IA : la bulle peut-elle se heurter au mur de l’électricité et de la dette ?

L’intelligence artificielle ne manque ni de projets ni de demande. Le problème est désormais ailleurs : construire assez vite les data centers, obtenir l’électricité nécessaire et financer des équipements qui coûtent des centaines de milliards de dollars.

Le rapport publié le 14 octobre par l’Agence internationale de l’énergie montre que l’intégration des data centers est devenue un sujet de réseau, de prix de l’électricité, de sécurité énergétique et de politique publique. Dans le même temps, les tensions récentes sur la dette de CoreWeave ont rappelé que le boom de l’IA repose de plus en plus sur le crédit, pas seulement sur la trésorerie des géants technologiques.

Le risque n’est donc pas nécessairement que l’IA échoue. Il suffit que les infrastructures arrivent plus tard que prévu, coûtent plus cher ou génèrent des revenus moins rapidement que ce que les marchés ont déjà intégré.

Le boom change de nature : de la puce à l’infrastructure

La première phase du cycle de l’IA a surtout été lue à travers les ventes de puces, la croissance du cloud et les bénéfices des grandes plateformes. La nouvelle phase est beaucoup plus physique : bâtiments, transformateurs, lignes électriques, refroidissement, groupes de secours, stockage et raccordements au réseau.

L’AIE estime que les plus grands opérateurs de data centers devraient consacrer plus de 700 milliards de dollars de dépenses d’investissement en 2026, principalement au développement de nouvelles capacités. Ce montant montre l’ampleur du pari, mais il ne garantit pas sa rentabilité.

Construire davantage de puissance de calcul ne crée de valeur que si cette capacité est utilisée, facturée et renouvelée à un rythme suffisant. La distinction entre croissance technique et rendement du capital devient donc centrale.

Premier mur : l’électricité ne se construit pas à la vitesse d’un serveur

Goldman Sachs projette que la demande électrique des data centers américains pourrait passer de 31 gigawatts en 2025 à 66 gigawatts en 2027. Une telle progression en deux ans place les réseaux sous une pression inhabituelle.

Le calendrier constitue déjà une limite. Selon la même estimation, seulement 50 à 60 % des capacités annoncées pour les douze à vingt-quatre prochains mois pourraient entrer en service à temps. Une fois les autorisations obtenues, un data center peut encore demander dix-huit à vingt-quatre mois de construction, tandis que les renforcements de réseau et les nouvelles centrales nécessitent souvent davantage de temps.

L’AIE observe des files d’attente de raccordement dont la capacité cumulée dépasse parfois la pointe électrique actuelle dans plusieurs zones, notamment au Texas, en Virginie, en Finlande et au Royaume-Uni. Une partie de ces projets est spéculative ou dupliquée, mais les gestionnaires de réseau doivent malgré tout planifier face à une demande potentiellement gigantesque.

Le risque fonctionne dans les deux sens. Sous-estimer la demande provoque des retards et des goulets d’étranglement. La surestimer peut conduire à construire des infrastructures coûteuses qui resteront sous-utilisées si certains projets sont abandonnés.

Le prix de l’électricité devient une variable financière

L’Energy Information Administration américaine prévoit pour 2026 un prix de gros moyen de l’électricité de 52 dollars par mégawattheure sur les onze marchés qu’elle suit, soit 11 % de plus qu’en 2025. Cette hausse ne vient pas uniquement de l’IA : la météo, le gaz naturel et les contraintes régionales jouent également un rôle. Mais la progression des data centers ajoute une demande structurelle nouvelle.

L’EIA prévoit encore une hausse de 2,8 % de la consommation électrique du secteur commercial en 2027, catégorie qui inclut les data centers. Dans certaines régions, l’enjeu n’est déjà plus seulement le prix de l’énergie, mais la disponibilité de la puissance au moment et à l’endroit où elle est demandée.

Les opérateurs multiplient donc les contrats d’achat d’électricité, les batteries et les projets de production sur site. L’AIE recense 45 térawattheures de contrats d’électricité signés par le secteur au premier semestre 2026, près de 20 % de plus qu’un an auparavant, dont environ 70 % aux États-Unis.

Ces solutions ne suppriment pas le problème : elles déplacent une partie du coût vers la production, le réseau ou les utilisateurs. Le débat devient alors politique. Qui doit financer les nouvelles lignes, les réserves de capacité et les équipements nécessaires à des charges aussi importantes ?

Deuxième mur : la dette doit être remboursée avant que les puces ne vieillissent

Les plus grands groupes technologiques disposent encore de flux de trésorerie considérables. Les nouveaux fournisseurs de cloud spécialisés dans l’IA sont plus exposés, car ils doivent acheter des puces coûteuses avant d’encaisser progressivement les revenus de contrats pluriannuels.

CoreWeave est devenu le symbole de ce risque. Son rapport trimestriel indiquait 35,6 milliards de dollars de dette au 30 juin 2026, auxquels s’ajoutaient des capacités de financement non tirées. En octobre, Reuters a rapporté qu’en intégrant l’expansion récente du bilan, le marché évaluait désormais sa dette autour de 50 milliards de dollars.

La société a relevé sa prévision annuelle de dépenses d’investissement dans une fourchette de 35 à 39 milliards de dollars. Dans le même temps, le rendement de certaines obligations a dépassé 16 % et le coût de protection contre un défaut s’est fortement tendu. Ces prix de marché ne prouvent pas qu’un défaut aura lieu, mais ils signalent que les investisseurs exigent désormais une rémunération beaucoup plus élevée pour financer le secteur.

Le problème est accentué par la vitesse d’obsolescence des accélérateurs. Un bâtiment peut être utilisé pendant des décennies, alors qu’une génération de puces peut perdre rapidement son avantage économique. Plus le matériel doit être remplacé vite, plus le modèle dépend d’un accès permanent au financement et d’un taux d’utilisation élevé.

7 600 milliards de dollars d’investissement ne garantissent pas 7 600 milliards de valeur

Goldman Sachs estime, dans un scénario de référence, que l’écosystème pourrait mobiliser environ 7 600 milliards de dollars entre 2026 et 2031 pour le calcul, les data centers et l’électricité. Le modèle implique environ 765 milliards de dollars de dépenses en 2026, puis 1 600 milliards en 2031.

Cette estimation est souvent mal interprétée. Elle ne constitue pas une prévision de revenus, de bénéfices ou de demande finale. Elle mesure le capital nécessaire pour réaliser les ambitions d’infrastructure actuelles à partir d’hypothèses sur les ventes de puces, leur durée de vie, le coût des bâtiments et l’énergie.

La variable la plus importante est précisément la durée de vie économique des accélérateurs. Si les puces doivent être remplacées plus vite pour rester compétitives, les dépenses augmentent. Si l’efficacité progresse plus rapidement ou si les modèles utilisent moins de calcul, une partie des besoins peut être repoussée.

Le chiffre mesure donc l’ampleur du pari, pas son succès. La question décisive reste le montant de revenus et de flux de trésorerie supplémentaires généré pour chaque dollar investi.

La technologie peut réussir pendant que les valorisations corrigent

Présenter le débat comme un choix entre une révolution technologique et une bulle financière est trompeur. Les deux phénomènes peuvent coexister.

L’IA peut améliorer la productivité, créer de nouveaux services et transformer plusieurs secteurs. Cela n’empêche pas certaines entreprises d’investir trop tôt, de payer trop cher leurs capacités ou de financer des actifs avec une dette mal adaptée à leur rythme de revenus.

Une correction boursière n’exige donc pas un effondrement de la demande. Un retard de raccordement, une utilisation inférieure aux attentes, une baisse plus rapide du prix du calcul ou une hausse du coût du capital peut suffire à réduire fortement les multiples de valorisation.

Le récent mouvement de hausse des rendements obligataires renforce cette vulnérabilité. Lorsque le financement devient plus cher, la valeur actuelle de bénéfices très éloignés diminue et les opérateurs fortement endettés voient leurs marges de manœuvre se réduire.

Les indicateurs à surveiller

Pour mesurer la solidité du cycle, les investisseurs doivent désormais regarder au-delà des commandes de GPU et des annonces de nouveaux data centers.

• les dépenses d’investissement comparées aux revenus réellement attribuables à l’IA ;
• le taux d’utilisation des capacités de calcul déjà installées ;
• les retards, annulations et files d’attente de raccordement électrique ;
• le coût de l’électricité, des équipements de réseau et du refroidissement ;
• les spreads obligataires, les échéances de dette et les besoins de refinancement ;
• la concentration des revenus sur quelques grands clients ;
• la durée de vie économique et la valeur de revente des puces ;
• le flux de trésorerie libre généré après les investissements.

Le vrai test du boom de l’IA

Le boom de l’intelligence artificielle entre dans une phase plus exigeante. Les puces restent essentielles, mais l’électricité, les réseaux et le crédit deviennent les nouveaux juges de paix.

Le scénario le plus probable n’est pas nécessairement l’arrêt brutal de l’IA. Il peut s’agir d’un ralentissement, d’une sélection plus sévère entre projets et d’une redistribution des profits entre fabricants de puces, opérateurs de data centers, producteurs d’électricité, fournisseurs d’équipements et créanciers.

La faiblesse potentielle de la bulle ne vient donc pas uniquement de la technologie. Elle vient du prix payé aujourd’hui pour construire très vite des infrastructures dont la rentabilité complète reste encore à démontrer.