Comment l’IA transforme les marchés du crédit

Une autre photographie du marché faisait état des montants suivants :

• Amazon : environ 53 milliards de dollars de dette, dont une émission obligataire américaine de 37 milliards et plus de 16 milliards d’obligations libellées en euros ;
• Alphabet : environ 20 milliards de dollars d’obligations ;
• Oracle : environ 25 milliards de dollars levés pour soutenir son expansion dans l’IA.

Ces montants doivent toutefois être lus avec prudence. Le résultat varie selon la date retenue et selon que l’on inclut ou non les contrats de location, le crédit privé, les coentreprises et les véhicules de financement de projets. Il s’agit donc de repères, pas d’un classement définitif des entreprises les plus endettées au titre de l’IA.

Pourquoi des entreprises riches en liquidités empruntent-elles ?

Le changement est notable. Les grandes entreprises technologiques ont longtemps financé leurs investissements principalement grâce à leurs flux de trésorerie internes. Mais le déploiement de l’IA exige plusieurs dépenses lourdes en même temps : processeurs avancés, équipements réseau, terrains, bâtiments, refroidissement et électricité.

Surtout, ces dépenses interviennent avant que les revenus tirés des nouveaux services d’IA soient pleinement établis. Les entreprises doivent donc construire les infrastructures aujourd’hui, alors que la demande et la rentabilité futures restent difficiles à mesurer.

Les dépenses cumulées des grandes entreprises technologiques devraient dépasser 730 milliards de dollars en 2026, selon Reuters, contre une estimation précédente d’environ 700 milliards. D’autres projections citées dans les analyses disponibles sont encore plus élevées, ce qui illustre l’incertitude entourant l’ampleur finale du cycle d’investissement.

L’endettement permet de réserver des capacités et de lancer les constructions sans attendre que les activités d’IA génèrent suffisamment de trésorerie. Les obligations ne sont toutefois qu’un des outils utilisés : les entreprises recourent aussi aux locations, aux augmentations de capital, au crédit privé, aux fonds d’infrastructure et aux coentreprises.

Le revers de cette stratégie est un transfert du risque. Une part croissante du risque d’exécution passe des réserves de trésorerie des groupes technologiques vers les obligataires, les prêteurs et les investisseurs dans les projets.

Un marché obligataire plus encombré et plus exigeant

L’effet immédiat est une forte augmentation de l’offre d’obligations d’entreprises bien notées, souvent à longue maturité. Plus les géants technologiques sollicitent le marché, plus les investisseurs doivent arbitrer le montant de dette qu’ils sont prêts à absorber et le rendement qu’ils exigent en contrepartie.

Reuters a rapporté que les grands émetteurs empruntaient progressivement à des taux plus élevés, alors que la demande devenait plus sélective. Cette évolution peut se traduire par :

• des rendements exigés plus importants ;
• un élargissement des écarts de crédit ;
• des concessions plus élevées lors des nouvelles émissions ;
• une hausse des coûts de refinancement ;
• un recours accru aux obligations en euros ou dans d’autres devises, au crédit privé et aux montages hors bilan.

Les conséquences pour les bons du Trésor américain sont plus indirectes. Une vague d’émissions d’entreprises peut intensifier la concurrence pour les capitaux sensibles à la duration et contribuer à la pression sur les taux longs. Mais les rendements des Treasuries restent d’abord déterminés par la conjoncture, les anticipations d’inflation, la politique monétaire et l’offre de dette publique. L’emprunt lié à l’IA constitue donc une source supplémentaire de demande de financement à long terme, et non une explication autonome des mouvements du marché obligataire souverain.

La Banque des règlements internationaux a également relevé la forte progression des émissions obligataires des hyperscalers, leur caractère largement long terme et la hausse des écarts de credit default swaps, particulièrement pour les émetteurs les moins bien notés. Ces mouvements traduisent les interrogations des investisseurs sur la rentabilité finale des projets.

NVIDIA veut ouvrir un second circuit de financement

En août, NVIDIA a annoncé des partenariats avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR. L’objectif est de mettre en place des plateformes de financement du calcul capables de mobiliser, à terme, plus de 500 milliards de dollars de capitaux provenant de tiers.

Le dispositif ne consiste pas simplement à faire émettre une nouvelle obligation par NVIDIA ou par un hyperscaler. Il doit permettre à des investisseurs extérieurs de financer des centres de données, des infrastructures électriques, des « usines d’IA » et l’achat de matériel NVIDIA au moyen de pools de capitaux dédiés.

NVIDIA présente cette approche comme un moyen de transformer le calcul et l’infrastructure complète de l’IA en une classe d’actifs investissable. Si le modèle fonctionne, une partie des infrastructures pourrait être portée par des fonds de capital-investissement, de crédit privé, d’infrastructure ou de financement de projets plutôt que directement par les bilans des hyperscalers.

Mais déplacer un actif hors du bilan de sa société mère ne fait pas disparaître le risque. Cela change simplement l’identité du propriétaire, du prêteur et de l’investisseur qui devra absorber les pertes si l’utilisation des équipements ou les revenus sont inférieurs aux prévisions.

Les risques suivis par les investisseurs

Des taux longs plus élevés

Une hausse des rendements des Treasuries augmente le coût total des obligations d’entreprises, des contrats de location et de la dette de projet. Elle réduit aussi la valeur actuelle de revenus attendus dans plusieurs années. Un projet rentable lorsque l’argent est peu coûteux peut devenir beaucoup moins convaincant si les charges d’intérêts augmentent.

Des revenus qui arrivent après la dette

Le financement d’une infrastructure est souvent conclu des années avant qu’un centre de données atteigne sa pleine utilisation. Le service de la dette, lui, commence selon un calendrier fixé à l’avance. Il existe donc un risque de décalage entre des paiements certains et une demande de calcul qui pourrait progresser plus lentement que prévu.

La question centrale n’est pas de savoir si les hyperscalers peuvent encore emprunter : nombre d’entre eux disposent d’une capacité financière considérable. Il faut plutôt déterminer si l’endettement global progresse plus vite que la demande durable et les flux de trésorerie générés par l’IA.

Oracle, un cas de risque plus spécifique

Oracle est particulièrement surveillé, car le groupe finance une expansion ambitieuse dans l’IA tout en étant plus sensible à l’endettement et aux conditions de refinancement que certains de ses concurrents disposant de réserves de liquidités plus importantes.

Des informations de marché ont fait état d’un élargissement marqué des spreads de credit default swaps d’Oracle, même si les niveaux exacts diffèrent selon la source et la date. Un spread plus large ne signifie pas qu’un défaut est imminent : il indique que le coût de l’assurance contre un défaut a augmenté et que les investisseurs réclament une rémunération plus élevée pour le risque de crédit perçu.

Le décalage entre les GPU et la dette

Les processeurs graphiques peuvent perdre rapidement de leur valeur économique à mesure que de nouvelles générations de puces apparaissent. Pourtant, les obligations ou les prêts destinés à les financer peuvent courir pendant plusieurs années.

Si les nouveaux processeurs rendent les anciens moins compétitifs, ou si leur taux d’utilisation diminue, la valeur des garanties peut baisser alors que le montant de la dette reste inchangé. Un bâtiment de centre de données peut rester utile pendant longtemps ; les équipements informatiques qu’il abrite sont, eux, exposés à une obsolescence technologique bien plus rapide.

Une concentration sur quelques clients

Les structures de financement de centres de données peuvent dépendre d’un nombre réduit de locataires hyperscale. Une réduction des dépenses, une renégociation de contrat ou un ralentissement de la demande de services cloud et d’IA chez un grand client pourrait affecter plusieurs projets à la fois, notamment lorsque les installations ont été conçues pour des charges de travail spécialisées.

La capacité d’absorption du marché comme limite

Les plus grandes entreprises technologiques peuvent, en théorie, augmenter leur dette sans perdre immédiatement leur statut d’émetteur de qualité investissement. Mais la capacité du marché obligataire à absorber cette offre à des conditions favorables n’est pas illimitée.

Une analyse citée par Goldman Sachs évoque un possible écart entre la dette que les hyperscalers pourraient contracter et le volume que le marché américain des obligations investment grade en dollars peut absorber confortablement.

Cette contrainte explique le développement des émissions en euros et dans d’autres devises, du crédit privé investment grade, des fonds d’infrastructure, des contrats de location et des obligations liées à des coentreprises. Ces canaux diversifient les sources de financement, mais peuvent aussi rendre plus difficile l’évaluation de l’endettement total de l’écosystème de l’IA.

À retenir

Le financement de l’IA est en train de passer d’un modèle principalement soutenu par la trésorerie des entreprises à un cycle plus large des marchés de capitaux, mêlant obligations publiques, crédit privé, fonds d’infrastructure, locations et financement de projets.

À court terme, le principal effet est une offre plus abondante d’obligations d’entreprises bien notées et une plus grande sélectivité des investisseurs. À plus long terme, le risque est celui d’un décalage entre des infrastructures et du matériel financés aujourd’hui et des revenus qui n’arriveraient que plus tard — ou à une échelle inférieure aux attentes.

La frontière se situe entre un cycle d’infrastructure productive et un cycle d’endettement. Le premier est soutenable si l’utilisation des capacités, les prix et les revenus des services d’IA progressent avant que la dépréciation du matériel et le coût de la dette ne deviennent contraignants. Le second devient fragile lorsque les capacités sont construites plus vite que la demande durable.