Un processeur graphique (GPU) est un circuit électronique capable d’effectuer des calculs mathématiques à grande vitesse. Sa capacité à traiter de grandes quantités de données en parallèle est cruciale pour l’entraînement des modèles d’Intelligence Artificielle (IA). Depuis quelques années, la dette privée s’est invitée dans le financement de la révolution de l’IA, avec une arme aussi brillante que décriée : le prêt adossé aux GPU. Derrière ce terme technique se cache un mécanisme simple, celui de financer la croissance des startups d’IA en utilisant des processeurs graphiques comme garantie collatérale.

On assiste à l’ascension vertigineuse de nouveaux fournisseurs de cloud spécialisés pour l’IA, surnommés « neoclouds » : CoreWeave, Iren, Nebius, Crusoe Energy, Lambda Labs ou FluidStack. Ces entreprises, inconnues il y a encore deux ans, signent aujourd’hui des contrats à plusieurs dizaines de milliards avec les géants de la Silicon Valley pour la location de puissance de calcul. Leur modèle repose sur l’acquisition massive de GPU Nvidia, installés dans des data centers ultra-modernes, puis loués à des clients comme OpenAI, Microsoft, Meta ou Google.

Iren s’est imposé comme l’un des leaders, en misant sur l’énergie verte pour alimenter ses data centers IA. Nebius, spin-off de Yandex, s’est spécialisé dans le cloud haute performance pour l’IA, tandis que Crusoe Energy propose une approche originale : recycler l’énergie perdue du gaz naturel pour alimenter ses fermes de GPU, réduisant ainsi l’empreinte carbone de l’IA. Cette diversité de modèles illustre la course mondiale à la puissance de calcul, où chaque acteur cherche à se différencier par l’innovation technologique ou énergétique.

Les principaux prêteurs sont des fonds de dette privée et des « hedge funds ». Les montages financiers reposent sur des véhicules opaques, la titrisation de créances et des prêts à haut rendement. Cette ingénierie rappelle les heures sombres des « subprimes » : flux circulaires, effets de levier, et « round-tripping » où les mêmes acteurs investissent, prêtent et consomment les services. Nvidia fabrique les puces, mais investit aussi dans CoreWeave. CoreWeave emprunte auprès de fonds de dette privée, puis loue ses GPU à OpenAI, qui bénéficie elle-même des milliards injectés par Microsoft. Microsoft achète des GPU Nvidia pour ses propres data centers, tout en sous-traitant une partie de ses besoins à CoreWeave et en intégrant les modèles d’OpenAI dans Azure. Amazon, Oracle, Meta et Google sont aussi engagés dans des contrats et investissements massifs, parfois circulaires, qui brouillent la frontière entre fournisseur, client et investisseur.

Cette mécanique crée un cercle vertueux, mais pas sans dangers : quand Nvidia investit dans CoreWeave et que CoreWeave utilise cet argent pour acheter des GPU Nvidia, le fabricant de puces affiche des revenus en forte croissance. Le cours de son action monte, lui donnant encore plus de capital pour investir. Le problème est que cela gonfle artificiellement la demande. En effet, si 20 % ou 30 % du chiffre d’affaires de Nvidia provient d’entreprises qu’elle soutient financièrement, alors la demande réelle de GPU est plus faible que celle affichée. Ce point est particulièrement surveillé par les analystes financiers et les investisseurs.

Un data center moderne coûte généralement entre 500 millions et 1 milliard de dollars pour la construction, auxquels s’ajoutent plusieurs milliards pour l’achat et l’installation des GPU, selon la capacité visée et la localisation. Certains projets dépassent même les 2 milliards de dollars pour l’infrastructure physique seule. Selon les estimations, l’investissement global nécessaire pour soutenir la vague IA pourrait dépasser 1 000 milliards de dollars d’ici 2028 et même 3 000 milliards selon Morgan Stanley. McKinsey projette 7 000 milliards de dollars d’investissements mondiaux dans les data centers d’ici 2030, dont la majorité sera dédiée à l’IA. En 2025, le montant des deals sur les data centers a déjà atteint un record de 61 milliards de dollars.

Cette dépendance au silicium et à la dette privée accentue la vulnérabilité du modèle : si la demande ralentit ou si la valeur des GPU chute, la rentabilité des data centers devient incertaine, mettant en péril la capacité des opérateurs à rembourser leurs emprunts. Ainsi, les banques traditionnelles préfèrent rester à distance, refroidies par le risque d’obsolescence rapide des équipements.

La pénurie de puces H100, basée sur l’architecture Hopper, a transformé ces composants en or noir numérique, justifiant des taux d’intérêt à deux chiffres sur la dette empruntée. Les fondateurs, obsédés par la non-dilution, préfèrent s’endetter plutôt que céder des parts. Mais les prêteurs font un pari risqué sur la liquidité d’actifs, dont la valeur pourrait pourtant s’évaporer. L’arrivée de l’architecture Blackwell en 2025 a marqué un tournant critique : en offrant une capacité de calcul pour l’inférence jusqu’à 30 fois supérieure à celle de la génération H100, elle risque rapidement de transformer les parcs de GPU actuels en actifs de seconde zone, rendant les modèles économiques des « neoclouds » obsolètes. Le futur GPU Rubin, annoncé comme la prochaine étape, promet déjà une nouvelle rupture de performance et d’efficacité énergétique. Si la valeur des H100 existantes plonge, le ratio « Loan-to-Value » augmentera et les appels de marge s’enchaîneraient. Liquidations, ventes forcées, prix du calcul en chute libre : un scénario de crise financière.

Dans ce contexte, la récente annonce de CoreWeave d’une émission de dette convertible de 2 milliards de dollars a fait chuter son action de 5 % en une journée. Ce mouvement traduit la nervosité du marché face à l’accumulation de dettes et à la dépendance croissante à des financements risqués pour soutenir l’expansion des infrastructures IA. Les investisseurs s’interrogent sur la capacité de CoreWeave à honorer ses engagements dans un environnement où la valeur des GPU pourrait baisser brutalement avec l’arrivée de nouvelles générations comme Rubin. Cette réaction boursière illustre la fragilité du modèle et la sensibilité du secteur à toute annonce de refinancement ou de dilution potentielle.

Si les parallèles avec 2008 sont troublants (titrisation, opacité, dépendance à quelques acteurs), il y a une différence de taille : ici, la bulle pèse environ 30 à 60 milliards pour le marché du prêt adossé aux GPU, très loin des 10 000 milliards des « subprimes ». De plus, contrairement à une maison vide, un GPU produit du calcul et génère des « cash-flows » tant qu’il est branché. Le risque est donc moins pour l’économie mondiale que pour l’écosystème tech. Cependant, l’effet domino pourrait provoquer une récession technologique et un coup d’arrêt brutal à l’innovation.

Si CoreWeave ou un acteur similaire fait défaut, c’est le bilan des fonds de dette privée et potentiellement les comptes de Nvidia qui seront touchés, provoquant une correction boursière du secteur. Quand la nouvelle génération de puces arrivera, les « neoclouds » les plus fragiles, incapables de refinancer leur dette, seront sans doute rachetés à faible prix par de nouveaux investisseurs attirés par des data centers déjà construits et raccordés à une source stable d’électricité. À terme, l’accès à l’énergie vaudra plus cher que l’accès aux processeurs. Un data center connecté au réseau conservera une certaine valeur immobilière, même si les GPU qui la composent ne sont plus de dernière génération.

Aujourd’hui, le DJ joue une musique entraînante et tout le monde danse : startups, fonds de dette privée et fabricants de puces. En revanche, si Nvidia venait à changer de disque, la fête tournerait court. Dans la finance comme dans la tech, l’euphorie n’est jamais une stratégie durable. Même si le pire n’est jamais certain, quand la valeur des GPU baissera, une industrie qui croyait pouvoir défier la gravité devra se reconstruire. Ce ne sera certainement pas la fin de l’IA, mais la fin de l’argent facile dans l’IA.

Guillaume du Cheyron
Spécialiste de la finance d’entreprise
Président de G2C Corporate Finance