L’investissement nécessaire pour développer l’IA pourrait atteindre 1 000 dollars par habitant de la planète d’ici 2030, soit 7 900 milliards de dollars selon les estimations les plus hautes de McKinsey.
Aux États-Unis, cet effort pourrait représenter 3,2 % du PIB chaque année jusqu’en 2032, soit trois fois plus que lors du boom des télécommunications des années 1990 et six fois plus que lors de l’électrification du début du XXe siècle.
Selon la Réserve fédérale, les centres de données américains ont levé 680 milliards de dollars de dette au cours des dix premiers mois de 2026, soit plus de 2 milliards de dollars par jour.
Sans ces investissements dans les centres de données, la croissance américaine serait probablement inférieure d’un point de pourcentage et se situerait à peu près au niveau de celle de la zone euro.
Plus de la moitié des investissements reçus par les entreprises d’IA entre 2021 et 2025 provenaient d’autres entreprises d’IA, selon la Banque des règlements internationaux.
Testez le Grand Continent . Les idées et les analyses qu’on ne trouve nulle part. Mais que vous verrez bientôt partout. Dans votre boîte mail à partir de 8 euros par mois
L’ampleur de l’effort d’investissement nécessaire pour porter les capacités de calcul à un niveau compatible avec le développement attendu de l’IA est vertigineuse. Les estimations réunies par McKinsey vont de 3 700 à 7 900 milliards de dollars sur la période 2025-2030. Pour donner un ordre de grandeur plus concret, le haut de cette fourchette représente une dépense d’investissement de 1 000 dollars par habitant de la planète. Selon de récents travaux de Stijn Van Nieuwerburgh Brookings Papers on Economic Activity , automne 2026 (à paraître), document de travail SSRN, version du 23 septembre 2026, révisée le 13 octobre 2026, 32 p., DOI : 10.2139/ssrn.6444363.'> 1 , aux États-Unis, ces investissements pourraient atteindre chaque année 3,2 % du PIB entre 2025 et 2032, soit trois fois l’effort requis par le boom des télécommunications de la fin des années 1990 et six fois celui de la vague d’électrification du début du XXe siècle.
Dans un premier temps, les entreprises à l’avant-garde de la révolution de l’IA pouvaient financer la quasi-totalité de leurs investissements grâce à leurs bénéfices. Depuis 2025, toutefois, même les hyperscalers, qui disposent habituellement d’une trésorerie abondante, ont dû recourir à l’endettement. Selon la Réserve fédérale, les financements par dette de toute nature destinés au développement des centres de données – prêts bancaires, dette privée et obligations d’entreprise – ont atteint 680 milliards de dollars aux États-Unis sur les dix premiers mois de 2026. Les activités liées aux technologies de calcul avancé ont représenté près du tiers de l’ensemble des émissions obligataires d’entreprises de catégorie « Investment Grade » depuis le début de l’année.
L’essor de la dette liée à l’IA n’a pas encore inversé la tendance à la baisse de l’endettement global des entreprises américaines : la dette « hors IA » diminue rapidement en proportion du PIB, mais le recul d’ensemble ralentit. Le ratio de dette des entreprises non financières américaines au PIB a baissé de plus d’un point de pourcentage par an en 2023 et en 2024. Cette baisse s’est limitée à un demi-point en 2025, puis à nouveau depuis le début de 2026. Si le rythme d’investissement envisagé par McKinsey et Stijn Van Nieuwerburgh se concrétise, il est très probable que l’endettement global des entreprises doive repartir à la hausse. L’été dernier, nous défendions l’idée que cette nouvelle vague d’endettement privé, se heurtant à des besoins de financement publics déjà massifs, pousserait les taux d’intérêt à la hausse à l’échelle mondiale, au risque d’« étouffer » les secteurs plus traditionnels .
Nous nous concentrons ici sur les risques propres à cette frénésie d’endettement liée à l’IA. Même si un ralentissement du déploiement de l’IA à la frontière technologique peut se justifier – ne serait-ce que pour laisser le temps de mettre en place les garde-fous réglementaires nécessaires –, l’économie mondiale est devenue « dépendante » du boom de l’investissement dans l’IA. Sans les investissements dans les centres de données, la croissance américaine serait probablement inférieure d’un point de pourcentage. Au-delà des frontières américaines, de nombreuses entreprises prospèrent en fournissant des équipements à cet écosystème. Une forte baisse de la valorisation des valeurs technologiques serait douloureuse pour les investisseurs bien au-delà des États-Unis, y compris en Europe où l’exposition au marché américain des actions a été multipliée par trois en cinq ans.
De plus, la circularité, ou le caractère endogamique, de l’écosystème de l’IA, dans lequel les relations financières entre un nombre assez restreint d’acteurs s’entremêlent avec les liens commerciaux, ainsi que les structures de financement complexes et à plusieurs étages de nombreux projets liés à l’IA, rendent l’ensemble du secteur tributaire du sort d’une poignée d’acteurs. La complexité des montages financiers finit par masquer le fondement de la viabilité de cette croissance. La demande finale de services d’IA émanant de clients extérieurs au secteur technologique et sa capacité à générer les revenus nécessaires pour couvrir le coût de la dette sont également à prendre en compte. La demande suscitée par l’innovation technologique peut suivre une progression géométrique plutôt que linéaire, mais de petites erreurs d’appréciation initiales sur le rythme de cette progression peuvent se traduire, après quelques années, par des écarts considérables.
CoreWeave : une étude de cas
Juste avant que le départ de Jensen Huang de Nvidia ne déclenche une nouvelle vague de ventes dans le secteur technologique, le sentiment du marché à l’égard de l’IA s’était d’abord amélioré, à la faveur de résultats trimestriels et de prévisions de CoreWeave supérieurs aux attentes. Nous prenons cette entreprise comme point de départ pour examiner, à travers un cas concret, certains des défis auxquels est aujourd’hui confronté l’ensemble de l’écosystème de l’IA.
CoreWeave est un « neocloud ». Pour le dire simplement, cette entreprise exploite et commercialise des capacités de calcul. Elle ne détient pas directement les centres de données : une fois que leur propriétaire a fourni le bâtiment, les raccordements électriques et le système de refroidissement, CoreWeave apporte les serveurs équipés de processeurs graphiques, ou GPU – qu’elle achète, par exemple, à Nvidia –, exploite le centre, gère l’accès au cloud et vend des services de calcul à ses clients.
Ce modèle économique place CoreWeave au cœur de la chaîne de l’IA. L’entreprise prospère si elle parvient à obtenir de ses clients des engagements de paiement à long terme couvrant ses coûts d’exploitation et, surtout, le coût de l’endettement nécessaire pour constituer ses capacités de calcul. Les flux de trésorerie contractuels et la valeur des équipements servent de garanties à ses emprunts. Si les GPU sont encore utilisables à l’expiration de l’engagement du client et que la dette a été remboursée, CoreWeave disposera alors d’un stock de capital libre de toute charge, dont elle pourra de nouveau commercialiser l’utilisation auprès d’un autre client.
L’entreprise est encore très loin de cette situation idéale. Pour l’heure, sa dette nette, hors contrats de location opérationnelle, représente sept fois son EBITDA sur les douze derniers mois. Un acteur comme CoreWeave est exposé à des risques importants. Au-delà du risque de crédit habituel – la possibilité qu’un client ne respecte pas ses engagements de paiement –, les fluctuations des taux d’intérêt peuvent la fragiliser compte tenu de son endettement. Mais il assume également un risque technologique. Si les GPU achetés deviennent obsolètes plus rapidement que prévu, son stock de capital futur – et donc le socle de sa rentabilité future – se réduit, et ses clients peuvent se tourner, à l’expiration de leurs engagements, vers des opérateurs plus proches de la frontière technologique.
Le chiffre d’affaires et l’EBITDA ajusté de CoreWeave ont bondi au troisième trimestre – même si sa perte nette s’est considérablement creusée et que le coût du service de sa dette a fortement augmenté. Surtout, l’entreprise a annoncé attendre environ 9 milliards de dollars de prépaiements et de dépôts de ses clients au cours des trois mois suivants. Ces encaissements anticipés sont utiles, car ils réduisent les besoins d’endettement. Le fait que des clients acceptent de payer à l’avance pour s’assurer des capacités de calcul futures a également rassuré un marché qui commence à s’inquiéter de la solidité de la demande de services liés à l’IA. Une question essentielle demeure toutefois : ces paiements anticipés reflètent-ils nécessairement la vigueur de la demande finale, c’est-à-dire celle des entreprises extérieures à l’écosystème de l’IA ? CoreWeave n’a pas précisé quels clients avaient accepté ces paiements anticipés, mais sa clientèle existante est largement dominée par des entreprises elles-mêmes liées à l’IA. Cela se comprend : un intermédiaire comme CoreWeave concentre son activité sur la vente de capacités de calcul à des développeurs de modèles d’IA ou à des hyperscalers, tels qu’OpenAI, Anthropic ou Meta, qui proposent ensuite leurs services à des clients extérieurs à l’écosystème technologique. CoreWeave met en avant l’élargissement de sa clientèle au-delà du « cœur de l’IA ». Mais, en soi, un chiffre d’affaires élevé, dès lors qu’il reflète essentiellement une demande interne au secteur technologique – laquelle peut elle-même être alimentée par l’endettement –, ne constitue pas une preuve de la viabilité financière du secteur de l’IA. Nous y reviendrons.
La circularité est, jusqu’ici, l’une des caractéristiques de la révolution de l’IA. CoreWeave illustre la nature endogamique de ce secteur. Nvidia est son fournisseur – en lui vendant des GPU –, mais aussi son actionnaire, avec une participation de 10 %. Nvidia s’engage également à acheter les capacités de calcul que CoreWeave ne parviendrait pas à vendre à ses clients, dans le cadre d’un accord d’une valeur initiale de 6,3 milliards de dollars. En somme, Nvidia est simultanément fournisseur, client potentiel « en dernier ressort » et investisseur de CoreWeave.
L’endogamie est une maladie infantile de l’innovation technologique
Il ne s’agit nullement d’un cas isolé. Selon une étude de la Banque des règlements internationaux Circular relationships among AI firms », BIS Bulletin , n° 137, Banque des règlements internationaux, 1er octobre 2026, 8 p.'> 2 , entre 2021 et 2025, 55,2 % des investissements reçus par les entreprises d’IA, en valeur, provenaient d’autres entreprises d’IA. Par ailleurs, 46,4 % de la valeur des opérations d’investissement entre entreprises d’IA s’accompagnaient également d’une relation commerciale au sein de la chaîne d’approvisionnement. L’étude couvrait toutes sortes de montages associant une relation financière à des relations commerciales, quel que soit le sens de ces dernières : l’investisseur pouvait être fournisseur ou client de l’entreprise bénéficiaire, voire les deux. La forme dominante de relation circulaire est celle qui se déploie « vers l’aval » : un investisseur fournit des produits ou des services à l’entreprise dans laquelle il investit.
Ces montages n’ont rien de véritablement nouveau. On en trouve des précédents historiques lors de grandes vagues technologiques, lorsque les innovateurs doivent stimuler la demande de leurs propres produits en soutenant leurs utilisateurs en aval. Le parallèle le plus pertinent nous semble être celui des années 1920 et de l’électrification de masse. General Electric – l’un des moteurs de la frénésie boursière de cette décennie – vendait des équipements électriques aux entreprises exploitant des centrales, mais s’était également diversifiée vers les ménages en se lançant dans la fabrication de postes de radio. Pour stimuler les ventes de récepteurs, GE devait proposer des contenus aux utilisateurs. Tel était le rôle de RCA, fondée par GE, qui commercialisait des récepteurs, mais créait également des maisons de disques et des stations de radio. Brouillant les frontières entre fournisseurs, clients, concurrents et partenaires, RCA a fini par s’associer à Westinghouse, pourtant concurrent direct de sa maison mère GE, pour créer NBC, la National Broadcasting Corporation. En somme, l’électrification de masse de l’entre-deux-guerres se caractérisait par de fortes relations endogamiques entre ses principaux acteurs. On peut voir un parallèle avec l’accord ayant donné naissance à NBC – deux fournisseurs concurrents s’associant pour soutenir la demande de leurs clients – dans l’investissement réalisé en décembre 2023 par Nvidia et AMD dans le même développeur d’IA, Essential AI.
L’étude de la BRI reconnaît qu’une abondante littérature académique justifie certaines formes de circularité. En particulier lorsqu’il s’agit de produits innovants et de jeunes entreprises disposant d’un historique limité, clients et fournisseurs peuvent mieux comprendre les perspectives d’une entreprise que les investisseurs traditionnels. La circularité permet aux entreprises établies de « prêter » leur crédibilité financière aux nouveaux entrants et de rendre financièrement viables les investissements nécessaires. Elle peut également contribuer à aligner les incitations des différents acteurs. Les projets d’IA répondant souvent à des spécifications techniques très précises, les fournisseurs qui adaptent leurs produits aux particularités de leurs clients peuvent subir des « coûts irrécupérables » considérables si ces derniers se retirent finalement du projet : ils auraient alors des difficultés techniques à proposer leurs produits à d’autres clients. Tout cela laisse néanmoins entière la question du volume global de risque présent dans l’écosystème, tout en rendant plus difficile l’identification de ceux qui le portent en dernier ressort.
Anatomie du mille-feuille
L’une des caractéristiques majeures de l’essor actuel de l’investissement lié à l’IA est le nombre d’« étages » de sa structure financière. Plutôt que de privilégier une « intégration verticale », dans laquelle les hyperscalers ou les neoclouds détiendraient directement les centres de données, ceux-ci sont souvent détenus par des sociétés de projet, ou véhicules ad hoc, appelés SPV (Special Purpose Vehicle), dont les fonds propres initiaux sont fréquemment apportés par des fonds de capital-investissement. Le SPV s’endette ensuite en combinant financements traditionnels – prêts bancaires, obligations négociées sur les marchés – et sources alternatives, comme la dette privée. La qualité de crédit de cette dette repose sur les engagements pluriannuels des hyperscalers à louer le centre de données. Dans son étude éclairante, Stijn Van Nieuwerburgh prend l’exemple d’Hyperion, un grand projet de centre de données. Le SPV qui le détient, Beignet, bien que dépourvu par construction d’historique de crédit propre, a émis par placement privé une obligation négociable d’un montant de 27 milliards de dollars . Standard & Poor’s lui a attribué la note favorable de A+, un seul cran en dessous de celle de Meta, qui s’est engagée sur une succession de contrats de location couvrant la durée de vie de l’obligation.
L’étude de Van Nieuwerburgh souligne également le rôle des règles comptables qui permettent aux hyperscalers de favoriser la constitution du stock de capital dont ils ont besoin sans alourdir leur bilan apparent. Les contrats de location ne doivent en effet pas être comptabilisés immédiatement au bilan, mais seulement à leur prise d’effet, c’est-à-dire lorsque le centre de données est entièrement construit et opérationnel. Durant la réalisation du projet, les engagements locatifs sur lesquels repose son financement restent donc « hors bilan ». Si cela peut conduire à sous-estimer la dette totale du système, cette règle a aussi sa logique : l’incapacité du propriétaire à mener à bien la construction du centre libérerait l’hyperscaler de ses propres obligations. La structure du contrat de location permet aux parties de partager le risque technologique. Dans le cas d’Hyperion, les contrats de location successifs de Meta comportent une clause de sortie. À intervalles de quelques années, Meta peut se désengager – par exemple si la technologie devient obsolète –, tout en compensant le manque à gagner que subirait le propriétaire lors de la revente des actifs. Le risque technologique peut donc être réparti entre les différents étages du montage, mais il ne peut être entièrement éliminé.
La circularité crée deux risques distincts. Le premier, bien sûr, est que le sort de l’ensemble du secteur puisse dépendre d’une poignée d’acteurs. L’une des inquiétudes apparues après le départ de Jensen Huang de Nvidia – au-delà de l’avenir de Nvidia elle-même – est que son successeur réduise le soutien de l’entreprise aux autres acteurs de l’écosystème. Cette inquiétude a été renforcée par des informations selon lesquelles la directrice financière de Nvidia, désormais directrice générale par intérim, avait mis Jensen Huang en garde contre certaines opérations circulaires. Le second risque est que la complexité des structures financières finisse par masquer le fondement de la viabilité de l’ensemble du boom de l’IA : la demande finale de services d’IA provenant de l’extérieur du secteur technologique, et sa capacité à couvrir le coût de la dette.
Pour l’illustrer, revenons à notre détour historique par l’électrification des années 1920. Si GE bénéficiait de la demande de matériel et de contenus radiophoniques suscitée par RCA – et de ses retombées sur la consommation d’électricité –, les revenus provenaient, en dernier ressort, des dépenses des entreprises et des ménages « ordinaires ». Les salariés consacraient une partie de leur rémunération à l’achat de postes de radio, tandis que les entreprises affectaient une part croissante de leurs dépenses publicitaires à ce nouveau média. NBC indiquait en 1935 que les recettes publicitaires des réseaux radiophoniques avaient été multipliées par dix entre 1927 et 1932. Au début du boom, les anticipations tablaient toutefois probablement sur une progression géométrique encore plus rapide. En moyenne, entre 1927 et 1930, les recettes publicitaires de la radio avaient presque doublé chaque année. Si ce rythme s’était maintenu, elles auraient été, en 1934, huit fois supérieures à leur niveau effectif. Bien que les réseaux radiophoniques aient mieux résisté que les médias traditionnels de l’époque, ils n’ont pas pu échapper entièrement au choc de la Grande Dépression : NBC a connu des difficultés financières en 1932. La demande suscitée par l’innovation technologique suit souvent une progression géométrique plutôt que linéaire, mais il est particulièrement difficile d’en estimer le rythme à l’avance.
« Estimer la montée de la courbe, la chaleur de la flamme »
Un lecteur sceptique objectera probablement que nous avons choisi là un exemple extrême. La crise des années 1930 a été profonde et prolongée. Mais nous pouvons examiner un autre épisode, moins dramatique : l’essor puis l’effondrement du secteur des télécommunications entre 1997 et 2003. Ce secteur était un élément central du récit de la « nouvelle économie ». Bien que la hausse des dépenses d’investissement ait été beaucoup plus modeste que celle que nous observons aujourd’hui autour de l’IA, la course à l’accroissement de la bande passante pour répondre à l’avènement d’Internet a eu un effet visible sur le PIB à la fin des années 1990 et au début des années 2000. Alors que la plupart des commentateurs d’alors se concentraient sur les jeunes entreprises liées à Internet et leurs valorisations insoutenables, une étude d’économistes de la Réserve Fédérale de Richmond publiée en 2003 Boom and Bust in Telecommunications », Economic Quarterly , Federal Reserve Bank of Richmond, vol. 89, n° 4, automne 2003, p. 1-24.'> 3 observait que « le secteur des télécommunications représente une part beaucoup plus importante des gains et des pertes de capitalisation boursière que les entreprises de l’Internet ». Selon cette étude, le boom des télécommunications ne répondait pas à la définition d’une « bulle » retenue par ses auteurs. Dans une bulle au sens strict, ce sont les anticipations de prix – qui ne sont rien d’autre que la « croyance » que les prix vont continuer à monter, sans explication économique plausible – qui déterminent l’investissement. Les auteurs suggèrent que les investissements reposaient sur une anticipation fondamentalement juste : la demande de services de télécommunications allait augmenter massivement. Mais ils se sont finalement révélés excessifs parce que le marché était trop optimiste quant aux effets de la déréglementation du secteur, n’avait pas suffisamment intégré les progrès technologiques et se trompait sur l’ampleur exacte de cette hausse bien réelle de la demande.
Les progrès de la transmission optique permettaient à une même fibre de transporter environ quarante fois plus de données en 2000 qu’en 1996. Les opérateurs ont donc construit trop de capacités supplémentaires, alors qu’une utilisation plus intensive des capacités existantes aurait pu répondre à la demande. C’était un cas emblématique de matérialisation d’un risque technologique. Parallèlement, les opérateurs étaient encouragés par le Telecommunications Act de 1996, censé leur permettre de combiner leurs nouveaux réseaux de fibre longue distance avec l’accès aux domiciles et aux locaux professionnels de leurs clients, ouvrant ainsi la voie à la commercialisation d’« offres groupées ». Mais les contentieux et les incertitudes entourant les règles d’accès ont retardé ce processus et contraint les opérateurs à revoir leurs recettes attendues à la baisse. Ils se trompaient également sur le rythme de la progression géométrique de la demande liée à Internet. Une anticipation courante était que l’utilisation d’Internet doublerait tous les quatre-vingt-dix jours. Les données fiables sur ce sujet étaient difficiles à trouver dans les années 1990, mais l’étude de la Fed de Richmond évoque un doublement annuel seulement, en moyenne. L’écart a évidemment des conséquences considérables. Comme le soulignent les auteurs : « Des taux de croissance de 100 % tous les trois mois auraient impliqué que l’utilisation d’Internet soit multipliée par 17 millions entre 1994 et 2000. Les prévisions fondées sur ces taux de croissance et sur les données d’utilisation d’Internet de 1994 supposent que chaque internaute, en 2000, télécharge en permanence de la vidéo en streaming. »
Revenons à aujourd’hui. Les élections de mi-mandat, la contestation des centres de données et les cas très médiatisés de « désalignement des modèles » augmentent la probabilité d’une réglementation plus stricte, ou du moins d’un contrôle accru, des modalités de déploiement de l’IA. Le risque technologique est inhérent à l’IA : des solutions moins intensives en capital offrant une même capacité de calcul remettraient en cause les plans d’investissement actuels. Les estimations de la future demande de calcul provenant de l’extérieur du secteur technologique sont, par nature, fragiles. Une étude estime The concentration of AI spending », VoxEU.org, CEPR, 7 novembre 2026.'> 4 les dépenses totales consacrées à l’IA aux États-Unis à 280 milliards de dollars en 2026, en hausse de 40 % sur un an, à partir d’une enquête sur la dépense moyenne par salarié. Mais la question essentielle est évidemment celle du rythme de croissance à venir. L’adoption de l’IA est désormais largement répandue – les auteurs indiquent que 78 % des entreprises de sept pays utilisent au moins une technologie d’IA –, sans qu’il y ait pour autant de raison de supposer une relation linéaire entre son adoption hors de l’écosystème technologique et la demande de capacités de calcul. Les entreprises pourraient intensifier leur utilisation de l’IA en se tournant vers des modèles toujours plus sophistiqués, à mesure que leurs salariés se familiarisent avec les nouveaux outils. À l’inverse, si les entreprises extérieures au secteur technologique choisissent de consacrer leurs budgets de développement de l’IA à des modèles « anciens », la part des capacités de calcul affectée à l’entraînement des modèles de pointe pourrait diminuer, laissant éventuellement davantage de place à l’inférence, c’est-à-dire au traitement des requêtes des clients finaux. Les capacités auraient alors beaucoup moins besoin d’augmenter.
Soyons clairs : l’épisode des télécommunications suggère que le marché a raison d’examiner attentivement les évolutions réglementaires possibles, et que le progrès technologique peut, en définitive, réduire les besoins en capital plutôt que les accroître. Nous n’affirmons pas pour autant que l’écosystème de l’IA est nécessairement au bord d’une correction douloureuse. Les anticipations actuelles des besoins en capacités de calcul peuvent être justes. Notre propos est plus modeste. Se rassurer en observant une « demande circulaire » – par exemple lorsque la valorisation des fabricants de puces est portée par l’annonce de nouveaux engagements des hyperscalers ou des neoclouds en faveur de centres de données supplémentaires – peut être trompeur. Le bon indicateur est la demande provenant du reste de l’économie, pour laquelle les données précises sont, à ce stade, rares, et les perspectives difficiles à quantifier.
L’article Et si l’IA était déjà devenue trop grosse pour échouer ? est apparu en premier sur Le Grand Continent .






%3Afill(blur)%3Aformat(jpg)%2F2026%2F11%2F19%2F6aff1be580a2c979380639.jpg&w=1600&q=75)