IA : vers une crise des Subprimes 2.0 ?

L’intelligence artificielle mobilise des centaines de milliards de dollars, mais qui supportera les pertes si les revenus ne suivent pas ? À l’occasion du projet d’introduction en Bourse d’Anthropic, Christian Parisot, fondateur d’Altaïr Economics, examine les montages financiers qui sous-tendent cette course aux investissements. Une mécanique dont certains aspects lui rappellent la crise des subprimes de 2008.


Anthropic : une introduction en Bourse hors normes
Cent milliards de dollars à lever, une valorisation comprise entre 1 500 et 2 000 milliards de dollars : les montants évoqués autour de l’introduction en Bourse d’Anthropic donnent le vertige. Une opération qui pourrait atteindre des proportions inédites pour une entreprise dont la rentabilité demeure pourtant incertaine.
Certes, les derniers chiffres présentés par le spécialiste de l’intelligence artificielle témoignent d’une amélioration spectaculaire de ses performances opérationnelles. Mais la croissance exceptionnelle de son activité suffit-elle à justifier une telle valorisation ? Et surtout, pourquoi une entreprise disposant déjà de liquidités considérables cherche-t-elle à lever autant de capitaux supplémentaires ?
Pour Christian Parisot, l’intérêt de cette opération dépasse largement la question de l’opportunité d’investir dans Anthropic. Elle offre une occasion d’examiner les mécanismes financiers qui accompagnent le développement de l’intelligence artificielle et d’identifier les entreprises qui supportent réellement les risques liés à ces investissements.
C’est dans cette perspective qu’il avance un parallèle volontairement provocateur : celui des « subprimes de l’IA ».

IA et subprimes : une même difficulté à identifier le risque ?
Christian Parisot prend immédiatement soin de distinguer la situation actuelle de la crise financière de 2008.
À l’époque, les déséquilibres provenaient notamment de l’endettement excessif des ménages américains et de la multiplication des crédits immobiliers risqués. Ces créances avaient ensuite été intégrées dans des produits financiers complexes, avant d’être distribuées à une multitude d’investisseurs.
La crise ne résultait donc pas uniquement de la mauvaise qualité des crédits accordés. Elle tenait également à la difficulté de déterminer où se trouvait le risque et qui le supportait réellement.
Lorsqu’il est apparu que ces crédits pouvaient provoquer des pertes importantes, la méfiance s’est propagée à l’ensemble des marchés concernés. Faute de pouvoir identifier précisément les produits exposés, de nombreux investisseurs ont préféré liquider leurs positions, alimentant une crise de confiance.
Le financement de l’intelligence artificielle repose évidemment sur des mécanismes différents. Il ne s’agit ni de crédits immobiliers accordés aux ménages ni d’une exposition bancaire comparable à celle qui prévalait avant 2008.
Mais Christian Parisot observe une ressemblance dans la manière dont les acteurs du secteur cherchent à financer leurs investissements.
Les entreprises spécialisées dans les modèles d’intelligence artificielle achètent des capacités de calcul considérables. Les fournisseurs de services cloud construisent les infrastructures nécessaires. Les fabricants de semi-conducteurs s’engagent à produire des composants toujours plus puissants. Banques et investisseurs contribuent au financement de cette expansion.
Or, les engagements financiers qui relient ces entreprises deviennent de plus en plus complexes.
Le risque se répartit, se transfère et se dilue entre différents intervenants. Chacun cherche à limiter sa propre exposition, mais celle-ci ne disparaît pas pour autant.
Cette complexité soulève une seconde interrogation : lorsque le risque circule entre de nombreux acteurs, continue-t-il d’être correctement évalué et rémunéré ?
Si certains investisseurs ne disposent pas d’une visibilité suffisante sur les engagements qu’ils financent, ils pourraient accepter une exposition dont ils sous-estiment les conséquences.
C’est précisément ce mécanisme, et non la perspective d’une répétition mécanique de la crise de 2008, qui retient l’attention de Christian Parisot.

Anthropic : des performances financières plus solides qu’il n’y paraît
Pour comprendre l’ampleur de ces engagements, Christian Parisot s’appuie sur le document d’introduction en Bourse d’Anthropic, un dossier d’environ 400 pages dont il examine les principales données financières.
Premier constat : les pertes comptables affichées par l’entreprise apparaissent considérables. Il évoque 80,7 milliards de dollars de pertes au premier semestre.
Mais ce montant ne suffit pas à apprécier la santé économique de la société. Il convient notamment de distinguer les pertes comptables du résultat opérationnel.
Sur ce dernier point, l’évolution présentée paraît beaucoup plus encourageante. Les pertes opérationnelles seraient passées de 2,1 milliards à 693 millions de dollars. Au deuxième trimestre, l’activité aurait même approché l’équilibre, avec la possibilité d’un résultat légèrement positif.
La progression du chiffre d’affaires apparaît tout aussi spectaculaire. Selon les données commentées, les revenus seraient passés de 1,2 à 16,3 milliards de dollars, soit une augmentation de l’ordre de 1 300 %.
Cette croissance exceptionnelle suggère qu’Anthropic parvient progressivement à absorber ses coûts de fonctionnement grâce au développement rapide de son activité.
Si cette dynamique se prolonge, l’entreprise pourrait atteindre une rentabilité opérationnelle plus régulière.
Autre élément favorable : sa trésorerie.
Christian Parisot évoque 132 milliards de dollars de liquidités disponibles, représentant environ 80 % des capitaux levés depuis la création de la société.
Autrement dit, malgré les sommes consacrées au développement de ses modèles, l’entreprise conserverait une part importante des financements obtenus auprès de ses investisseurs.
Face à des coûts de calcul évalués à environ 9 milliards de dollars, cette réserve financière pourrait donner l’impression d’une situation particulièrement confortable.
À première vue, Anthropic conjuguerait donc une croissance exceptionnelle, une amélioration de sa rentabilité et une trésorerie abondante.
Mais cette lecture ne tient compte que d’une partie de ses besoins.
Pourquoi lever 100 milliards avec déjà 132 milliards de liquidités ?
C’est l’une des principales interrogations soulevées par Christian Parisot.
Pourquoi une société disposant d’une telle trésorerie aurait-elle besoin de solliciter à nouveau les marchés pour obtenir près de 100 milliards de dollars supplémentaires ?
Une introduction en Bourse permet naturellement d’élargir l’actionnariat et d’établir une valorisation de marché. Mais ces considérations ne suffisent pas, selon lui, à expliquer l’ampleur des capitaux recherchés.
La réponse se trouve dans les engagements futurs d’Anthropic, et plus particulièrement dans les achats de capacités de calcul prévus pour les prochaines années.
Les modèles d’intelligence artificielle les plus avancés nécessitent des ressources informatiques considérables. Leur développement suppose d’entraîner des systèmes toujours plus puissants, mais également de répondre à une utilisation croissante par les entreprises et les particuliers.
Pour garantir l’accès à ces capacités, les laboratoires spécialisés concluent des contrats de long terme avec les grands fournisseurs d’infrastructures cloud.
Ces engagements peuvent s’étendre sur sept à neuf ans et porter sur des montants considérables.
L’abondance actuelle de liquidités doit donc être confrontée à des dépenses futures qui pourraient progresser beaucoup plus rapidement que les revenus.
La question n’est plus seulement de savoir combien Anthropic dépense aujourd’hui, mais combien elle s’est déjà engagée à dépenser demain.
Derrière Anthropic, quels géants sont réellement exposés ?
L’analyse conduit alors Christian Parisot à s’intéresser aux grands groupes technologiques qui fournissent les capacités de calcul.
Alphabet, Amazon et Microsoft disposent d’activités diversifiées et de ressources financières importantes. Cette diversification leur permet, en principe, de mieux absorber d’éventuelles difficultés sur le marché de l’intelligence artificielle.
Mais leur exposition ne se limite pas à leurs propres investissements.
Lorsqu’un fournisseur de services cloud signe un contrat de plusieurs dizaines de milliards de dollars avec un laboratoire d’IA, il s’engage à mettre à disposition des infrastructures dont la construction nécessite des dépenses immédiates.
La rentabilité attendue dépend ensuite de la capacité du client à honorer ses engagements financiers.
Christian Parisot prend notamment l’exemple d’Alphabet, qui vend des capacités de calcul à Anthropic.
Si cette dernière parvient à lever les capitaux recherchés, son fournisseur dispose d’une meilleure visibilité sur sa solvabilité. Il peut alors engager ses propres investissements avec davantage de confiance.
Mais cette sécurité dépend de plusieurs conditions.
Le client doit effectivement disposer des moyens nécessaires pour payer. Les infrastructures doivent être construites dans les délais. Les data centers doivent également obtenir les raccordements électriques indispensables à leur fonctionnement.
Un retard de livraison ou des difficultés d’approvisionnement énergétique pourraient modifier les conditions économiques des contrats.
La question se pose également du prix auquel ces capacités ont été vendues. Un engagement de long terme peut sembler particulièrement attractif lorsque la demande dépasse l’offre. Il pourrait le devenir beaucoup moins si le marché évoluait défavorablement.
Les hyperscalers ne sont donc pas nécessairement protégés contre tous les risques par la seule existence de commandes fermes.
Et cette interrogation dépasse les fournisseurs de services cloud.
Les fabricants de semi-conducteurs, de mémoires et d’autres composants électroniques profitent eux aussi de la multiplication des investissements. Leurs carnets de commandes et leurs perspectives de croissance alimentent des valorisations boursières élevées.
Ils apparaissent souvent comme les fournisseurs incontournables de la ruée vers l’intelligence artificielle.
Pourtant, leur situation pourrait également se dégrader si les investissements annoncés ne produisaient pas les résultats espérés.

Les modèles d’IA face à une concurrence particulièrement intense
Avant d’examiner plus précisément ces engagements financiers, Christian Parisot revient sur une fragilité économique propre aux entreprises qui développent les modèles d’intelligence artificielle.
Le marché ne se limite pas aux solutions propriétaires proposées par Anthropic ou OpenAI.
Il comprend également des modèles ouverts, dont certains peuvent être déployés directement par les entreprises, avec des conditions d’utilisation variables.
Cette concurrence constitue un élément essentiel pour apprécier les perspectives de rentabilité du secteur.
Certains modèles propriétaires affichent des performances remarquables, notamment pour des tâches complexes qui exigent d’importantes capacités de raisonnement ou de calcul.
Mais cette supériorité ne se retrouve pas nécessairement dans toutes les applications.
Pour résumer un texte ou réaliser une opération relativement simple, un modèle plus léger peut offrir une qualité suffisante, voire comparable à celle des solutions les plus avancées.
Des modèles tels que Kimi ou DeepSeek illustrent cette diversification de l’offre.
Christian Parisot souligne ainsi que les classements de performances varient considérablement selon les critères retenus.
Un modèle peut exceller dans les démonstrations mathématiques sans présenter un avantage déterminant pour des usages plus courants.
La comparaison doit également intégrer le coût d’utilisation.
En considérant l’ensemble des tests, des modèles propriétaires comme Claude ou GPT peuvent conserver une avance sensible en matière de performances. Mais les écarts tarifaires deviennent parfois suffisamment importants pour modifier les arbitrages des clients.
Le modèle le plus performant n’est pas nécessairement le plus pertinent économiquement.
Cette réalité explique notamment l’intérêt croissant pour des modèles plus petits, spécialisés dans certaines tâches.
Christian Parisot cite Microsoft, qui s’intéresse à des solutions adaptées à des besoins précis et nécessitant moins de puissance de calcul.
Ces modèles peuvent offrir un meilleur compromis entre performances, coûts de fonctionnement et facilité de déploiement.
La question centrale devient donc celle de l’usage réel.
Une entreprise a-t-elle besoin du modèle d’intelligence artificielle le plus sophistiqué pour chacune de ses opérations ? Les gains de productivité obtenus justifient-ils systématiquement le recours à une solution particulièrement coûteuse ?
Pour Christian Parisot, rien ne permet de répondre positivement dans tous les cas.

Open source ou modèle propriétaire : un arbitrage qui dépend des entreprises
La concurrence des modèles ouverts ne signifie pas pour autant que les solutions propriétaires vont perdre leur intérêt.
Le choix dépend notamment de la taille de l’entreprise, de ses compétences techniques et des ressources qu’elle peut consacrer au déploiement de l’intelligence artificielle.
Pour une PME, utiliser directement un service proposé par OpenAI ou Anthropic peut représenter la solution la plus rationnelle.
Installer et exploiter un modèle ouvert nécessite des serveurs, des compétences spécialisées, de la maintenance et souvent un travail d’adaptation aux besoins de l’entreprise.
Ces investissements peuvent rapidement dépasser les économies réalisées sur les coûts d’utilisation.
La situation diffère pour les grands groupes, qui disposent de ressources informatiques et d’équipes capables de personnaliser leurs propres modèles.
Ils peuvent alors comparer le coût d’une solution propriétaire avec celui d’un système ouvert déployé sur leurs infrastructures.
Cette concurrence ne rend pas nécessairement les modèles propriétaires moins utiles, mais elle limite leur capacité à imposer librement leurs tarifs.
Anthropic et OpenAI pourraient ainsi évoluer dans un marché en très forte croissance, tout en subissant une pression importante sur les prix.
Les clients cherchent par ailleurs à préserver leur liberté de choix.
Les progrès technologiques sont si rapides qu’une entreprise peut préférer un modèle aujourd’hui, puis en adopter un autre quelques mois plus tard.
Christian Parisot illustre cette évolution avec Apple, dont la stratégie en matière d’intelligence artificielle peut s’appuyer sur différents fournisseurs.
L’utilisateur accède à une même interface, tandis que les modèles exploités en arrière-plan peuvent évoluer.
Cette capacité à passer d’un fournisseur à l’autre réduit la dépendance des clients vis-à-vis d’un acteur particulier.
Elle renforce également la compétition entre les entreprises qui cherchent à développer les modèles les plus avancés.

IA : toujours plus de clients, mais à quel prix ?
La question des coûts dépasse les seuls laboratoires d’intelligence artificielle.
Lors de la présentation de ses résultats, la direction d’Amazon a également souligné, selon Christian Parisot, la nécessité d’améliorer l’efficacité économique des infrastructures.
Pour permettre une diffusion massive de l’IA, les entreprises devront disposer de solutions moins coûteuses.
Cela suppose notamment d’améliorer le rendement des puces et de réduire le prix des capacités de calcul.
Le coût demeure aujourd’hui un frein important à l’utilisation généralisée de l’intelligence artificielle dans les entreprises.
Le marché pourrait donc connaître une croissance exceptionnelle en volume, sans que cette progression se traduise mécaniquement par une augmentation proportionnelle des marges.
Il faudra distinguer les entreprises qui captent une demande croissante de celles qui parviennent véritablement à transformer cette demande en profits durables.
Cette distinction prend une importance particulière lorsque les investissements ont été engagés plusieurs années avant la perception des recettes correspondantes.

Data centers : que valent les commandes déjà réservées ?
Les grands fournisseurs de services cloud mettent régulièrement en avant la solidité de leurs carnets de commandes.
Certaines capacités de calcul prévues pour 2027 et 2028 seraient déjà réservées.
Une telle situation paraît particulièrement favorable : les infrastructures ne sont pas encore toutes opérationnelles que les clients se sont déjà engagés à les utiliser.
Mais Christian Parisot invite à examiner la nature de ces réservations.
Une partie importante de la demande provient d’un nombre relativement limité d’entreprises spécialisées dans les modèles d’IA.
Anthropic occupe une place notable parmi ces clients.
D’après les engagements présentés dans la vidéo, elle aurait ainsi prévu des achats de capacités de calcul portant sur 114 milliards de dollars auprès de Google, 110 milliards auprès d’Amazon et 44 milliards auprès de Microsoft, sur des périodes de sept à neuf ans.
Christian Parisot mentionne également un accord d’environ 120 milliards de dollars avec SpaceX, mais précise que ce contrat comporterait une faculté de résiliation à 90 jours.
Cette clause modifie sensiblement la nature de l’engagement.
Un contrat susceptible d’être interrompu rapidement n’offre pas la même visibilité financière qu’une obligation ferme sur plusieurs années.
Il peut davantage constituer une solution de capacité supplémentaire en cas de besoins importants.
Cette distinction rappelle qu’un carnet de commandes doit être analysé non seulement à travers son montant, mais également à travers les conditions contractuelles et la qualité des clients.
Les réservations constituent un indicateur encourageant lorsque la demande se concrétise et que les clients disposent des moyens de payer.
En revanche, si les besoins ont été surestimés, les infrastructures déjà construites pourraient devenir beaucoup moins rentables qu’anticipé.

Et si Anthropic ne pouvait plus honorer ses engagements ?
Deux scénarios doivent être envisagés.
Dans le premier, les modèles développés par Anthropic rencontrent une demande suffisamment forte pour justifier les investissements engagés.
Les entreprises clientes acceptent de payer les services proposés. Les recettes permettent d’honorer les contrats conclus avec les fournisseurs de capacités de calcul.
Les hyperscalers rentabilisent leurs infrastructures et poursuivent leurs investissements.
Dans le second scénario, la demande ou les revenus s’avèrent inférieurs aux anticipations.
Anthropic pourrait alors se retrouver avec des engagements financiers excédant sa capacité à générer des recettes.
Elle pourrait devoir revoir ses besoins, renégocier certains contrats ou, dans le scénario le plus défavorable, ne plus pouvoir honorer ses paiements.
Le risque initialement supporté par le laboratoire se transmettrait alors à ses fournisseurs.
Un hyperscaler ayant investi massivement pour servir quelques grands clients pourrait subir les conséquences de leur défaillance.
Son carnet de commandes, présenté jusque-là comme une garantie de croissance future, se révélerait moins solide que prévu.
Christian Parisot souligne ainsi le risque de concentration : lorsque les investissements reposent sur un nombre restreint de clients, les difficultés de l’un d’entre eux peuvent affecter une partie importante de la chaîne.
Les engagements d’Anthropic représenteraient, selon les chiffres qu’il présente, 517 milliards de dollars.
Ce montant permet de comprendre les besoins de financement évoqués autour de son introduction en Bourse.
Même en ajoutant 100 milliards de dollars de capitaux supplémentaires aux 132 milliards de liquidités mentionnés, les ressources disponibles resteraient à confronter à des engagements futurs d’une ampleur considérable.
Il ne s’agit pas de dépenses exigibles immédiatement, mais d’obligations réparties sur plusieurs années, dont l’équilibre économique dépend de la croissance des revenus.
Si celle-ci ne répond pas aux attentes, les actionnaires d’Anthropic pourraient supporter des pertes importantes.
Mais les conséquences ne s’arrêteraient pas nécessairement là.

Broadcom : derrière un contrat de 63 milliards, un montage financier complexe
L’exemple de Broadcom occupe une place centrale dans la démonstration de Christian Parisot.
Le fabricant de composants électroniques aurait conclu avec Anthropic un accord portant sur environ 63 milliards de dollars d’équipements destinés à accélérer les calculs d’intelligence artificielle, avec des livraisons à partir de 2027.
À première vue, une opération de cette ampleur représente une excellente nouvelle pour le fournisseur.
Elle apporte une visibilité importante sur les ventes futures et laisse espérer des revenus significatifs sur plusieurs années.
Mais Christian Parisot s’intéresse moins au montant du contrat qu’à son financement.
Car les équipements doivent être disponibles rapidement, tandis que les recettes générées par leur utilisation s’étaleront sur plusieurs exercices.
Il existe donc un décalage entre la dépense initiale et le retour sur investissement attendu.
Pour financer cette période, différents acteurs financiers interviennent.
Christian Parisot décrit notamment la participation de Bank of America, Citigroup et Morgan Stanley, qui apporteraient des financements par la dette.
Un véhicule financier spécifique serait constitué pour porter l’opération et contracter les emprunts nécessaires.
Blackstone interviendrait pour prendre en charge une partie du risque, en apportant une forme de protection aux établissements prêteurs.
Cette couverture n’est évidemment pas gratuite : l’investisseur qui accepte de supporter ce risque reçoit une rémunération en contrepartie.
Le montage permet ainsi de répartir les obligations entre plusieurs acteurs.
Les banques apportent les capitaux, une structure dédiée porte le financement, un investisseur professionnel assume une partie des pertes éventuelles et Anthropic s’engage à verser des loyers en échange de l’utilisation des composants.
Le dispositif répond à une difficulté économique fondamentale : financer immédiatement des infrastructures et des équipements dont la rentabilité dépend de revenus futurs.
Pour autant, ce montage ne supprime pas le risque de défaillance.

En cas de défaut, qui supporterait les pertes ?
Si Anthropic cessait d’honorer ses loyers, la structure de financement pourrait rapidement se retrouver en difficulté.
Blackstone, dans le dispositif présenté par Christian Parisot, supporterait une première partie des pertes.
Mais son exposition ne couvrirait pas nécessairement toutes les conséquences d’un défaut.
Broadcom pourrait également être affecté.
Certaines clauses conduiraient notamment le fabricant à récupérer des composants électroniques en cas de non-paiement.
Cette restitution pourrait sembler protectrice : l’entreprise récupérerait des actifs ayant une valeur économique.
Encore faudrait-il pouvoir les revendre dans de bonnes conditions.
Or, une défaillance d’Anthropic pourrait précisément traduire une demande insuffisante de capacités de calcul.
Les équipements récupérés arriveraient alors sur un marché potentiellement saturé.
Leur prix de revente risquerait d’être nettement inférieur à celui qui avait été retenu lors de la conclusion du contrat.
La rapidité de l’évolution technologique renforcerait cette difficulté, certaines générations de composants pouvant perdre rapidement une partie de leur valeur.
Broadcom ne supporterait donc pas nécessairement un risque de crédit direct équivalent à celui d’un prêteur, mais pourrait subir une perte économique liée aux équipements récupérés.
Ce scénario révèle une caractéristique importante de ces opérations : un contrat commercial peut offrir une visibilité sur les revenus sans garantir intégralement leur réalisation.

De la pénurie à la surabondance : le risque d’un retournement brutal
Christian Parisot envisage ensuite les conséquences d’un phénomène de surinvestissement généralisé.
Si plusieurs laboratoires avaient surestimé leurs besoins, les capacités de calcul disponibles pourraient devenir excédentaires.
Les difficultés financières de certains clients entraîneraient alors des restitutions d’équipements ou des reventes d’actifs.
Mais tous les intervenants chercheraient potentiellement à céder leurs composants au même moment.
Cette multiplication des offres exercerait une pression importante sur les prix.
Le marché passerait d’une situation de pénurie, dans laquelle les fabricants disposent d’un fort pouvoir de négociation, à une situation de surabondance.
Les composants électroniques, les mémoires, les processeurs et les disques durs pourraient alors subir une dépréciation rapide.
Cette baisse des prix sur le marché secondaire affecterait également la demande adressée aux fabricants de nouveaux équipements.
Pourquoi acheter un composant neuf au prix fort si des capacités comparables deviennent disponibles à un prix fortement réduit ?
Un tel retournement pourrait modifier brutalement les perspectives de croissance des entreprises qui fournissent les infrastructures de l’IA.
Il remettrait aussi en question les valorisations boursières construites sur l’hypothèse d’une demande durablement supérieure à l’offre.
Christian Parisot met ainsi en garde contre l’idée selon laquelle les fabricants de composants bénéficieraient nécessairement d’un cycle de croissance long et régulier.
Un excès d’investissement pourrait au contraire provoquer un retournement particulièrement marqué.

Le risque financier pourrait continuer à circuler
L’analyse ne s’arrête pas aux laboratoires, aux hyperscalers et aux fabricants de composants.
Christian Parisot souligne également que certaines garanties apportées par les investisseurs professionnels pourraient être revendues à d’autres intervenants.
Une exposition initialement supportée par une institution financière peut ainsi être transférée à plusieurs autres investisseurs.
Ces derniers acceptent de prendre le risque en échange d’une rémunération, mais disposent-ils toujours d’une visibilité suffisante sur sa nature et son ampleur ?
Le montage peut devenir particulièrement difficile à analyser lorsque les engagements dépendent à la fois du bon fonctionnement des infrastructures, de la solvabilité des clients et de la valeur future des équipements.
Les banques demeurent également exposées, puisqu’elles apportent les financements.
Même lorsqu’une partie des pertes bénéficie de garanties, celles-ci ne constituent pas nécessairement une protection absolue contre une défaillance généralisée.
Le financement de l’IA fait donc intervenir plusieurs catégories d’acteurs, dont les intérêts et les risques sont étroitement liés.
Au premier rang figurent les laboratoires qui développent les modèles. Leur rentabilité dépend de la demande adressée à leurs services et de leur capacité à couvrir leurs coûts de calcul.
Viennent ensuite les hyperscalers, qui peuvent cumuler plusieurs formes d’exposition.
Ils sont parfois actionnaires de ces laboratoires et supportent donc un risque lié à la valeur de leurs participations.
Ils dépendent également de leurs commandes pour rentabiliser les infrastructures construites.
À ces risques s’ajoutent ceux liés aux délais de construction, aux raccordements électriques et à la disponibilité effective des data centers.
D’autres intervenants financiers prennent le relais à travers des contrats de location, des garanties et des prêts.
Enfin, les fournisseurs d’équipements peuvent subir les conséquences d’une saturation du marché, même lorsqu’ils ne détiennent pas directement de créances sur les laboratoires d’IA.

L’IA pourrait-elle provoquer une réaction en chaîne ?
C’est ici que Christian Parisot pointe du doigtune autre ressemblance avec la crise des subprimes.
En 2008, la multiplication des défauts de paiement sur les crédits immobiliers avait conduit à la saisie et à la revente de nombreuses habitations.
La vente simultanée de ces biens avait contribué à déprimer davantage le marché immobilier, aggravant les pertes.
Dans le cas de l’intelligence artificielle, une mécanique comparable pourrait concerner les équipements informatiques et les infrastructures.
Des data centers ou des composants récupérés à la suite d’une défaillance pourraient être remis sur le marché.
Une offre abondante de matériel d’occasion pèserait alors sur les prix des équipements neufs.
Il pourrait s’écouler plusieurs années avant que les capacités excédentaires soient absorbées.
Le phénomène ne se limiterait pas aux pertes enregistrées par quelques entreprises.
Il toucherait les fabricants de composants, les investisseurs, les créanciers et les entreprises qui dépendent des dépenses d’infrastructure.
Christian Parisot insiste également sur les répercussions possibles pour l’économie réelle.
Les investissements dans les data centers contribuent fortement, selon son analyse, à la croissance américaine et aux échanges internationaux.
Il avance notamment que ces dépenses représenteraient une part considérable de la progression de l’activité et du commerce mondial.
Un retournement brutal aurait donc des conséquences au-delà de Wall Street.
La Corée du Sud et plusieurs économies asiatiques, particulièrement présentes dans la production de composants électroniques, pourraient être affectées.
La diminution des commandes se répercuterait alors sur les chaînes industrielles et le commerce international.
Sans annoncer une crise de l’ampleur de celle de 2008, Christian Parisot souligne que les risques financiers liés à l’IA pourraient se transmettre à l’économie réelle.

Les engagements circulaires, autre fragilité du système
Pour illustrer cette interdépendance, Christian Parisot s’appuie sur un graphique issu d’une étude de la Banque des règlements internationaux.
Ce document représente les relations financières et commerciales entre les différents intervenants de l’écosystème de l’intelligence artificielle.
Les engagements apparaissent particulièrement imbriqués.
Certains groupes fournissent les composants nécessaires aux infrastructures. D’autres construisent les data centers ou commercialisent les capacités de calcul.
Les laboratoires achètent ces prestations, tandis que leurs fournisseurs peuvent également détenir des participations dans leur capital.
Les flux commerciaux, les investissements et les engagements financiers finissent ainsi par se croiser.
Une entreprise peut être simultanément fournisseur, client, actionnaire ou partenaire financier d’une autre.
Cette organisation accroît les interdépendances.
La fragilité d’un acteur ne se limite donc pas nécessairement à ses propres actionnaires ou créanciers. Elle peut affecter les revenus, les investissements et les perspectives financières de plusieurs de ses partenaires.
Le schéma présenté par Christian Parisot illustre toute la difficulté d’identifier précisément les points de concentration du risque au sein de cet écosystème.

Le parallèle avec 2008 a toutefois ses limites
Christian Parisot reconnaît lui-même le caractère provocateur de l’expression « subprimes de l’IA ».
Il ne prédit pas une nouvelle crise financière et ne considère pas que les banques occupent aujourd’hui une position identique à celle qui était la leur avant la crise de 2008.
Le rapprochement concerne essentiellement la complexité des engagements et les difficultés qu’elle pourrait provoquer si les investisseurs perdaient confiance.
Le véritable point de rupture pourrait intervenir si la croissance des revenus liés à l’intelligence artificielle se révélait inférieure aux anticipations.
Une telle déception ne signifierait pas nécessairement que l’IA constitue une technologie sans avenir.
Elle pourrait simplement traduire un décalage entre le rythme des investissements et celui de son adoption effective.
Les entreprises auraient alors construit trop rapidement des capacités destinées à une demande qui mettrait davantage de temps à se matérialiser.
La pression concurrentielle pourrait également réduire les revenus espérés.
Même avec une utilisation croissante de l’intelligence artificielle, les laboratoires pourraient rencontrer des difficultés à facturer leurs services suffisamment cher pour rentabiliser leurs investissements.
Si plusieurs acteurs majeurs entraient simultanément en difficulté, les investisseurs chercheraient à identifier les entreprises exposées.
Or, c’est précisément cette identification que la complexité des engagements pourrait rendre délicate.
En l’absence de transparence, la méfiance pourrait s’étendre à des entreprises dont la situation financière demeure pourtant solide.
Les investisseurs pourraient alors vendre largement, par précaution, sans distinguer les niveaux réels d’exposition.
Christian Parisot retrouve dans cette possible réaction collective l’un des mécanismes observés lors de la crise de 2008.
L’enjeu ne réside donc pas uniquement dans la probabilité de défaut d’une entreprise, mais également dans les conséquences d’une perte généralisée de confiance.

Valorisations boursières : les promesses suffisent-elles ?
La perspective d’une introduction en Bourse d’Anthropic concentre plusieurs de ces interrogations.
L’entreprise pourrait bénéficier d’un fort engouement des investisseurs, porté par la qualité de ses modèles et l’expansion de son marché.
Mais la performance technologique d’un modèle ne garantit pas, à elle seule, la rentabilité future de l’entreprise qui le développe.
La concurrence reste intense, tant entre les solutions propriétaires qu’avec les modèles ouverts.
Le coût des équipements nécessaires au développement de l’IA demeure élevé, tandis que les recettes susceptibles de financer ces investissements restent incertaines.
À cela s’ajoute la rapidité des évolutions technologiques.
De nouveaux procédés peuvent modifier les besoins en composants et remettre en cause les anticipations des fabricants.
Christian Parisot évoque notamment les mémoires HBM, dont la forte demande encourage le développement de solutions techniques susceptibles de réduire certaines contraintes.
Des composants initialement considérés comme indispensables pourraient ainsi être partiellement remplacés ou utilisés différemment.
Les prévisions de demande établies plusieurs années à l’avance pourraient se révéler excessives.
La même incertitude concerne les modèles d’intelligence artificielle.
Les entreprises qui développent les systèmes les plus avancés pourraient constater que leur clientèle reste concentrée sur certains usages spécialisés.
D’autres applications seraient alors satisfaites par des modèles moins coûteux.
Les progrès technologiques ne supprimeraient pas la demande d’IA, mais ils pourraient modifier profondément la manière dont la valeur économique se répartit entre les différents acteurs.

Adoption de l’IA : des investissements plus rapides que les gains de productivité ?
Christian Parisot termine son analyse en revenant sur un décalage fondamental.
Les entreprises communiquent abondamment sur leurs projets d’intelligence artificielle, mais peu d’entre elles chiffrent précisément les gains économiques qu’elles en retirent.
Or, le déploiement de ces outils ne se résume pas à l’achat de capacités de calcul ou à la souscription d’un service.
Il nécessite de former les salariés, de modifier les méthodes de travail et, parfois, de repenser l’organisation de certaines activités.
Ces transformations prennent du temps.
Le rythme d’adoption pourrait donc s’avérer plus lent que ne l’anticipent les entreprises qui investissent aujourd’hui dans les infrastructures.
Si les recettes tardaient à se matérialiser, certains engagements financiers deviendraient plus difficiles à honorer.
Les perspectives de rentabilité seraient alors révisées, avec des conséquences possibles sur le financement des projets et sur les entreprises qui ont construit leur croissance autour de ces anticipations.
C’est cette incertitude entre l’ampleur des investissements engagés aujourd’hui et la réalité des revenus attendus demain qui nourrit les interrogations de Christian Parisot sur les risques financiers de l’intelligence artificielle.

Actions/Décisions, Top Picks U.S. et Sélection Elite, voici quelques unes de nos offres qui vous aideront à bâtir un portefeuille solide dans la durée !

Défiler vers le haut