Bulles de Puissance de calcul AI ? Ou le plus grand "expérience de levier productif" de l'histoire humaine ? — Décomposer la longue marche financière de 30 000 milliards de dollars

Titre original : L'infrastructure IA est-elle une bulle ou un « achat de temps en groupe » ? Analyse de la structure financière derrière 30 000 milliards de dollars.

Auteur original : Distill AI

Source originale :

Reproduit : Daisy, Mars Finance

Alors que les géants de la technologie investissent plus de 300 milliards de dollars cette année dans la construction de capacités d'IA, avec des investissements totaux prévus de plus de 30 000 milliards de dollars au cours des trois prochaines années, une question se pose : s'agit-il d'une répétition de la bulle Internet de 2000, ou d'un pari sur la productivité à la plus grande échelle de l'histoire humaine ?

Ce n'est pas un simple débat binaire « bulle vs non bulle », la réponse pourrait être plus complexe et plus raffinée que vous ne le pensez. Je n'ai pas de boule de cristal pour prédire l'avenir. Mais j'essaie d'analyser en profondeur la structure financière sous-jacente de cette fête et de construire un cadre d'analyse.

L'article est long et détaillé, commençons par la conclusion :

En termes de direction, je ne pense pas que ce soit une grande bulle. Mais certains segments présentent des risques élevés.

Pour être plus précis, l'infrastructure AI actuelle ressemble à une longue marche de « solidarité + achat de temps ». Les grandes entreprises (( Microsoft, Google, Meta, Nvidia, etc.) utilisent l'ingénierie financière pour mobiliser d'énormes leviers, mais externalisent le principal risque de crédit aux sociétés de projet (SPV) et aux marchés de capitaux, liant étroitement les intérêts de tous les participants.

Le terme “acheter du temps” fait référence à leur pari sur la patience de leur flux de trésorerie et des ressources externes, pour voir si cela pourra tenir jusqu'au jour où “l'IA améliorera réellement la productivité”.

Si le pari est gagné, l'IA tiendra sa promesse, et les grandes entreprises seront les plus grands gagnants. Si le pari est perdu (si les progrès de l'IA ne sont pas à la hauteur des attentes ou si les coûts sont trop élevés), les premières personnes blessées seront les ressources externes qui ont fourni le financement.

Ce n'est pas une bulle de « surenchère bancaire à partir de 2008, avec un point de détonation unique ». C'est une expérience géante de financement direct, menée par les entreprises les plus intelligentes et les plus riches en liquidités de la planète, utilisant des stratégies complexes de « financement hors bilan » pour décomposer les risques en de nombreux fragments échangeables, dispersés pour être absorbés par différents investisseurs.

Même si ce n'est pas une bulle, cela ne signifie pas que tous les investissements dans les infrastructures d'IA peuvent obtenir un bon ROI.

01 Comprendre le noyau : le mécanisme de liaison des intérêts de « se regrouper »

Le terme «抱团» fait référence à la manière dont cette infrastructure AI lie étroitement les intérêts de cinq parties :

Les géants de la technologie (Meta, Microsoft, Google) et leurs partenaires de grands modèles (OpenAI, xAI) : besoin de puissance de calcul, mais ne veulent pas débourser une grosse somme d'un coup.

Fournisseur de puces (Nvidia) : Besoin de commandes importantes continues pour soutenir sa valorisation.

Fonds privés (Blackstone, Blue Owl, Apollo) : ont besoin de nouvelles catégories d'actifs pour élargir leur taille de gestion d'actifs et percevoir davantage de frais de gestion.

Neocloud (CoreWeave, Nebius) et fournisseurs de services cloud hybrides (Oracle Cloud Infrastructure) : fournissent une infrastructure et de la puissance de calcul, mais nécessitent également des contrats à long terme avec de grandes entreprises pour mobiliser le financement.

Investisseurs institutionnels (fonds de pension, fonds souverains, fonds traditionnels comme BlackRock) : besoin d'un rendement stable supérieur à celui des obligations d'État.

Et ces cinq parties forment une “communauté d'intérêts”, par exemple :

Nvidia accorde une priorité d'approvisionnement à CoreWeave tout en investissant dans son capital.

Microsoft a accordé un contrat à long terme à CoreWeave tout en l'aidant à lever des fonds.

Blackstone fournit un financement par emprunt tout en levant des fonds auprès de fonds de pension.

Meta et Blue Owl ont co-fondé un SPV pour partager les risques.

OpenAI et d'autres grands fabricants de modèles continuent d'élever les standards des paramètres de modèle, de la capacité d'inférence et de l'échelle d'entraînement, ce qui équivaut à augmenter sans cesse le seuil de demande en puissance de calcul de l'ensemble de l'industrie. En particulier, dans le cadre de son partenariat étroit avec Microsoft, cette structure de coopération de « sous-traitance technologique, d'internalisation de la pression » permet à OpenAI, bien qu'elle ne dépense pas d'argent, de devenir le déclencheur d'une course mondiale aux dépenses en capital. Elle n'est pas un financeur, mais est le véritable curateur qui pousse à un effet de levier accru sur l'ensemble du terrain.

Personne ne peut se suffire à lui-même, c'est l'essence de « l'union ».

02 Structure du capital — Qui met de l'argent ? Où va l'argent ?

Pour comprendre l'architecture globale, nous pouvons commencer par le diagramme de flux de fonds ci-dessous.

Les géants de la technologie ont besoin d'une puissance de calcul astronomique, il y a deux voies :

Centre de données auto-construit : Il s'agit du modèle traditionnel. L'avantage est un contrôle total, mais l'inconvénient est une construction lente, et tous les investissements en capital et les risques reposent sur son propre bilan.

Recherche de fournisseurs externes : les géants ne se contentent pas de louer des serveurs, mais ont donné naissance à deux modèles de « fournisseurs externes » clés. C'est la nouvelle tendance actuelle et c'est notre point d'analyse.

Le premier type est le SPV (Special Purpose Vehicle) / Entité à but spécial, qui est un instrument financier pur. Vous pouvez l'imaginer comme une entité spéciale créée spécifiquement pour un « projet unique, un client unique ».

Modèle d'affaires : par exemple, Meta souhaite construire un centre de données, mais ne veut pas débourser une grosse somme d'argent d'un coup, alors elle s'associe à une société de gestion d'actifs pour créer un SPV. La seule tâche du SPV est de construire et d'exploiter ce centre qui appartient exclusivement à Meta. Les investisseurs obtiennent des créances de haute qualité basées sur des flux de trésorerie locatifs (un mélange d'obligations d'entreprise et de financement de projet).

Type de client : extrême et unique, généralement un seul (par exemple, Meta).

Niveau de risque : la vie ou la mort dépend entièrement du crédit d'un seul client.

La deuxième est Neocloud ( comme CoreWeave, Lambda, Nebius ), ce sont des entreprises opérantes indépendantes (Operating Company, OpCo), avec leur propre stratégie opérationnelle et une pleine capacité de décision.

Modèle commercial : Par exemple, CoreWeave se finance (capitaux propres et dettes) pour acheter un grand nombre de GPU, les sous-louer à plusieurs clients, signant des contrats de « garantie / réservation ». Flexible mais la valeur des capitaux propres est très volatile.

Type de client : théoriquement diversifié, en pratique fortement dépendant des grandes entreprises (par exemple, le soutien précoce de Microsoft à CoreWeave). En raison de sa taille plus petite, contrairement à SPV qui s'appuie sur un seul riche investisseur, Neocloud dépend davantage de ses fournisseurs en amont (Nvidia).

Niveau de risque : le risque est réparti sur plusieurs clients, mais la capacité opérationnelle, la technologie et la valeur des actions affectent la survie.

Bien qu'ils soient fondamentalement différents sur le plan juridique et structurel, la nature commerciale des deux converge : ils sont tous deux des « fournisseurs externes de puissance de calcul » pour les géants, déplaçant les achats massifs de GPU et la construction de centres de données hors des bilans des géants.

Alors, d'où vient l'argent de ces SPV et Neoclouds ?

La réponse n'est pas les banques traditionnelles, mais les fonds de crédit privés (Private Credit Funds). Pourquoi ?

C'est parce qu'après 2008, le « Accord de Bâle III » impose des exigences strictes en matière de ratio de capital adéquat pour les banques. Les banques qui prennent de tels prêts massifs à haut risque, à forte concentration et à long terme doivent constituer des réserves si élevées qu'elles ne correspondent pas aux coûts.

Les affaires que les banques « ne peuvent pas faire » ou « n'osent pas faire » ont créé un énorme vide. Des géants du capital-investissement tels qu'Apollo, Blue Owl et Blackstone ont comblé ce manque — ils ne sont pas soumis aux réglementations bancaires et peuvent offrir un financement plus flexible et plus rapide, mais avec des taux d'intérêt plus élevés. Avec des loyers de projet ou des GPU/équipements et des contrats à long terme comme garantie.

Pour eux, c'est une tarte extrêmement attrayante - de nombreuses personnes ayant une expérience de financement d'infrastructures traditionnelles, et ce thème est suffisant pour faire croître la taille des actifs gérés de plusieurs fois, augmentant considérablement les frais de gestion et les intérêts associés (Carried Interest).

Alors d'où vient finalement l'argent de ces fonds de crédit privés ?

La réponse est les investisseurs institutionnels (LPs), tels que les fonds de pension, les fonds souverains, les compagnies d'assurance, voire les investisseurs individuels (par exemple, à travers l'ETF de crédit privé émis par BlackRock - qui contient des obligations privées 144A sous le projet Meta Beignet Investor LLC 144A 6.581% 30/05/2049)

Le chemin de transmission des risques dans la chaîne est donc établi :

( dernier porteur de risque ) fonds de pension/ETF investisseurs/fonds souverains → ( intermédiaires ) fonds de crédit privé → ( entités de financement ) SPV ou Neocloud ( comme CoreWeave ) → (utilisateurs finaux) géants de la technologie ( comme Meta )

03 Analyse d'exemples SPV - Hyperion de Meta

Pour comprendre le mode SPV, le projet « Hyperion » de Meta est un excellent exemple (suffisamment d'informations publiques) :

Structure / Capital : Meta et Blue Owl gèrent un groupe de fonds JV (Beignet Investor LLC). Meta 20% de participation, Blue Owl 80%. Émission d'obligations sous la structure SPV 144A. JV couvre les actifs, Meta loue à long terme. Les dépenses en capital pendant la période de construction sont à la charge du JV, et les actifs sont progressivement transférés au bilan de Meta après le début du leasing.

Échelle : environ 27,3 milliards de dollars de dettes (obligations privées 144A) + environ 2,5 milliards de dollars d'équité, ce qui en fait l'une des plus grandes opérations de financement d'entreprise/financement privé de l'histoire américaine. La date d'échéance est en 2049, cette structure de remboursement à long terme est essentiellement conçue pour “verrouiller d'abord le risque temporel le plus difficile”.

Taux/notation : Dette notée A+ par S&P (une haute notation permet aux assureurs de se diversifier), taux nominal d'environ 6,58 %.

Structure des investisseurs : PIMCO a souscrit 18 milliards ; les ETF de BlackRock totalisent plus de 3 milliards. Pour ce groupe d'investisseurs, c'est un revenu stable de haute qualité très attractif.

Flux de trésorerie et baux : Blue Owl ne s'intéresse pas à un GPU susceptible de se déprécier (je pense que certaines personnes sur le marché s'inquiètent actuellement d'une durée d'amortissement des GPU jugée trop longue, ce qui est une erreur de focalisation, car le GPU n'est qu'une partie matérielle, tandis que la valeur globale de l'IA réside dans le matériel + le modèle ; le prix des anciens matériels baisse en raison de l'itération, mais cela ne signifie pas que la valeur d'application finale du modèle d'IA baisse également), mais plutôt au flux de trésorerie SPV soutenu par des baux à long terme de Meta (à partir de 2029). Les fonds de construction sont également alloués à des obligations d'État américaines pour réduire les risques. Cette structure fusionne la liquidité des obligations d'entreprise avec des clauses de protection en matière de financement de projet, tout en étant 144A-for-life (cercle d'investisseurs limité).

Alors pourquoi le risque à court terme de cette architecture est-il extrêmement faible ?

C'est parce que dans cette structure, la tâche d'Hyperion est simple : la main gauche reçoit le loyer de Meta, la main droite paie les intérêts de Blue Owl. Tant que Meta ne s'effondre pas (la probabilité est extrêmement faible dans un avenir prévisible), le flux de trésorerie est aussi stable qu'un roc. Pas besoin de s'inquiéter des fluctuations de la demande en IA ou de la baisse des prix des GPU.

Cette structure de créance à très long terme de 25 ans, remboursée par les loyers, verrouille tous les risques de refinancement récents tant que les loyers arrivent de manière stable et que les intérêts sont payés normalement. C'est l'essence de « gagner du temps » (permettre aux valeurs créées par les applications d'IA de rattraper lentement la structure financière).

En même temps, Meta utilise son propre crédit et un flux de trésorerie puissant pour obtenir un financement à long terme massif qui contourne les dépenses d'investissement traditionnelles. Bien que selon les normes comptables modernes (IFRS 16), les baux à long terme soient finalement inscrits au bilan sous “passif de location”, l'avantage réside dans le fait que : la pression des dépenses d'investissement de plusieurs milliards de dollars pendant la phase de construction initiale, ainsi que les risques de construction associés et les activités de financement, sont d'abord transférés à la SPV.

Transformer des dépenses en capital massives et uniques en frais de location échelonnés sur 25 ans optimise considérablement la trésorerie. Ensuite, parier sur la capacité de ces investissements en IA à générer des bénéfices économiques suffisants dans 10 à 20 ans pour couvrir le principal et les intérêts (en tenant compte d'un taux d'intérêt nominal de 6,58 % sur les obligations, et en considérant les frais d'exploitation, le ROI calculé sur l'EBITDA doit être d'au moins 9 à 10 % pour que les actionnaires obtiennent un taux de rendement décent).

04 Neocloud de coussin — Risque de capital d'OpCo

Si le modèle SPV est « transfert de crédit », alors des modèles comme CoreWeave et Nebius, qui relèvent du Neocloud, représentent une « stratification supplémentaire des risques ».

Prenons CoreWeave comme exemple, la structure du capital est beaucoup plus complexe que celle d'un SPV. Plusieurs tours de financement par actions et par dettes, les investisseurs incluent Nvidia, des VC, des fonds de croissance et des fonds de dette privée, formant une séquence claire de tampon de risque.

Supposons que la demande en IA soit inférieure aux attentes, ou qu'un nouveau concurrent apparaisse, et que les revenus de CoreWeave chutent fortement, rendant impossible le paiement d'intérêts élevés, que se passerait-il :

La première étape est l'évaporation de la valeur des actions : le prix de l'action de CoreWeave s'effondre. C'est le « coussin de capital » - le premier à absorber le choc. L'entreprise pourrait être contrainte de financer à prix réduit, ce qui entraînerait une dilution massive des droits des anciens actionnaires, voire une perte totale. En revanche, le coussin de capital de l'SPV est plus mince, car il ne peut pas financer directement sur le marché public.

La deuxième étape est que les créanciers subissent des pertes : ce n'est que lorsque les actions sont complètement “brûlées” que CoreWeave ne peut toujours pas rembourser ses dettes, et ce sera alors au tour des créanciers privés comme Blackstone de subir des pertes. Cependant, ces fonds exigent généralement d'excellentes garanties (derniers GPU) et des droits de remboursement stricts lors de l'octroi de prêts.

CoreWeave et Nebius adoptent tous deux le principe « d'abord établir un contrat à long terme, puis financer ce contrat à long terme », ce qui permet une expansion rapide par le biais de refinancements sur le marché des capitaux. La subtilité de cette structure réside dans le fait que les grands clients peuvent atteindre une meilleure efficacité d'utilisation des fonds, en utilisant des contrats d'achat futurs pour lever davantage de dépenses en capital sans investir, ce qui limite la probabilité de contagion du risque à l'ensemble du système financier.

À l'inverse, les actionnaires de Neocloud doivent être conscients qu'ils occupent la position la plus instable mais aussi la plus excitante dans ce jeu de hasard. Ils parient sur une croissance rapide et doivent prier pour que les opérations financières de la direction (report de dette, augmentation de capital) soient presque parfaites. De plus, ils doivent prêter attention à la structure des échéances de la dette, à la portée des nantissements, aux fenêtres de renouvellement des contrats et à la concentration des clients, afin de mieux évaluer le rapport risque/rendement des actions.

Nous pouvons également imaginer que si la demande en IA croît lentement, quelle capacité serait la plus facilement abandonnée en marge ? SPV ou Neocloud ? Pourquoi ?

05 Oracle Cloud : la revanche d'un acteur atypique du cloud

Alors que tout le monde se concentre sur CoreWeave et les trois grands géants du cloud, un “cheval noir” inattendu du cloud se lève discrètement : Oracle Cloud.

Il n'appartient pas à Neocloud, ni au premier niveau des trois grands géants de la technologie, mais grâce à une conception d'architecture hautement flexible et à une collaboration approfondie avec Nvidia, il a réussi à obtenir des contrats pour une partie de la charge de calcul de Cohere, xAI, et même OpenAI.

Surtout lorsque le levier de Neocloud devient progressivement tendu et que l'espace cloud traditionnel est insuffisant, Oracle, avec son positionnement « neutre » et « remplaçable », devient une couche tampon importante de la deuxième vague de la chaîne d'approvisionnement en puissance de calcul AI.

Son existence nous montre également que cette bataille pour la puissance de calcul ne se limite pas à une confrontation entre trois géants, mais qu'il existe également des fournisseurs atypiques mais stratégiquement significatifs comme Oracle qui s'installent discrètement.

Mais n'oubliez pas que la table de jeu ne se trouve pas seulement dans la Silicon Valley, mais s'étend à l'ensemble des marchés financiers mondiaux.

Le « garant caché » du gouvernement convoité par tous.

Enfin, dans cette partie dominée par des géants de la technologie et des finances privées, il y a une potentielle « carte maîtresse » - le gouvernement. Bien qu'OpenAI ait récemment déclaré « ne pas avoir et ne pas souhaiter » que le gouvernement garantisse des prêts pour les centres de données, les discussions avec le gouvernement concernent la garantie potentielle des usines de puces plutôt que des centres de données. Mais je pense qu'ils (ou des participants similaires) avaient sûrement inclus dans leur plan initial l'option de « faire entrer le gouvernement dans le jeu ».

Comment dire ? Si l'infrastructure de l'IA est suffisamment grande pour que même les dettes privées ne puissent pas être supportées, la seule issue est de passer à une compétition de puissance nationale. Une fois que le statut de l'IA est défini comme “sécurité nationale” ou “compétition lunaire du 21ème siècle”, l'intervention du gouvernement devient donc inévitable.

La manière la plus efficace d'intervenir n'est pas de débourser de l'argent directement, mais de fournir une “garantie”. Cette approche offre un avantage décisif : réduire considérablement le coût du financement.

Les investisseurs d'un âge similaire au mien devraient se souvenir de Freddie Mac ( et Fannie Mae ). Ces deux « entreprises sponsorisées par le gouvernement » (Government Sponsored Enterprises ; GSEs) ne font pas partie des départements officiels du gouvernement américain, mais le marché croit généralement qu'elles ont une « garantie implicite du gouvernement ».

Ils achètent des prêts hypothécaires auprès des banques, les regroupent en MBS et les garantissent, puis réorientent le capital vers le marché des prêts hypothécaires après les avoir vendus sur le marché public, augmentant ainsi les fonds disponibles pour le prêt. C'est donc leur existence qui a amplifié l'impact du tsunami financier de 2008.

Imaginez qu'à l'avenir, il y ait une “société nationale de puissance de calcul AI”, garantie implicitement par le gouvernement. Les obligations qu'elle émettra seront considérées comme des obligations quasi-souveraines, avec un taux d'intérêt se rapprochant infiniment de celui des obligations du Trésor américain.

Cela va changer radicalement le concept de « acheter du temps pour que la productivité augmente » mentionné précédemment :

Coût de financement très bas : Plus le coût d'emprunt est bas, moins les exigences pour la “vitesse d'amélioration de la productivité de l'IA” sont élevées.

Temps prolongé indéfiniment : Plus important encore, il est possible de prolonger de manière continue à un coût très bas (Roll over), équivalent à acheter presque un temps infini.

En d'autres termes, cette pratique réduit considérablement les chances que le pari « explose » directement. Mais une fois que cela se produit, l'impact peut s'étendre par dizaines.

06 billions de dollars en jeu - La véritable clé de la « productivité »

Toutes les structures financières mentionnées ci-dessus - SPV, Neocloud, obligations privées - peu importe leur sophistication, ne répondent qu'à la question « comment payer ».

La question fondamentale est de savoir si l'infrastructure de l'IA deviendra une bulle : « L'IA peut-elle vraiment augmenter la productivité ? » et « À quelle vitesse ? »

Tous les arrangements de financement d'une durée de 10 ou 15 ans visent essentiellement à « acheter du temps ». L'ingénierie financière offre aux géants une période de répit, sans nécessité de résultats immédiats. Mais acheter du temps a un coût : les investisseurs de Blue Owl et de Blackstone (fonds de pension, fonds souverains, détenteurs d'ETF) recherchent un rendement d'intérêts stable, tandis que les investisseurs en capital de Neocloud ont besoin d'une multiplication de la valorisation.

Le « taux de rendement attendu » de ces financements est le seuil que la productivité de l'IA doit franchir. Si l'augmentation de la productivité apportée par l'IA ne peut pas compenser le coût élevé du financement, cette structure délicate commencera à s'effondrer par le point le plus faible (« coussin de capitaux propres »).

Ainsi, au cours des prochaines années, il sera particulièrement important de se concentrer sur deux aspects suivants :

Vitesse de lancement des « solutions applicatives » dans divers domaines : un puissant modèle (LLM) ne suffit pas. Il faut voir de véritables « logiciels » et « services » qui incitent les entreprises à débourser de l'argent. Ces applications doivent se généraliser à grande échelle, avec des flux de trésorerie suffisamment importants pour rembourser le capital et les intérêts des énormes coûts d'infrastructure.

Contraintes externes : le centre de données AI est un monstre qui consomme de l'électricité. Avons-nous suffisamment de puissance électrique pour soutenir la demande exponentielle en capacité de calcul ? La vitesse de mise à niveau du réseau électrique est-elle à la hauteur ? L'approvisionnement en GPU Nvidia et autres matériels rencontrera-t-il des goulets d'étranglement, rendant son exécution « plus lente » que le calendrier exigé par les contrats financiers ? Les risques du côté de l'offre pourraient épuiser tout le « temps acheté ».

En résumé, c'est une course entre la finance (coût de financement) et la physique (électricité, matériel) ainsi que le commerce (application pratique).

Nous pouvons également estimer de manière approximative, par des moyens quantitatifs, quelle amélioration de la productivité l'IA doit apporter pour éviter une bulle :

Selon les estimations de Morgan Stanley, cette vague d'investissements dans l'IA devrait atteindre 3 000 milliards de dollars d'ici 2028.

Le coût d'emprunt des SPV de Meta mentionné précédemment est d'environ 6 à 7 %, tandis que selon Fortune, le taux d'endettement moyen de CoreWeave est d'environ 9 %. Supposons que la plupart des dettes privées dans l'industrie exigent un rendement de 7 à 8 % et un ratio de dette à capital propre de 3:7, cela signifie que le ROI de ces infrastructures AI ( (calculé sur la base de l'EBITDA et des dépenses en capital totales) doit être de 12 à 13 % pour que le rendement des capitaux propres dépasse 20 %.

Donc, l'EBITDA requis = 3 trillions × 12 % = 360 milliards de dollars ; si l'on calcule avec un taux de marge EBITDA de 65 %, le chiffre d'affaires correspondant est d'environ 550 milliards de dollars ;

Avec un PIB d'environ 29 000 milliards de dollars américains, un nouvel output équivalant à environ 1,9 % du PIB devra être soutenu à long terme par l'IA.

Ce seuil n'est pas bas, mais ce n'est pas non plus une chimère. En 2025, le revenu total de l'industrie mondiale du cloud devrait être d'environ 400 milliards de dollars, en d'autres termes, nous devons au moins voir l'IA permettre la recréation d'une à deux industries cloud. La clé réside dans la vitesse de monétisation des applications et la capacité à surmonter les contraintes physiques.

Tests de résistance en situation de risque : Que se passe-t-il lorsque le « temps » manque ?

Toutes les structures financières mentionnées ci-dessus parient sur le fait que la productivité peut dépasser le coût du financement. Permettez-moi d'utiliser deux tests de résistance pour simuler la réaction en chaîne lorsque la vitesse de réalisation de la productivité de l'IA est inférieure aux attentes :

Dans le premier cas, nous supposons que la productivité de l'IA est réalisée « lentement » (par exemple, qu'elle n'atteint l'échelle qu'après 15 ans, mais que de nombreux financements pourraient être sur une période de 10 ans) :

Neocloud est tombé en premier : des opérateurs indépendants à fort levier comme CoreWeave, dont les revenus ne peuvent couvrir les intérêts élevés, voient leur « coussin de capitaux propres » entièrement consommé, entraînant des défauts de paiement ou des restructurations à prix réduit.

Le SPV fait face à un risque de renouvellement : pour des dettes de SPV comme celles de Hyperion, Meta doit décider s'il refinance à un taux d'intérêt plus élevé (le marché a déjà été témoin de l'échec de Neocloud), ce qui érodera les bénéfices de son cœur de métier.

Les LPs des fonds de crédit privé subissent d'énormes pertes, les valorisations des actions technologiques étant considérablement révisées à la baisse. C'est un “échec coûteux”, mais cela ne provoquera pas d'effondrement systémique.

Dans le deuxième cas, nous supposons que la productivité de l'IA a été « réfutée » (les progrès technologiques stagnent ou les coûts ne peuvent pas être réduits et mis à l'échelle) :

Les géants de la technologie pourraient opter pour un “défaut stratégique” : c'est le pire des scénarios. Des géants comme Meta pourraient juger que “continuer à payer le loyer” est un gouffre sans fond, et choisir de résilier le bail de force, forçant ainsi une restructuration de la dette de SPV.

Effondrement des obligations SPV : Les obligations considérées comme de catégorie A+ comme Hyperion verront leur crédit se détacher instantanément de Meta, entraînant une chute des prix.

Il pourrait détruire complètement le marché du « financement des infrastructures » des prêts privés et il y a de fortes chances, grâce à la connectivité mentionnée, de déclencher une crise de confiance sur les marchés financiers.

Le but de ces tests est de transformer la question floue « s'agit-il d'une bulle » en une analyse de situation concrète.

07 Thermomètre de risque : liste de contrôle pratique pour les investisseurs

Et en ce qui concerne les changements de confiance du marché, je vais continuer à surveiller cinq choses, comme un thermomètre de risque :

Vitesse de réalisation de la productivité des projets d'IA : inclut l'accélération ou le ralentissement des revenus prévus des grands modèles ) croissance linéaire ou croissance exponentielle), différentes applications de produits et projets d'IA.

Prix des actions de la société Neocloud, taux de rendement des obligations, annonces : comprenant de grandes commandes, défauts/de modifications, refinancement de la dette (certaines obligations privées arriveront à échéance vers 2030, nécessitant une attention particulière), rythme d'augmentation de capital.

Prix/écart des obligations SPV de deuxième niveau : des obligations privées 144A comme Hyperion maintiennent-elles une valeur supérieure à leur valeur nominale, les transactions sont-elles actives, et les positions des ETF augmentent-elles ?

Changements de qualité des clauses de durée : ratio take-or-pay, durée minimale de conservation, concentration des clients, mécanisme d'ajustement des prix (ajustement des prix de l'électricité/taux d'intérêt/prix par rapport à l'inflation).

Avancement de l'électricité et innovations technologiques possibles : en tant que facteur externe susceptible de devenir un goulot d'étranglement, il est nécessaire de prêter attention aux signaux politiques concernant les postes de transformation, la distribution et la tarification de l'électricité. Il faut également se demander s'il existe de nouvelles technologies capables de réduire considérablement la consommation d'électricité.

Pourquoi ce n'est pas une répétition de 2008 ?

Certaines personnes peuvent faire des comparaisons avec la bulle de 2008. Je pense que cette approche peut entraîner des erreurs d'appréciation :

Le premier point concerne la nature fondamentalement différente des actifs clés : IA vs. immobilier

Le cœur de la crise des subprimes de 2008 était « les maisons ». Les maisons elles-mêmes n'apportent pas de contribution productive (la croissance des revenus locatifs est très lente). Lorsque les prix de l'immobilier se détachent des fondamentaux des revenus des ménages et sont empaquetés en produits dérivés financiers complexes, l'éclatement de la bulle n'est qu'une question de temps.

Et l'actif central de l'IA est la “puissance de calcul”. La puissance de calcul est l'“outil de production” de l'ère numérique. Tant que vous croyez que l'IA a de fortes chances, à un moment donné dans le futur, d'augmenter de manière substantielle la productivité de toute la société (développement de logiciels, recherche pharmaceutique, service client, création de contenu), il n'y a pas lieu de s'inquiéter. C'est un “avance” sur la productivité future. Il a un véritable fondement comme point d'ancrage, mais n'est pas encore entièrement réalisé.

Le deuxième point réside dans les différences clés des structures financières : financement direct vs. banques

La bulle de 2008 s'est largement propagée par des points clés (les banques). Les risques se sont transmis par le biais du “financement indirect par les banques”. La faillite d'une banque (comme Lehman) a déclenché une crise de confiance envers toutes les banques, entraînant le gel du marché interbancaire et, finalement, provoquant une crise financière systémique touchant tout le monde (y compris une crise de liquidité).

Et maintenant, la structure de financement des infrastructures AI repose principalement sur le « financement direct ». Si la productivité de l'IA est réfutée, que CoreWeave fait faillite et que Blackstone fait défaut sur sa dette de 7,5 milliards de dollars, cela représenterait une énorme perte pour les investisseurs de Blackstone (fonds de pension).

Après 2008, le système bancaire est en effet devenu plus robuste, mais nous ne devons pas trop simplifier en pensant que les risques peuvent être complètement « contenus » sur le marché privé. Par exemple, les fonds de crédit privés peuvent également amplifier les rendements en utilisant l'effet de levier bancaire. Si les investissements en IA échouent généralement, ces fonds pourraient subir d'énormes pertes qui pourraient encore se propager par deux voies :

Défaillance de levier : La défaillance de financement par levier des fonds envers les banques renvoie le risque au système bancaire.

Impact sur les LPs : les fonds de pension et les compagnies d'assurance subissent des pertes d'investissement massives, entraînant une détérioration de leur bilan, ce qui les pousse à vendre d'autres actifs sur le marché public, déclenchant un effet d'entraînement.

Il est donc plus précis de dire : « Ce n'est pas une crise de liquidité interbancaire avec un point de rupture unique et un gel total comme en 2008. » Le pire scénario serait un « échec coûteux », avec une contagion plus faible et une propagation plus lente. Cependant, compte tenu de l'opacité du marché privé, nous devons rester très vigilants face à ce nouveau type de risque de contagion lent.

Inspiration pour les investisseurs : à quel niveau de ce système êtes-vous ?

Revenons à la question initiale : l'infrastructure de l'IA est-elle une bulle ?

La formation et l'éclatement des bulles proviennent de l'énorme écart entre les bénéfices escomptés et les résultats réels. Je pense que, dans l'ensemble, ce n'est pas une bulle, mais plutôt un agencement financier à effet de levier élevé et précis. Cependant, en ce qui concerne le risque, au-delà de certains aspects qui nécessitent une attention particulière, il ne faut pas non plus sous-estimer l'« effet de richesse négatif » que peuvent engendrer de petites bulles.

Pour les investisseurs, dans cette course à l'infrastructure AI de plusieurs billions de dollars, vous devez savoir ce que vous pariez en détenant différents actifs :

Actions des géants de la technologie : vous pariez que la productivité de l'IA peut dépasser le coût du financement.

Prêts privés : vous gagnez des intérêts stables, mais vous prenez le risque que « le temps pourrait manquer ».

Neocloud actions : vous êtes le premier coussin de sécurité avec le risque et le rendement les plus élevés.

Dans ce jeu, la position détermine tout. Comprendre cette série de structures financières est la première étape pour trouver votre propre position. Et comprendre qui « curate » ce spectacle est la clé pour déterminer quand ce jeu se termine.