Le boom des dépenses d’IA des géants de la tech peut-il devenir un choc de crédit ?

La course aux infrastructures d’intelligence artificielle ne se joue plus seulement dans les résultats des entreprises technologiques. Elle devient aussi une question de crédit : les dépenses augmentent plus vite que les flux de trésorerie capables de les financer.

Alphabet, Amazon, Meta et Microsoft devraient investir ensemble environ 730 à 760 milliards de dollars en dépenses d’investissement — le capex, c’est-à-dire les dépenses consacrées aux équipements et aux infrastructures — en 2026, selon des estimations citées par Janus Henderson. Les évaluations varient selon les périodes comptables et les méthodes retenues ; cette fourchette est donc plus pertinente qu’un chiffre unique.

Cela ne fait pas de ces quatre groupes des candidats probables à un défaut à court terme. Moody’s souligne qu’ils disposent encore de certains des bilans les plus solides au monde, tout en avertissant que la course à l’IA réduit leur trésorerie disponible et accroît le risque financier. La vraie question est ailleurs : qui absorberait les pertes si les revenus du cloud et de l’IA ne justifiaient pas les infrastructures construites à grande échelle ?

Une marge de trésorerie qui se réduit

De vastes programmes d’investissement restent soutenables lorsqu’ils produisent des rendements suffisamment élevés à terme. Le problème est que les dépenses sont immédiates, tandis que le taux d’utilisation des installations, le pouvoir de fixation des prix et les revenus issus de l’IA restent incertains.

Alphabet illustre cette tension. Le groupe a relevé sa prévision de dépenses d’investissement pour 2026 à 195–205 milliards de dollars. Cette accélération a fait passer son flux de trésorerie disponible trimestriel en territoire négatif, selon CNBC. Reuters a également rapporté que les hyperscalers commençaient à obtenir des retours de leurs investissements dans l’IA, mais que le coût du déploiement pesait sur leurs flux de trésorerie.

Un seul trimestre négatif ne constitue pas un signe d’insolvabilité. En revanche, des déficits répétés peuvent accroître la dépendance aux réserves de liquidités, aux obligations, aux émissions d’actions, aux contrats de location et à d’autres engagements de long terme. Le risque ne relève alors plus seulement d’un cycle d’investissement technologique : il devient aussi un cycle de financement.

Le décalage propre aux infrastructures d’IA

Les infrastructures nécessaires à l’IA regroupent des actifs dont la durée de vie économique est très différente :

• Les GPU et autres équipements peuvent perdre rapidement de la valeur si une nouvelle génération offre de meilleures performances ou des coûts plus faibles.
• Les data centers et les infrastructures électriques sont durables, coûteux et difficiles à réaffecter à d’autres usages.
• La concurrence peut peser sur les prix du cloud lorsque plusieurs fournisseurs ajoutent des capacités en même temps.
• Les engagements de construction, d’équipement et d’approvisionnement énergétique peuvent subsister même lorsqu’un client ralentit son expansion.

Si la demande d’IA déçoit, un hyperscaler peut réduire ses futurs investissements. Cela n’annule pas nécessairement les bâtiments déjà en construction, les équipements commandés, les baux signés ou la dette levée pour financer les projets. Les premières pertes pourraient donc toucher les propriétaires d’infrastructures et leurs financeurs plutôt que le grand groupe technologique lui-même.

Le financement hors bilan peut déplacer le risque

Le déploiement est financé par un mélange de dette d’entreprise, de contrats de location, de coentreprises, d’entités dédiées aux projets, de garanties et de capitaux de tiers. La Banque des règlements internationaux décrit notamment des montages dans lesquels une structure ad hoc développe ou acquiert un data center, lève de la dette, puis s’appuie sur des baux d’exploitation de long terme ou sur des engagements de capacité d’un hyperscaler.

Ces montages peuvent rester économiquement liés à un hyperscaler sans que l’emprunt apparaisse comme une dette d’entreprise classique dans ses comptes. Une mise à jour de Moody’s publiée en juillet faisait état d’environ 1 200 milliards de dollars d’obligations de location de data centers pour Amazon, Alphabet, Meta, Microsoft, Oracle et CoreWeave. Plus de 820 milliards de dollars concernaient des installations encore en construction.

Il faut toutefois interpréter avec prudence les estimations de « dette cachée » liée à l’IA. Un total de 3 000 milliards de dollars peut regrouper, selon les calculs, des baux, des engagements d’achat, des garanties et d’autres obligations contractuelles. Il n’est donc pas automatiquement comparable à la dette publiée au bilan. Le constat plus solide est le suivant : la dette visible ne recense pas nécessairement toutes les créances créées par le boom des infrastructures.

Le crédit privé face à son premier véritable test

Les prêteurs privés participent de plus en plus au financement des data centers, de la construction, des terrains, des équipements électriques et des infrastructures connexes. Une étude de Columbia Business School, citant des estimations de Morgan Stanley, indique que plus de la moitié des quelque 2 900 milliards de dollars nécessaires pour répondre aux besoins supplémentaires de capacité informatique des hyperscalers entre 2025 et 2028 pourrait provenir de capitaux externes. Le crédit privé devrait représenter une large part du financement par dette.

Plusieurs fragilités se combinent :

• l’ouverture retardée d’un data center peut repousser les revenus alors que les intérêts continuent de courir ;
• une demande plus faible des locataires peut dégrader leur capacité à assurer le service de la dette ;
• la baisse de valeur des GPU ou des équipements peut réduire les garanties au moment même où les flux d’exploitation diminuent ;
• des fonds de crédit privé confrontés à des demandes de rachat peuvent être contraints de réévaluer des actifs difficiles à vendre.

Un défaut d’un hyperscaler ne serait donc pas nécessaire pour créer des tensions. Une baisse des valorisations ou des décotes sur des actifs peu liquides pourrait déjà provoquer des besoins de financement supplémentaires.

Les écarts de rendement des obligations pourraient s’élargir

Les hyperscalers empruntent généralement à moindre coût que les entreprises plus fragiles. Mais un volume massif d’émissions sollicite tout de même la capacité des investisseurs à absorber de nouvelles obligations. La Réserve fédérale de Dallas identifie trois canaux à surveiller : l’augmentation des émissions à long terme des entreprises bien notées, le refinancement des prêts du crédit privé et le risque d’éviction d’autres émetteurs financiers. Ces mécanismes peuvent peser sur l’offre de duration et sur les taux d’intérêt.

Si les flux de trésorerie disponibles diminuent tandis que la dette et les engagements de location progressent, les analystes de crédit pourraient se montrer plus prudents sur l’endettement et la politique financière des groupes technologiques. Moody’s a averti que les dépenses d’IA, les ventes d’actions et les financements hors bilan pouvaient menacer la qualité du crédit, tout en rappelant la solidité fondamentale de ces entreprises.

La contagion potentielle dépasserait le secteur technologique. Les opérateurs de data centers, les énergéticiens, les télécoms, les entreprises de construction, les fabricants de puces et d’autres emprunteurs industriels pourraient voir leurs écarts de rendement augmenter si les investisseurs exigeaient une rémunération plus élevée pour une exposition commune à l’IA.

La finance structurée peut amplifier les pertes

Les flux de trésorerie des data centers, les créances locatives, les prêts d’équipement et la dette de projet peuvent être financés ou regroupés dans des véhicules de financement structuré. Ces montages peuvent sembler robustes lorsqu’ils reposent sur un locataire très bien noté et engagé sur le long terme.

La protection est toutefois moins complète lorsque de nombreux projets dépendent du même petit groupe d’hyperscalers et des mêmes hypothèses de demande. Une réduction coordonnée des investissements pourrait entraîner simultanément :

• des renégociations de baux ;
• des violations de clauses financières ;
• une baisse de la valeur des garanties ;
• une révision à la baisse de la valeur résiduelle des équipements.

Les investisseurs seniors conserveraient généralement une certaine protection, mais les tranches subordonnées, les prêteurs de lignes de financement temporaires et les actionnaires seraient davantage exposés. Le danger tient à la corrélation : des actifs qui semblent diversifiés pris séparément peuvent tous perdre de la valeur pour la même raison.

La dette publique, un canal indirect

Les dépenses d’IA ne devraient pas, à elles seules, provoquer une crise de la dette souveraine. Leur effet sur les marchés obligataires publics passerait plutôt par la concurrence pour les capitaux et par une hausse de la prime de terme, c’est-à-dire la rémunération supplémentaire exigée pour détenir des obligations à longue échéance.

Les émissions massives des entreprises et du financement de projets arrivent alors que les États doivent eux aussi refinancer une dette importante. Si les investisseurs demandent une rémunération plus élevée pour la durée ou le risque de crédit, les rendements peuvent progresser pour les emprunteurs publics comme privés. Des taux plus élevés renchériraient ensuite le financement des data centers, des réseaux électriques et des autres infrastructures, accentuant la pression sur les projets à la rentabilité marginale.

Le risque systémique vient de la concentration

La préoccupation des marchés n’est pas une prévision d’effondrement soudain d’Alphabet, Amazon, Meta ou Microsoft. Il s’agit d’un scénario de choc commun. Dans l’enquête de Bank of America auprès des gestionnaires de fonds, 38 % des répondants ont désigné les dépenses d’investissement des hyperscalers dans l’IA comme la source la plus probable d’un événement de crédit systémique.

Cette inquiétude tient à la concentration. Les mêmes entreprises soutiennent la demande de puces avancées, d’électricité, de construction, de capacité de data centers et de financement. Lorsque les rendements restent élevés, cette concentration accélère l’investissement. Mais si les rendements déçoivent, ces entreprises peuvent réduire leurs dépenses ensemble et transmettre le choc simultanément aux prêteurs, aux bailleurs, aux énergéticiens, aux fournisseurs et aux véhicules de titrisation.

Quels indicateurs suivre ?

Les dépenses d’investissement ne suffisent pas à mesurer le risque. Les investisseurs devront surtout surveiller :

1. La croissance des revenus de l’IA et du cloud, comparée aux coûts d’amortissement, d’électricité, de location et de financement.
2. Le flux de trésorerie disponible après les dépenses d’investissement et les contrats de location-financement.
3. Le taux d’utilisation et les prix des data centers, notamment lorsque plusieurs fournisseurs augmentent leurs capacités.
4. Le démarrage ou l’annulation des baux concernant les installations encore en construction.
5. Les pratiques d’octroi de prêts du crédit privé et la liquidité des fonds, en particulier leur exposition à un locataire ou à une région unique.
6. Les émissions obligataires, les perspectives de notation et les écarts de rendement des hyperscalers et des emprunteurs d’infrastructures associés.
7. La valeur de revente des GPU et des équipements, qui influence les garanties et les taux de récupération en cas de défaut.

Le risque resterait maîtrisable si les revenus de l’IA et les flux de trésorerie d’exploitation finissaient par progresser plus vite que les nouveaux investissements. Une estimation de marché prévoit que la croissance des bénéfices et des flux de trésorerie des hyperscalers pourrait dépasser celle du capex additionnel vers la fin de 2027 ou en 2028. Il s’agit toutefois d’une prévision, pas d’un résultat acquis.

Le véritable point de rupture serait une croissance durable des revenus inférieure au niveau nécessaire pour couvrir les amortissements, l’électricité, les loyers, les coûts de financement et les nouveaux investissements. Dans ce scénario, le boom de l’IA passerait d’une expansion rentable des capacités à un cycle de surcapacité : les hyperscalers supporteraient des rendements plus faibles, tandis que les intermédiaires plus endettés feraient face à des défauts, à une dépréciation de leurs garanties, à des difficultés de refinancement et à un élargissement généralisé des spreads de crédit.