Le pari à 1 400 milliards de dollars de l'IA : le scénario optimiste de Goldman Sachs et les risques cachés de la dette

Les chiffres de l'essor de l'intelligence artificielle donnent le vertige. Dans une note de recherche de juin 2026, Ryan Hammond, stratège chez Goldman Sachs, a présenté un scénario optimiste où les dépenses d'investissement (Capex) des géants du cloud, les « hyperscalers », pourraient atteindre 1 400 milliards de dollars d'ici 2027. Ce chiffre éclipse le consensus de Wall Street, qui s'établit à 920 milliards . Le catalyseur ? Une multiplication par 24 de la consommation mondiale de tokens d'ici 2030, tirée par l'avènement d'agents IA d'entreprise bien plus gourmands en calcul que les chatbots actuels . La branche de gestion d'actifs de Goldman estime que ces systèmes dits « agentiques » seront 60 à 130 fois plus énergivores que les outils d'IA d'aujourd'hui .

La thèse de la banque est toutefois plus nuancée qu'une simple histoire de croissance. La même institution qui publie ce scénario optimiste abrite aussi des sceptiques. Jim Covello, analyste senior chez Goldman Sachs Research, a prévenu que « la viabilité économique de l'IA est plus incertaine aujourd'hui qu'il y a deux ans », soulignant que ni les entreprises clientes, ni les concepteurs de modèles, ni les hyperscalers n'ont encore démontré de retours sur investissements significatifs . Cette tension entre des prévisions de demande explosives et des retombées incertaines est la marque de fabrique de ce cycle d'investissement.

Pourquoi Goldman pense que le consensus est trop bas

L'argument central de Goldman Sachs est que les estimations actuelles de Wall Street impliquent un ralentissement peu plausible de la croissance des dépenses. Le consensus pour 2027, à environ 920 milliards de dollars, représenterait un net coup de frein après le rythme effréné de 2025 et 2026 . Goldman conteste cette hypothèse en modélisant un scénario où l'investissement dans l'IA continue de représenter 2 à 3 % du PIB. Cela pousserait les dépenses annuelles vers un scénario de base de 1 100 milliards de dollars, et jusqu'à 1 400 milliards dans un cas optimiste .

Derrière ce modèle se cache un pari sur l'IA agentique. Contrairement aux chatbots qui répondent à une requête puis s'arrêtent, les agents IA fonctionnent en continu, exécutant des tâches en plusieurs étapes. Goldman s'attend à ce que ce comportement entraîne une multiplication par 24 de la consommation de tokens d'ici 2030 .

Les vrais goulets d'étranglement : électricité, main-d'œuvre et contraintes physiques

Goldman Sachs est remarquablement direct sur l'endroit où se situent les véritables limites. Dans son rapport sur l'alimentation de l'ère de l'IA, la banque affirme sans détour : « le manque de capitaux n'est pas le goulet d'étranglement le plus pressant, c'est l'électricité nécessaire pour les alimenter » . Après une décennie de demande électrique stable, la consommation mondiale des centres de données devrait bondir de 160 % d'ici 2030 . Rien qu'aux États-Unis, on estime un déficit de 45 gigawatts (GW) pour les centres de données d'ici 2028, nécessitant 72 GW de nouvelles capacités d'ici 2030, soit l'équivalent d'environ 72 grandes centrales nucléaires .

Le réseau électrique n'a pas été conçu pour cet avenir. Construire une nouvelle centrale à gaz prend de cinq à sept ans, et les nouvelles turbines à gaz, piliers de la production d'énergie fiable, sont en rupture de stock jusqu'en 2030 .

La main-d'œuvre pourrait être la contrainte la plus difficile à résoudre. Goldman estime qu'environ 760 000 électriciens, monteurs de lignes et ouvriers qualifiés supplémentaires sont nécessaires, dont 207 000 postes spécialisés exigeant trois à quatre ans de formation . La banque introduit le concept de « risque d'allongement » : les files d'attente pour le raccordement au réseau et les pénuries d'équipements peuvent étirer les délais de construction bien au-delà des plans initiaux, créant un cercle vicieux de doutes sur la demande . Malgré tout, l'estimation de base de Goldman anticipe environ 7 600 milliards de dollars de dépenses d'investissement cumulées dans l'IA entre 2026 et 2031 .

Des estimations révisées en flèche chez Morgan Stanley

Les projections de Morgan Stanley ont connu leur propre révision à la hausse spectaculaire. Il y a un an, la firme estimait les dépenses combinées des hyperscalers à environ 450 milliards pour 2026 et 2027. Après les résultats du premier trimestre 2026, les analystes de Morgan Stanley tablent désormais sur environ 800 milliards de dollars pour 2026 et 1 200 milliards pour 2027 .

Morgan Stanley prévoit un ratio dépenses d'investissement sur chiffre d'affaires de 34 % à 39 % entre 2026 et 2028, dépassant le pic d'environ 32 % de l'ère internet . Les deux banques s'accordent à dire que ces ratios naviguent en territoire inconnu.

Le grand livre de l'ombre : locations hors bilan et dette des SPV

Sous les chiffres mirifiques des dépenses se cache une réalité plus trouble d'ingénierie financière. Moody's Ratings estime que les cinq plus grands hyperscalers américains (Amazon, Meta, Alphabet, Microsoft et Oracle) détiennent 662 milliards de dollars d'engagements de location futurs pour des centres de données dont la construction n'a pas encore commencé . Selon les normes comptables américaines (GAAP), ces obligations n'apparaissent pas au passif et restent cantonnées aux notes de bas de page des documents financiers .

Lorsque l'on additionne tous ces engagements non actualisés, le total atteint environ 969 milliards de dollars, soit 113 % de la dette ajustée combinée de ces cinq sociétés . À mesure que ces baux débuteront, ils comprimeront les flux de trésorerie disponibles et pourraient limiter les programmes de rachat d'actions, un mécanisme dont les investisseurs sont devenus dépendants .

Parallèlement, les géants de la tech ont structuré plus de 120 milliards de dollars de dettes via des structures de titrisation (SPV) logées hors bilan, un mécanisme que Morgan Stanley voit atteindre 800 milliards d'ici 2028 .

L'avertissement Oracle et l'écartement des spreads de crédit

Oracle est devenu un cas d'école sur la vitesse à laquelle les montages financiers peuvent se déliter. Fin 2025, sa rupture avec Blue Owl Capital sur le financement d'un centre de données a exposé la fragilité du modèle hors bilan. Oracle porte 124 milliards de dollars de dettes et 248 milliards d'engagements de location, et la réaction du marché a été immédiate : le crédit a été réévalué « avec une rapidité brutale », même pour un émetteur bien noté .

La Banque des règlements internationaux (BRI) observe que les spreads de credit default swaps (CDS) ont déjà augmenté pour les hyperscalers moins bien notés . Le Conseil de stabilité financière (FSOC) aux États-Unis et la Banque d'Angleterre ont explicitement pointé cette accumulation de dettes hors bilan comme une vulnérabilité systémique potentielle . Le risque de concentration aggrave le problème : une grande partie de cette dette est liée à un seul actif ou locataire, créant un potentiel de pertes en cascade si la demande s'effrite .

Un boom à deux vitesses

Le déploiement des infrastructures d'IA est sans précédent. Les cinq plus grands hyperscalers devraient dépenser 755 milliards de dollars en 2026, soit une hausse de 83 % sur un an . Le scénario haussier repose sur une explosion de la demande de tokens par des agents IA qui ne sont pas encore déployés à grande échelle. Le contrepoint baissier, articulé au sein même de Goldman Sachs, est que les rendements actuels ne justifient pas ces investissements .

Entre ces deux pôles, la réalité physique s'impose comme le juge de paix : un réseau électrique qui ne peut pas suivre, une main-d'œuvre qualifiée qui n'existe pas en nombre suffisant, et un passif invisible de près de mille milliards de dollars qui arrivera bientôt à échéance, avec des conséquences qui pourraient bien dépasser largement le seul secteur technologique.