Ces montants ne correspondent pas uniquement à des opérations classiques de refinancement. Les entreprises technologiques recourent de plus en plus à la dette et aux marchés de titres liés aux actions pour financer l’expansion très capitalistique de leurs infrastructures d’IA et de cloud. Elles s’éloignent ainsi du modèle traditionnel consistant à financer principalement leurs investissements sur leurs flux de trésorerie.

La taille et la rapidité de ces émissions comptent parce que les hyperscalers — les géants du cloud qui exploitent les plus grands réseaux de data centers — sollicitent en partie les mêmes capitaux institutionnels que ceux qui achètent des obligations d’État américaines et d’autres titres d’entreprises bien notées. Une vague d’émissions ne fait pas automatiquement monter les rendements, mais elle peut rendre les investisseurs plus sélectifs. Les émetteurs pourraient devoir offrir des marges plus élevées, tandis que les investisseurs de long terme pourraient exiger une rémunération supérieure pour absorber davantage de risque de taux et de duration.

Les répercussions ne se limiteraient pas à la technologie. Reuters a rapporté que la dette liée à l’IA représentait près de 15 % des émissions investment grade en 2026, tout en soulignant que la concentration de l’IA restait faible dans les grands indices de crédit. La nuance est importante : le secteur peut influencer le prix des nouvelles émissions et la liquidité du marché sans encore dominer l’ensemble de l’univers obligataire de qualité.

Pourquoi actions et obligations deviennent de plus en plus liées

Les canaux actions et crédit se renforcent mutuellement de deux façons.

D’abord, un groupe restreint de grandes entreprises technologiques peut influencer la performance des indices actions et le sentiment des investisseurs. Si leur valorisation dépend fortement des anticipations de bénéfices futurs liés à l’IA, une révision à la baisse de la demande ou du rendement des dépenses d’infrastructure peut réduire à la fois le cours des actions et la valeur perçue des flux de trésorerie futurs.

Ensuite, une baisse des valorisations boursières peut renchérir le financement. Les entreprises peuvent alors faire face à des marges plus larges sur le marché obligataire classique, à des conditions moins favorables dans le crédit privé et à une demande moindre pour les titres convertibles. L’augmentation du coût du capital peut à son tour fragiliser l’argument initial en faveur de nouveaux investissements.

Le marché des obligations convertibles illustre particulièrement bien ce mécanisme. Une convertible combine une dette et une option de conversion en actions. Elle permet à l’émetteur de réduire ses intérêts en numéraire lorsque les investisseurs accordent de la valeur au potentiel de hausse du titre. Aux États-Unis, les émissions de convertibles ont atteint environ 34 milliards de dollars au cours des quatre premiers mois de 2026, soit plus du double du niveau enregistré sur la même période un an plus tôt, les entreprises liées à l’IA contribuant largement à cette progression.

Un marché actions solide peut donc faciliter un financement moins coûteux par titres liés aux actions, financer davantage d’infrastructures et entretenir le récit de croissance. À l’inverse, une forte correction boursière peut inverser le mécanisme : les convertibles deviennent moins attractives, les conditions de couverture se dégradent et les emprunteurs peuvent être contraints de recourir davantage à une dette classique plus coûteuse ou à de nouvelles émissions d’actions.

Le lien caché est la demande d’IA, pas la forme juridique de l’actif

Une obligation émise par un hyperscaler, un prêt destiné à un data center, une facilité de crédit privé, un financement de centrale électrique ou une créance détenue par un fournisseur peuvent être émis par des entités juridiques différentes. Ils peuvent néanmoins dépendre de la même réalité économique : des clients qui continuent à investir dans l’IA, à louer des capacités de calcul et à générer suffisamment de revenus pour soutenir toute la chaîne d’infrastructures.

Cette dépendance commune peut donner une illusion de diversification. Un portefeuille réparti entre obligations, titrisations et prêts privés peut contenir plusieurs créances liées aux mêmes hyperscalers, opérateurs de data centers ou perspectives de demande pour les équipements. Si les projets prennent du retard ou si les capacités restent sous-utilisées, les pertes peuvent apparaître simultanément à travers plusieurs instruments, même si aucun d’entre eux n’est officiellement garanti par la même entreprise.

Le risque augmente lorsque les montages financiers déplacent l’exposition hors du bilan principal sans supprimer les obligations commerciales du sponsor.

Le financement hors bilan peut masquer l’exposition économique

Les véhicules ad hoc, les contrats de location et les garanties de valeur résiduelle deviennent des outils importants du développement des data centers. Dans un montage courant, un véhicule externe lève la dette et devient propriétaire de l’installation, tandis qu’une entreprise technologique loue le site une fois celui-ci achevé. Cette structure peut maintenir l’emprunt du projet hors de la dette publiée par l’entreprise, alors que celle-ci reste engagée à payer un loyer, à respecter un niveau minimal d’utilisation ou à garantir une partie de la valeur future de l’actif.

Le projet Hyperion envisagé par Meta illustre ce type de structure. Une analyse juridique décrit un véhicule ad hoc de 30 milliards de dollars ayant levé environ 27 milliards de dollars de prêts et 3 milliards de dollars de fonds propres, l’installation devant être louée à Meta. D’autres informations font état de garanties de valeur résiduelle, selon lesquelles Meta indemniserait les investisseurs si la valeur du bien passait sous un seuil défini.

La dette d’un véhicule de projet n’est pas pour autant identique à une dette senior classique émise par la maison mère. Mais l’endettement publié peut ne pas refléter toute la sensibilité de l’entreprise aux coûts de construction, à l’obsolescence technologique, au taux d’utilisation et à la valeur des actifs. Pour les investisseurs, la bonne question n’est donc pas seulement : « Qui a légalement emprunté ? » Il faut aussi demander : « Qui supportera la perte si l’économie attendue de l’IA ne se matérialise pas ? »

Comment une réévaluation pourrait se propager

Une correction du financement ne commencerait pas nécessairement par un défaut. Elle pourrait débuter par un changement d’hypothèses :

1. La croissance des revenus de l’IA ou le taux d’utilisation des data centers se révèle inférieur aux attentes.
2. Les valorisations boursières reculent et les investisseurs réévaluent le délai de rentabilisation des dépenses d’investissement.
3. Les marges obligataires s’écartent et le financement par obligations convertibles devient moins intéressant.
4. Les véhicules de projet, les opérateurs et les fournisseurs doivent se refinancer à un coût plus élevé.
5. Les hyperscalers retardent ou réduisent leurs commandes de puces, de serveurs, de travaux de construction, d’équipements électriques et de biens immobiliers.
6. Les contreparties les plus fragiles perdent l’accès au crédit, tandis que la hausse des coûts d’emprunt à long terme pèse sur les investissements hors du secteur technologique.

Cette séquence décrit une boucle de rétroaction possible, et non une prévision. Les hyperscalers disposant d’importantes ressources de trésorerie pourraient supporter une baisse de rendement plus longtemps que les petites entreprises d’infrastructure. Mais même sans défaut majeur d’un grand groupe, des projets retardés et des conditions financières plus strictes pourraient peser sur le cycle d’investissement dans son ensemble.

Ce que montrent les données — et ce qu’elles ne prouvent pas

Les données font apparaître un risque croissant de concentration et de corrélation. Les emprunts liés à l’IA progressent rapidement, les obligations convertibles servent de plus en plus à financer la croissance du secteur et les montages structurés de data centers peuvent répartir l’exposition entre marchés publics et privés.

Elles ne prouvent pas, à elles seules, qu’une crise systémique imminente menace le système financier. Le chiffre de 570 milliards de dollars est une prévision, et non le montant effectivement émis. De même, les estimations du déficit de financement ou de la part des dépenses d’investissement financée par la dette varient selon les éléments pris en compte. Contrats de location, garanties, crédit privé, financement fournisseur et engagements futurs peuvent produire des totaux très différents.

Pour les investisseurs, le test le plus utile consiste donc à cartographier les expositions. Il faut aller au-delà du nom de l’émetteur et se demander si plusieurs positions dépendent du même hyperscaler, du même locataire de data center, de la même valeur de revente des équipements ou de la même hypothèse de monétisation de l’IA.

Le risque central n’est pas que tous les actifs liés à l’IA soient identiques. C’est que nombre d’entre eux puissent devenir vulnérables au même changement d’anticipations.

Ces montants ne correspondent pas uniquement à des opérations classiques de refinancement. Les entreprises technologiques recourent de plus en plus à la dette et aux marchés de titres liés aux actions pour financer l’expansion très capitalistique de leurs infrastructures d’IA et de cloud. Elles s’éloignent ainsi du modèle traditionnel consistant à financer principalement leurs investissements sur leurs flux de trésorerie.

La taille et la rapidité de ces émissions comptent parce que les hyperscalers — les géants du cloud qui exploitent les plus grands réseaux de data centers — sollicitent en partie les mêmes capitaux institutionnels que ceux qui achètent des obligations d’État américaines et d’autres titres d’entreprises bien notées. Une vague d’émissions ne fait pas automatiquement monter les rendements, mais elle peut rendre les investisseurs plus sélectifs. Les émetteurs pourraient devoir offrir des marges plus élevées, tandis que les investisseurs de long terme pourraient exiger une rémunération supérieure pour absorber davantage de risque de taux et de duration.

Les répercussions ne se limiteraient pas à la technologie. Reuters a rapporté que la dette liée à l’IA représentait près de 15 % des émissions investment grade en 2026, tout en soulignant que la concentration de l’IA restait faible dans les grands indices de crédit. La nuance est importante : le secteur peut influencer le prix des nouvelles émissions et la liquidité du marché sans encore dominer l’ensemble de l’univers obligataire de qualité.

Pourquoi actions et obligations deviennent de plus en plus liées

Les canaux actions et crédit se renforcent mutuellement de deux façons.

D’abord, un groupe restreint de grandes entreprises technologiques peut influencer la performance des indices actions et le sentiment des investisseurs. Si leur valorisation dépend fortement des anticipations de bénéfices futurs liés à l’IA, une révision à la baisse de la demande ou du rendement des dépenses d’infrastructure peut réduire à la fois le cours des actions et la valeur perçue des flux de trésorerie futurs.

Ensuite, une baisse des valorisations boursières peut renchérir le financement. Les entreprises peuvent alors faire face à des marges plus larges sur le marché obligataire classique, à des conditions moins favorables dans le crédit privé et à une demande moindre pour les titres convertibles. L’augmentation du coût du capital peut à son tour fragiliser l’argument initial en faveur de nouveaux investissements.

Le marché des obligations convertibles illustre particulièrement bien ce mécanisme. Une convertible combine une dette et une option de conversion en actions. Elle permet à l’émetteur de réduire ses intérêts en numéraire lorsque les investisseurs accordent de la valeur au potentiel de hausse du titre. Aux États-Unis, les émissions de convertibles ont atteint environ 34 milliards de dollars au cours des quatre premiers mois de 2026, soit plus du double du niveau enregistré sur la même période un an plus tôt, les entreprises liées à l’IA contribuant largement à cette progression.

Un marché actions solide peut donc faciliter un financement moins coûteux par titres liés aux actions, financer davantage d’infrastructures et entretenir le récit de croissance. À l’inverse, une forte correction boursière peut inverser le mécanisme : les convertibles deviennent moins attractives, les conditions de couverture se dégradent et les emprunteurs peuvent être contraints de recourir davantage à une dette classique plus coûteuse ou à de nouvelles émissions d’actions.

Le lien caché est la demande d’IA, pas la forme juridique de l’actif

Une obligation émise par un hyperscaler, un prêt destiné à un data center, une facilité de crédit privé, un financement de centrale électrique ou une créance détenue par un fournisseur peuvent être émis par des entités juridiques différentes. Ils peuvent néanmoins dépendre de la même réalité économique : des clients qui continuent à investir dans l’IA, à louer des capacités de calcul et à générer suffisamment de revenus pour soutenir toute la chaîne d’infrastructures.

Cette dépendance commune peut donner une illusion de diversification. Un portefeuille réparti entre obligations, titrisations et prêts privés peut contenir plusieurs créances liées aux mêmes hyperscalers, opérateurs de data centers ou perspectives de demande pour les équipements. Si les projets prennent du retard ou si les capacités restent sous-utilisées, les pertes peuvent apparaître simultanément à travers plusieurs instruments, même si aucun d’entre eux n’est officiellement garanti par la même entreprise.

Le risque augmente lorsque les montages financiers déplacent l’exposition hors du bilan principal sans supprimer les obligations commerciales du sponsor.

Le financement hors bilan peut masquer l’exposition économique

Les véhicules ad hoc, les contrats de location et les garanties de valeur résiduelle deviennent des outils importants du développement des data centers. Dans un montage courant, un véhicule externe lève la dette et devient propriétaire de l’installation, tandis qu’une entreprise technologique loue le site une fois celui-ci achevé. Cette structure peut maintenir l’emprunt du projet hors de la dette publiée par l’entreprise, alors que celle-ci reste engagée à payer un loyer, à respecter un niveau minimal d’utilisation ou à garantir une partie de la valeur future de l’actif.

Le projet Hyperion envisagé par Meta illustre ce type de structure. Une analyse juridique décrit un véhicule ad hoc de 30 milliards de dollars ayant levé environ 27 milliards de dollars de prêts et 3 milliards de dollars de fonds propres, l’installation devant être louée à Meta. D’autres informations font état de garanties de valeur résiduelle, selon lesquelles Meta indemniserait les investisseurs si la valeur du bien passait sous un seuil défini.

La dette d’un véhicule de projet n’est pas pour autant identique à une dette senior classique émise par la maison mère. Mais l’endettement publié peut ne pas refléter toute la sensibilité de l’entreprise aux coûts de construction, à l’obsolescence technologique, au taux d’utilisation et à la valeur des actifs. Pour les investisseurs, la bonne question n’est donc pas seulement : « Qui a légalement emprunté ? » Il faut aussi demander : « Qui supportera la perte si l’économie attendue de l’IA ne se matérialise pas ? »

Comment une réévaluation pourrait se propager

Une correction du financement ne commencerait pas nécessairement par un défaut. Elle pourrait débuter par un changement d’hypothèses :

1. La croissance des revenus de l’IA ou le taux d’utilisation des data centers se révèle inférieur aux attentes.
2. Les valorisations boursières reculent et les investisseurs réévaluent le délai de rentabilisation des dépenses d’investissement.
3. Les marges obligataires s’écartent et le financement par obligations convertibles devient moins intéressant.
4. Les véhicules de projet, les opérateurs et les fournisseurs doivent se refinancer à un coût plus élevé.
5. Les hyperscalers retardent ou réduisent leurs commandes de puces, de serveurs, de travaux de construction, d’équipements électriques et de biens immobiliers.
6. Les contreparties les plus fragiles perdent l’accès au crédit, tandis que la hausse des coûts d’emprunt à long terme pèse sur les investissements hors du secteur technologique.

Cette séquence décrit une boucle de rétroaction possible, et non une prévision. Les hyperscalers disposant d’importantes ressources de trésorerie pourraient supporter une baisse de rendement plus longtemps que les petites entreprises d’infrastructure. Mais même sans défaut majeur d’un grand groupe, des projets retardés et des conditions financières plus strictes pourraient peser sur le cycle d’investissement dans son ensemble.

Ce que montrent les données — et ce qu’elles ne prouvent pas

Les données font apparaître un risque croissant de concentration et de corrélation. Les emprunts liés à l’IA progressent rapidement, les obligations convertibles servent de plus en plus à financer la croissance du secteur et les montages structurés de data centers peuvent répartir l’exposition entre marchés publics et privés.

Elles ne prouvent pas, à elles seules, qu’une crise systémique imminente menace le système financier. Le chiffre de 570 milliards de dollars est une prévision, et non le montant effectivement émis. De même, les estimations du déficit de financement ou de la part des dépenses d’investissement financée par la dette varient selon les éléments pris en compte. Contrats de location, garanties, crédit privé, financement fournisseur et engagements futurs peuvent produire des totaux très différents.

Pour les investisseurs, le test le plus utile consiste donc à cartographier les expositions. Il faut aller au-delà du nom de l’émetteur et se demander si plusieurs positions dépendent du même hyperscaler, du même locataire de data center, de la même valeur de revente des équipements ou de la même hypothèse de monétisation de l’IA.

Le risque central n’est pas que tous les actifs liés à l’IA soient identiques. C’est que nombre d’entre eux puissent devenir vulnérables au même changement d’anticipations.