La course aux infrastructures IA et ses implications économiques

Points clés

• Les GAFAM investissent des dizaines de milliards de dollars trimestriels pour développer leurs infrastructures IA.
• Les dépenses en infrastructures IA pourraient générer 3 à 4 000 milliards de dollars de ventes d'ici la fin de la décennie.
• Les principaux financeurs des infrastructures IA sont également de grands investisseurs dans les entreprises "light assets" (prestations intellectuelles, SaaS, logiciels).
• L’IA menace la rentabilité des entreprises de services, ce qui risque d’affecter la rentabilité des investisseurs dans ces entreprises.
• Les banques traditionnelles se désintéressent progressivement des entreprises light assets pour des raisons réglementaires (Bâle III), laissant le crédit privé financer ces entreprises.
• Le financement des infrastructures IA par les banques est limité du fait de la volatilité, la périssabilité des GPU et des contraintes réglementaires.
• Le crédit privé finance massivement ces infrastructures IA et les entreprises light assets, malgré les risques de dégradation économique liés à l’impact de l’IA.
• L’automatisation IA cause une compression importante des multiples de valorisation des entreprises de services.
• L’IA commoditise la valeur du travail humain, provoquant une chute des marges dans les secteurs de services intellectuels.
• Une part importante (25 à 35 %) du crédit privé serait à risque face à la révolution IA, pouvant entraîner un taux de défaut allant jusqu’à 13 %.
• Les prêts à taux variable et à long terme contractés au plus haut des valorisations arrivent à échéance entre 2026, moment critique de renégociation dans un environnement économique dégradé.
• Les fonds de private equity cherchent à intégrer rapidement des agents IA pour soutenir la rentabilité et préserver la valeur de leurs portefeuilles.
• Les hyperscalers prévoient d’investir plus de 650 milliards de dollars dans les infrastructures IA d’ici 2026.
• Le modèle économique des entreprises de service se voit remis en cause par la baisse continue des prix due à l’IA.
• Le financement de ces services se déplace vers les infrastructures IA à grande échelle détenues par les géants technologiques.
• Les marchés financiers commencent à refléter ces risques : chute des valeurs des acteurs du crédit privé, retraits massifs d’actifs, hausse des couts d’assurance sur défaut.
• Deux scénarios possibles : effondrement des entreprises fragiles ou reconfiguration sectorielle avec concentration par les plus gros acteurs.
• La poursuite et l’intensification des investissements des hyperscalers permettront probablement de maintenir le développement de l’industrie dans ce contexte.

Détails importants

• Distinction entre entreprises Hard Assets (actifs physiques et liquides) et Light Assets (propriété intellectuelle, capital humain, actifs peu liquides).
• Les GPU représentent le principal collatéral des infrastructures IA, mais leur valeur chute rapidement à cause de l’évolution rapide des technologies (loi de Moore accélérée par Nvidia).
• La réglementation Bâle III impose des contraintes de fonds propres qui pénalisent le financement bancaire des entreprises light assets et infrastructures IA.
• Le marché du crédit privé a atteint environ 1700 milliards de dollars, compensant la baisse d’intérêt des banques pour ces secteurs.
• Compression de la valeur des entreprises de services liée à l’automatisation IA considérée comme un "EBITDA fantôme" ou fictif.
• Exemples concrets d’IA réduisant les coûts de production, par exemple la génération de vidéos de qualité hollywoodienne à faible coût.
• L’analogie avec la commoditisation des matières premières illustre la perte de valeur ajoutée par la substitution par l’IA.
• Le taux de défaut anticipé dans le crédit privé face aux disruptions IA est beaucoup plus élevé que la moyenne dans le secteur des obligations d’entreprise classiques.
• Impact immédiat sur les entreprises de private credit avec des corrections boursières et des retraits massifs d’investisseurs.
• Les CDS (assurances sur défaut) de sociétés d’infrastructures IA montrent une forte hausse des primes, signalant un scepticisme accru du marché.
• L’effet levier utilisé dans le mauvais sens peut accélérer la faillite des entreprises déjà fragilisées par la commoditisation IA.
• Le concept du "syndrome de la Reine Rouge" illustre la nécessité d’adaptation rapide pour survivre dans ce contexte d’évolution accélérée.
• Fond d’investissement de type Vista lance une "AI Factory" pour déployer massivement des agents IA dans ses portefeuilles logiciels.
• La rentabilité future sera générée essentiellement par la rémunération des infrastructures IA des hyperscalers, les services devenant quasi gratuits ou inclus.

Conclusions

• Le financement massif des infrastructures IA par le crédit privé alimente un cercle paradoxal : il finance à la fois les infrastructures de l’IA et les entreprises qui seront disruptées par celle-ci.
• Le secteur du software et des services est confronté à une profonde disruption qui remet en cause leur modèle de valorisation et leur rentabilité historique.
• Un réajustement économique majeur est en cours, qui pourrait entraîner des défauts de grande ampleur dans le crédit privé.
• Seuls les acteurs capables d’intégrer rapidement l’IA dans leur fonctionnement pourront conserver des marges viables.
• Les marchés anticipent déjà cette crise latente, provoquant une forte volatilité et une remise en question des valorisations.
• La poursuite des investissements massifs par les hyperscalers va accélérer la commoditisation des services et concentrer la valeur sur les infrastructures de la big tech.
• Ce phénomène est un exemple typique des disruptions technologiques historiques, mais avec une accélération sans précédent, imposant un changement rapide pour les entreprises et investisseurs.
• Il convient de suivre attentivement l’évolution de ce secteur, notamment au travers des crédits privés et des acteurs d’infrastructure IA, pour anticiper les risques et opportunités.