ralentit l’automatisation à grande échelle des entreprises. Le troisième est la fiabilité des services, sachant qu’une panne ou un défaut de paiement coûte bien plus cher que le service lui-même. Chacun de ces atouts permet à ces entreprises de gagner un temps précieux pour s’adapter, mais ne leur garantit pas non plus l’immunité.

Aucune des tendances que nous observons aujourd’hui n’est réellement inédite. La montée en puissance des entreprises de télécommunications dans les années 2000 et l’essor du pétrole de schiste américain dans les années 2010 ont été largement tributaires de financements extérieurs. Or, dans les deux cas, les prêteurs ont appris à leur dépens les risques que faisait peser une offre pléthorique.

Le loueur d’avions GE Capital fournit sans doute l’une des exemples les plus emblématiques de ce point, avec un système de leasing mis en place dans les années 60, dans le cadre duquel le constructeur de l’appareil contribuait au financement de l’actif et conservait un droit sur sa valeur résiduelle.

Le modèle de l’IA présente des similitudes, malgré un contexte de départ complètement différent. Les hyperscalers présentent des bilans plus solides, des flux de trésorerie réels et leurs activités sont plus diversifiées. La demande qu’ils financent est visible à travers les revenus qu’elle génère, les carnets de commandes contractuels et une pénurie persistante de capacités de calcul. Ces garanties sont bien plus solides aux yeux des créanciers que les seuls chiffres des émissions ne le suggèrent.

Prendre du recul de cette manière permet de remettre les choses dans leur contexte. L’IA accroît l’endettement dans certains pans de l’économie, concentre la dépendance à l’égard d’un nombre restreint de fournisseurs et accélère la rotation entre les gagnants et les perdants, le tout en même temps. Pour les créanciers, le contexte est favorable mais appelle également à la prudence. Les tensions qui pèsent sur l’offre soutiennent les prix, et les contrats d’achat ferme (« take-or-pay »), les prépaiements, les garanties et les dispositifs d’amortissement sont tout autant de leviers qui peuvent limiter les pertes en cas de baisse. Bien qu’ils n’éliminent pas le risque de duration, le risque de contrepartie ou le risque technologique, ils peuvent justifier le recours à la dette lorsque la structure est adaptée à la durée de vie de l’actif et que le prêteur reçoit une rémunération suffisante au regard des incertitudes restantes.

Les émetteurs à éviter sont ceux qui financent des infrastructures de long terme afin de prendre en charge des technologies rapidement obsolètes et ne présentant pas des garanties suffisantes, surexposées à une contrepartie donnée à un stade encore précoce de leur existence, ou s’appuyant sur l’IA pour préserver leurs revenus sans avoir les moyens financiers nécessaires de s’adapter. À cela s’ajoutent un certain nombre de risques réglementaires et de construction qui, de manière générale, ne sont pas aussi importants dans les projets non liés à l’IA.

Il s’agit maintenant d’identifier au sein du réseau des segments où la forte croissance et la rareté des capacités offrent des garanties suffisantes pour justifier le risque lié au financement.

Au sein de ce cadre, nous cherchons en particulier à repérer les émetteurs qui ne seraient pas affectés par une baisse des opportunités de financement et/ou une remise en cause des lois d’échelle appliquées aux modèles. La dette de certains centres de données hautement stratégiques nous paraît offrir des opportunités de valeur, d’autant plus qu’elle présente un faible risque énergétique et qu’elle est soutenue par des acteurs de bonne réputation. Nous misons également sur les obligations à haut rendement liées aux capacités de calcul, qui pourraient surperformer si les prix restent supérieurs aux anticipations des marchés. Les hyperscalers pourraient continuer d’être pénalisés par les contraintes qui pèsent sur l’offre. Toutefois, nous pensons que la normalisation progressive des estimations du consensus sur les dépenses d’investissement devrait contribuer à atténuer une partie des pressions, malgré des niveaux de spreads toujours serrés dans l’absolu.

¹ Apollo and Blackstone complete USD 35 billion private-credit deal to fund Anthropic’s compute expansion, Financial Times, juin 2026.
² Estimations du consensus de Bloomberg, août 2026
³ Bloomberg, août 2026
⁴ OpenAI burned USD 3.7 billion in first quarter of 2026, The Information reports, Reuters, 16 juin 2026.
⁵ OpenAI data center pivot underscores Wall Street IPO concerns, CNBC, 22 mars 2026 (NB. le chiffre de 1 400 milliards USD d’engagements provient de Sam Altman lui-même).
⁶ OpenAI resets spending expectations, tells investors compute target is around USD 600 billion by 2030, CNBC, 20 février 2026.
⁷ Oracle Corp. downgraded to BBB- on elevated AI-related capital spending; outlook stable, S&P Global Ratings, 9 juillet 2026.