Le développement de l’intelligence artificielle (IA) est à l’origine d’un cycle d’investissement de grande ampleur, qui repose sur des modes de financement différents de ce qu’on a pu voir pour d’autres technologies. Dans cette analyse, Sandro Lazzarini, gérant de portefeuille obligataire, et Theo Pan, analyste d’investissement obligataire, dressent un comparatif avec des cycles d’investissement passés et cherchent à savoir si le phénomène en cours constitue un supercycle obligataire.
Contrairement à d’autres cycles d’investissement, la construction des infrastructures nécessaires au fonctionnement de l’IA est financée avant tout par les cash-flows d’exploitation massifs générés par les hyperscalers – et, de manière secondaire seulement, par l’emprunt. Les difficultés d’approvisionnement en semi-conducteurs, les délais de raccordement au réseau électrique ou d’autres entraves au bon déroulement des projets de construction pourraient toutefois tempérer toute euphorie spéculative. Et la vigilance reste de mise, compte tenu de l’accélération des dépenses d’investissement et de la durée de vie relativement courte des équipements informatiques.
Dans le cas des acteurs de l’IA qui ont effectivement recours à l’emprunt, le risque de crédit varie grandement selon l’emprunteur et la structure de financement. Il dépend de la construction elle-même, de ses occupants, de la capacité à refinancer l’emprunt ou encore de l’évolution de la demande. Il est aussi différent selon qu’il s’agit d’émissions d’obligations seniors réalisées par des hyperscalers, d’opérations de financement de projets liés à des centres de données, d’opérations adossées à des équipements ou d’investissements dans des fournisseurs de services cloud ayant déjà recours à l’effet de levier financier. Mais un taux obligataire plus élevé ne pouvant à lui seul compenser un montage financier fragile, les investisseurs doivent absolument évaluer l’origine des ressources qui seront utilisées pour rembourser l’emprunt, ainsi que les garanties contractuelles.
Les deux à trois prochaines années constitueront un test décisif pour ces modes de financement.
Il s’agira de suivre des indicateurs comme le taux d’adoption de l’IA par les entreprises, les recettes générées par les outils d’IA, les cash-flows accumulés par les hyperscalers, la disponibilité des infrastructures et les obligations en circulation. Les effets plus larges de l’IA sur la productivité, l’activité économique et l’emploi devraient quant à eux mettre plus de temps à se manifester.