Dette des data centers d’IA : le prochain test du crédit privé ?

Le besoin de financement est trop vaste pour être vu comme une simple affaire d’autofinancement. La Banque des règlements internationaux, institution souvent appelée BRI, indique que les besoins actuels et attendus d’investissement liés à l’IA sont si importants que les entreprises passent progressivement des flux de trésorerie opérationnels à la dette, avec un rôle du crédit privé en forte hausse ^[3].

Apollo souligne un point clé de transparence : les émissions obligataires publiques des grands fournisseurs de cloud, ou hyperscalers, sous-estiment la formation réelle de crédit liée à l’IA, car elles excluent de grands financements privés destinés à l’infrastructure de ces acteurs en dehors des marchés obligataires traditionnels ^[5]. Autrement dit, les chiffres visibles sur le marché obligataire ne montrent pas forcément tout le levier accumulé derrière les capacités dédiées aux centres de données.

Pourquoi le crédit privé est le point sensible

Le crédit privé peut financer des projets sur mesure, lourds en capital, que les marchés publics absorbent moins facilement. Mais il a un revers : les prêts bilatéraux, fonds privés et véhicules spécialisés rendent l’exposition totale plus difficile à suivre pour les investisseurs extérieurs.

Quinn Emanuel indique que des entreprises technologiques ont utilisé obligations d’entreprise, crédit privé et véhicules ad hoc hors bilan pour combler leurs besoins de financement dans l’infrastructure IA, déplaçant plus de 120 milliards de dollars de dépenses de centres de données hors bilan en moins de deux ans ^[2][7]. La même analyse cite les prêts directs, structures de SPV, titrisations et financements garantis par des GPU parmi les mécanismes associés au boom des centres de données IA ^[2][7].

Ces montages ne sont pas illégitimes en soi. Dans le financement de projet, isoler un actif ou un flux de revenus dans un véhicule dédié peut être utile. Mais ils compliquent les questions essentielles : qui supporte vraiment le risque final ? Que vaut le collatéral si le marché se retourne ? Quelle part du remboursement dépend de revenus IA encore projetés plutôt que de flux déjà contractés ?

Le décalage central : investir maintenant, encaisser plus tard

Le risque de crédit le plus important est un risque de calendrier. Quinn Emanuel évalue les revenus de l’IA à environ 60 milliards de dollars en 2025, contre environ 400 milliards de dollars de dépenses d’investissement, ou capex ^[7]. Cresset signale aussi un écart croissant entre les capex IA et les revenus effectivement réalisés, et note que le crédit privé finance de plus en plus la croissance IA sur la base de revenus projetés plutôt que d’actifs tangibles ^[8].

Cela ne prouve pas que ces investissements échoueront. Mais cela signifie que le service de la dette peut dépendre d’hypothèses encore en construction : taux d’utilisation des centres de données, prix du calcul, demande finale, monétisation des services IA et conditions de refinancement. Si les prêteurs supposent que tout progressera sans accroc, une déception modérée peut suffire à provoquer une réévaluation des risques.

Les structures à regarder de près

Tous les prêts liés à l’infrastructure IA ne sont pas fragiles. Les zones les plus vulnérables sont celles où le remboursement dépend surtout de projections, de valeurs de collatéral ou du soutien du sponsor, plutôt que de flux de trésorerie contractés et robustes.

• SPV et véhicules hors bilan. Les véhicules ad hoc peuvent isoler le risque d’un projet, mais aussi rendre l’exposition du sponsor moins lisible. Apollo cite la structure Beignet de Meta comme un SPV utilisé pour financer une capacité dédiée de centres de données, tandis que Quinn Emanuel identifie les SPV hors bilan comme une composante du financement des data centers IA ^[5][7].
• Prêts adossés aux GPU et aux équipements. Quinn Emanuel cite des facilités garanties par des GPU parmi les structures utilisées ^[2]. Si l’emprunteur est en difficulté, le recouvrement dépendra de la valeur économique restante de ces équipements et de la possibilité de les revendre ou de les refinancer.
• Titrisations et financements adossés à des actifs. Brandywine estime que l’infrastructure IA devient une opportunité pour le crédit, en particulier pour les titres adossés à des actifs, tandis que Quinn Emanuel cite les titrisations dans le financement des centres de données IA ^[1][2].
• Immobilier de centres de données et financement de projet. La Réserve fédérale de Chicago indique que l’IA est entrée dans l’exposition bancaire à l’immobilier commercial surtout via les investissements dans les centres de données ^[4]. Elle décrit aussi un scénario de risque extrême dans lequel des difficultés chez les emprunteurs logiciels liés à l’IA réduiraient l’investissement et auraient des effets de second tour sur les centres de données, les entreprises d’énergie et les fabricants de semi-conducteurs ^[4].
• Levier des acteurs non bancaires. Un compte rendu de la perspective de liquidité 2026 de S&P Global Ratings présente le crédit privé comme une source de financement en forte croissance et indique que la transparence limitée, combinée au recours au financement de court terme chez des institutions financières non bancaires très endettées, peut devenir une source de fragilité financière ^[10].

Comment un stress pourrait se propager

Un scénario de stress n’exigerait pas que la demande d’IA disparaisse. Il pourrait commencer plus simplement : les capex continuent de dépasser les revenus réalisés, puis les prêteurs révisent leurs hypothèses d’utilisation, de valeur du collatéral et de refinancement pour les centres de données et les GPU ^[7][8].

L’opacité serait alors le canal de transmission. Si les émissions publiques ne reflètent pas les grands financements privés, le marché peut manquer d’une vue claire sur l’endettement total lié à l’IA jusqu’au moment où les projets doivent être refinancés, où les sponsors doivent remettre du capital, ou où des défauts apparaissent ^[5].

Les banques ne sont pas complètement en dehors du sujet. Le scénario de risque extrême décrit par la Fed de Chicago relie un stress chez des emprunteurs logiciels liés à l’IA à une baisse de l’investissement, puis à des effets négatifs sur les centres de données, l’énergie et les semi-conducteurs ^[4]. Même si le cœur du risque se situe dans le crédit privé, les effets peuvent donc traverser plusieurs segments du financement.

Pourquoi ce n’est pas forcément une crise annoncée

Les éléments disponibles justifient la vigilance, pas le catastrophisme. La BRI observe un basculement de l’autofinancement vers la dette, Apollo avertit que les émissions publiques sous-estiment la formation totale de crédit IA, et Quinn Emanuel recense des structures complexes liées aux centres de données IA ^[2][3][5]. Ces faits ne suffisent toutefois pas à prouver que les expositions sont assez larges, levierisées et connectées pour menacer l’ensemble du système financier.

La différence se jouera dans l’origination. Une dette adossée à des contrats solides, à des sponsors puissants et à des flux de trésorerie durables n’a pas le même profil qu’une dette reposant surtout sur des revenus IA anticipés, des valeurs de collatéral optimistes et un refinancement facile. L’avertissement de Cresset sur le financement de certaines trajectoires de croissance IA à partir de revenus projetés plutôt que d’actifs tangibles résume bien la ligne de partage ^[8].

Les signaux d’alerte à suivre

Les indicateurs pratiques sont assez concrets :

• des capex IA qui continuent de dépasser les revenus réalisés ^[7][8] ;
• une part croissante des investissements IA financée par dette et crédit privé plutôt que par flux de trésorerie opérationnels ^[3] ;
• davantage de financements privés et de SPV en dehors des marchés obligataires publics ^[2][5][7] ;
• la croissance des prêts directs, titrisations, titres adossés à des actifs et facilités garanties par des GPU liés à l’infrastructure IA ^[1][2] ;
• une origination fondée sur des revenus IA projetés plutôt que sur des flux contractés ou des actifs tangibles ^[8] ;
• l’exposition bancaire à l’immobilier de centres de données et les effets de second tour possibles sur l’énergie ou les semi-conducteurs ^[4] ;
• un recours accru au levier ou au financement de court terme chez des institutions financières non bancaires peu transparentes ^[10].

En clair

La dette d’infrastructure IA est un candidat crédible au prochain grand test du crédit privé. Le risque n’est pas simplement que l’engouement pour l’IA retombe. Il est que des actifs lourds et de longue durée — centres de données, GPU, réseaux et capacités de calcul — soient financés par des structures de dette opaques avant que la base de revenus ne soit pleinement démontrée ^[2][3][5][8].

La bonne attitude est donc la prudence, pas l’alarme. Si l’usage de l’IA et sa monétisation rattrapent les investissements actuels, beaucoup d’opérations peuvent tenir. Si les revenus arrivent plus lentement que prévu, le stress apparaîtra probablement d’abord dans les prêts privés, SPV, titrisations, financements garantis par des GPU et dettes de centres de données, là où la visibilité du marché est la plus faible.