Pendant longtemps, la course à l’intelligence artificielle pouvait se raconter avec quelques mots : modèles, paramètres, données, puces. Puis les bâtiments sont apparus derrière les algorithmes. Des centres de données gigantesques, des centrales électriques, des réseaux, des transformateurs, des systèmes de refroidissement et des dizaines de milliers d’accélérateurs ont progressivement révélé la véritable géographie de l’IA.

Une nouvelle couche apparaît désormais : la dette.

Le prospectus préparé par Anthropic en vue de son introduction en Bourse permet d’en mesurer l’ampleur. L’entreprise prévoit au moins 518 milliards de dollars d’engagements liés au cloud, au calcul et aux infrastructures au cours de la prochaine décennie. Une grande partie de ces contrats ne peut être simplement annulée si la croissance ralentit. L’IA n’est donc plus seulement une industrie extrêmement capitalistique. Elle devient une industrie engagée sur des dépenses futures considérables avant même d’avoir démontré qu’elle pouvait générer des flux de trésorerie comparables.

Le problème suivant était inévitable : quelqu’un doit financer ces machines.

La réponse qui commence à émerger est beaucoup plus intéressante que le simple recours aux banques. Broadcom, l’un des fournisseurs qui doit bénéficier directement de l’expansion d’Anthropic, a accepté de mettre jusqu’à 42 milliards de dollars à la disposition de son propre client afin de financer ses besoins d’infrastructure. Le dispositif doit notamment contribuer à financer un engagement de 125,2 milliards de dollars sur cinq ans portant sur de la capacité de calcul utilisant des TPU. Les instruments prévus peuvent être convertis en actions Anthropic et Broadcom peut également faire intervenir un partenaire financier.

Autrement dit, le fournisseur ne se contente plus de vendre la machine. Il contribue à rendre son achat possible.

Le 2 octobre, cette mécanique a pris une dimension supplémentaire. Un syndicat bancaire travaillant avec Broadcom prépare environ 60 milliards de dollars de financement destiné aux puces et infrastructures d’intelligence artificielle, notamment au bénéfice d’Anthropic. Le montage envisagé comprendrait 42 milliards de dette senior sécurisée et 18 milliards de dette junior menée par Blackstone, qui engagerait elle-même environ 9 milliards avant de syndiquer le reste. Le financement n’est pas encore définitivement annoncé, mais son architecture révèle déjà l’échelle à laquelle Wall Street commence à organiser le financement du calcul.

Ce déplacement est essentiel. Jusqu’ici, la question centrale de l’IA était celle de la disponibilité du capital : combien Microsoft, Alphabet, Meta, Amazon ou les investisseurs privés étaient-ils prêts à dépenser pour construire l’infrastructure nécessaire ? Elle devient progressivement une question de structure du capital : quel actif peut garantir la dette, pendant combien de temps et avec quelle valeur résiduelle ?

C’est ici que la course au calcul rencontre une difficulté que l’euphorie technologique peut facilement masquer.

Une machine qui vieillit trop vite

Une infrastructure classique possède généralement une durée économique relativement longue. Une centrale électrique, un pipeline, un terminal portuaire ou un avion peuvent être financés sur plusieurs années parce qu’il existe une certaine visibilité sur leur capacité à continuer de produire des revenus. Leur valeur diminue, mais rarement au rythme auquel évoluent les accélérateurs d’intelligence artificielle.

Une génération de puces peut être technologiquement dépassée alors que les obligations contractées pour la financer courent encore.

Le problème n’est pas qu’un GPU ou un accélérateur cesse soudainement de fonctionner. Il peut continuer à calculer pendant des années. Le problème est économique. Une nouvelle génération peut fournir davantage de calcul pour la même quantité d’électricité, davantage de mémoire, une meilleure interconnexion ou un coût inférieur par unité de calcul. Une machine encore parfaitement opérationnelle peut alors devenir beaucoup moins compétitive.

Pour un laboratoire d’IA, cela constitue un risque industriel. Pour un prêteur, cela devient un problème de collatéral.

Les banques savent financer des immeubles parce qu’elles peuvent estimer leur valeur future. Elles savent financer des avions parce qu’il existe un marché secondaire mondial et relativement liquide. Elles savent financer des machines-outils parce que leurs cycles économiques sont relativement connus. Mais financer des dizaines de milliards de dollars d’accélérateurs dont la valeur économique dépend d’une frontière technologique se déplaçant tous les douze ou dix-huit mois exige une autre architecture.

Ce n’est donc pas un hasard si le financement de l’IA commence à produire des structures inhabituelles : dette sécurisée, dette junior, leasing, véhicules spécialisés, financement fournisseur, garanties de valeur résiduelle et instruments convertibles.

Le système financier doit apprendre à transformer le calcul en actif bancaire.

Quand le fournisseur finance son client

L’accord entre Broadcom et Anthropic est particulièrement révélateur parce qu’il brouille les frontières traditionnelles entre fournisseur, client, créancier et investisseur.

Anthropic devrait devenir le plus important client de Broadcom dans le calcul en 2027. Broadcom fournit une partie des technologies permettant de construire l’infrastructure qu’Anthropic souhaite utiliser. Il peut désormais contribuer au financement de cette infrastructure. Et si certains instruments sont convertis, il peut également devenir actionnaire de l’entreprise qui achète cette capacité. Le prospectus d’Anthropic reconnaît lui-même que l’imbrication de ces relations peut créer des conflits d’intérêts.

La boucle devient alors presque circulaire.

Le fournisseur bénéficie de la croissance de la demande. Le client a besoin de financement pour soutenir cette demande. Le fournisseur ou ses partenaires financiers fournissent une partie du capital permettant au client de continuer à acheter. Les revenus du fournisseur augmentent, renforçant sa capacité à financer ou garantir de nouveaux investissements.

Ce mécanisme n’est pas nécessairement malsain. Le financement fournisseur existe depuis longtemps dans l’industrie. Boeing et Airbus facilitent le financement des avions qu’ils vendent. Les fabricants d’équipements industriels travaillent avec des sociétés de leasing. Les constructeurs automobiles ont créé leurs propres activités financières. Lorsqu’un marché nécessite des investissements initiaux considérables, rapprocher financement et production peut accélérer son développement.

Mais l’échelle et la vitesse de l’IA rendent le phénomène différent.

La Banque des règlements internationaux s’intéresse désormais à ce qu’elle qualifie de financement circulaire dans l’écosystème de l’intelligence artificielle : fournisseurs finançant leurs clients, clients investissant dans leurs fournisseurs et entreprises technologiques combinant relations commerciales et financières. Dans un échantillon de 1 246 entreprises d’IA étudié par la BRI, plus de la moitié du financement provenait d’autres entreprises du secteur. Ce type d’interconnexion peut accélérer l’investissement, mais il complique également une question fondamentale : quelle partie de la demande correspond à une demande économique indépendante, et quelle partie existe parce que l’écosystème finance lui-même son expansion ?

L’histoire économique connaît déjà cette question.

Le précédent des télécommunications

À la fin des années 1990, les fabricants d’équipements télécoms ne se contentaient pas toujours de vendre leurs équipements aux opérateurs. Ils contribuaient parfois à leur financement. Le crédit fournisseur permettait aux nouveaux réseaux d’acheter davantage d’équipements, ce qui soutenait les revenus des fabricants et donnait l’impression d’une demande industrielle extrêmement robuste.

Tant que les capitaux continuaient d’affluer, le mécanisme fonctionnait.

Lorsque les perspectives de revenus se sont détériorées, une partie du problème est apparue simultanément des deux côtés du bilan : les clients avaient trop investi et certains fournisseurs avaient financé ceux qui leur achetaient leurs équipements.

La comparaison ne signifie pas que l’IA reproduira la crise des télécommunications. Les technologies sont différentes, les entreprises dominantes disposent aujourd’hui de bilans autrement plus puissants et la demande réelle pour le calcul d’IA existe déjà à une échelle considérable. Mais le précédent révèle un principe plus général : une technologie peut être révolutionnaire et son financement fragile en même temps.

Les chemins de fer du XIXe siècle en avaient déjà fourni une autre démonstration. Ils ont effectivement transformé les économies qu’ils traversaient. Cela n’a pas empêché des vagues de surinvestissement, de faillites et de crises financières. La valeur sociale ou technologique d’une infrastructure ne garantit jamais que chaque actif construit pour la déployer produira un rendement suffisant.

L’IA entre précisément dans cette zone.

518 milliards avant de connaître le monde de 2030

Le chiffre publié par Anthropic donne une mesure inhabituelle du pari.

Au moins 518 milliards de dollars d’engagements d’infrastructure sur une décennie signifient qu’une partie considérable de la capacité informatique des années 2030 doit être décidée alors que personne ne sait exactement quels modèles seront dominants, quelles architectures de puces seront utilisées, quel sera le prix du calcul ni même quelle proportion des usages actuels de l’IA deviendra réellement rentable. Environ 80 % de certains engagements d’infrastructure décrits dans le prospectus seraient difficilement résiliables.

C’est le paradoxe de cette industrie.

Pour rester dans la course, les entreprises doivent réserver aujourd’hui la capacité dont elles pensent avoir besoin demain. Mais plus elles réservent de capacité, plus elles créent des obligations financières qui supposent que la croissance de demain sera effectivement au rendez-vous.

Le calcul devient ainsi une sorte de pari à terme sur la demande future d’intelligence.

Les grands groupes technologiques peuvent absorber une partie de ce risque grâce aux profits provenant du cloud, de la publicité, des logiciels ou du commerce électronique. La situation est différente pour les laboratoires dont la valeur repose beaucoup plus directement sur leur capacité à transformer l’intelligence artificielle en revenus.

Anthropic illustre cette asymétrie. Son prospectus fait apparaître une entreprise dont la croissance est spectaculaire mais dont les dépenses le sont davantage encore : près de 4,6 milliards de dollars de revenus en 2025 pour plus de 8 milliards de dollars de pertes opérationnelles, selon les données révélées dans le cadre de son projet d’introduction en Bourse. Dans le même temps, l’entreprise prépare plusieurs centaines de milliards de dollars d’engagements futurs.

Le capital-risque ne peut plus suffire à une telle échelle.

L’IA doit donc entrer sur les marchés de dette.

Wall Street découvre le GPU

Cette transition est déjà visible.

Des centaines de milliards de dollars ont été levés pour financer les centres de données. Les financements portant directement sur les serveurs et les puces se multiplient désormais. Le montage de 60 milliards de dollars associé à Broadcom constitue une étape supplémentaire : il ne s’agit plus seulement de financer les murs, l’électricité et les systèmes de refroidissement entourant le calcul, mais de financer le calcul lui-même.

La distinction est importante.

Un centre de données peut éventuellement accueillir plusieurs générations de machines. Son raccordement électrique, son terrain et une partie de ses infrastructures conservent une valeur indépendante des accélérateurs installés à l’intérieur. La puce, elle, se trouve directement exposée au rythme de l’innovation.

C’est pourquoi la valeur résiduelle devient l’une des variables les plus importantes de la financiarisation de l’IA.

Si un serveur acheté aujourd’hui pour plusieurs millions de dollars ne vaut plus qu’une fraction de cette somme lorsqu’un emprunteur fait défaut trois ans plus tard, le prêteur doit intégrer cette dépréciation dans le coût du crédit. Si personne ne peut prévoir correctement cette valeur, quelqu’un doit absorber le risque : la banque, le fonds de crédit, le fournisseur, le fabricant de puces ou le client.

L’innovation financière qui accompagne l’IA consiste précisément à déplacer ce risque entre eux.

Les tranches senior et junior envisagées autour de Broadcom en donnent une illustration. La dette senior cherche la protection du collatéral et de sa priorité de remboursement ; la dette junior accepte davantage de risque contre un rendement supérieur. Le private equity et le private credit peuvent absorber des expositions que les banques traditionnelles ne souhaitent pas nécessairement conserver seules. Le fabricant peut apporter des garanties ou du financement. Le marché des capitaux peut ensuite redistribuer ces risques.

L’IA n’invente donc pas seulement de nouveaux modèles.

Elle fabrique progressivement une nouvelle classe d’actifs.

Le risque n’est pas nécessairement là où on l’attend

Il serait tentant d’en conclure que la dette constitue la preuve d’une bulle. Ce serait trop simple.

Les infrastructures nécessaires à l’IA sont réelles. Les centres de données existent. Les puces sont produites. Les réseaux électriques doivent effectivement être renforcés. Les revenus des principaux fournisseurs de semi-conducteurs ont déjà été profondément transformés par cette demande. Et une économie qui veut construire plusieurs milliers de milliards de dollars d’infrastructures ne peut raisonnablement le faire uniquement avec des capitaux propres.

La dette est donc moins une anomalie qu’une conséquence logique de l’industrialisation du secteur.

Le véritable risque se situe ailleurs : dans la vitesse à laquelle les engagements financiers augmentent par rapport à la visibilité sur les revenus qui permettront de les rembourser.

Lorsque le financement vient en partie des entreprises qui bénéficient directement des achats qu’il rend possibles, la lecture de la demande devient également plus complexe. Un dollar de commande n’a pas exactement la même signification économique selon qu’il provient d’un client disposant de ses propres liquidités ou d’un client dont le fournisseur contribue à financer l’achat.

C’est précisément ce que le développement du financement circulaire oblige désormais investisseurs, banques et régulateurs à examiner.

Et le phénomène dépasse les États-Unis. Une étude publiée le 2 octobre par des économistes de la Banque centrale européenne montre presque l’image inverse dans la zone euro : environ 72 % des entreprises interrogées envisageant des investissements dans l’IA comptent principalement sur leurs ressources internes, contre seulement 16 % sur le crédit bancaire, 6 % sur les fonds propres ou le capital-risque et 1 % sur l’émission de titres de dette. L’accès au financement externe reste notamment difficile lorsque les investissements reposent sur des actifs immatériels difficiles à utiliser comme collatéral.

Deux modèles commencent ainsi à apparaître. Aux États-Unis, les marchés financiers cherchent à transformer l’infrastructure de l’IA en actif finançable à une échelle gigantesque. En Europe, une grande partie des entreprises continue de financer son adoption de l’IA avec les ressources qu’elle possède déjà.

L’écart pourrait devenir aussi important que l’écart technologique lui-même.

Après les puces, le bilan

La première phase de la course à l’intelligence artificielle consistait à construire les meilleurs modèles.

La deuxième a été celle des puces. Nvidia, Broadcom, AMD et les accélérateurs propriétaires des hyperscalers sont devenus les instruments d’une compétition où disposer du calcul était presque aussi important que disposer des algorithmes.

La troisième a été celle de l’électricité. Les gigawatts sont entrés dans le vocabulaire de la Silicon Valley, suivis des turbines, des réacteurs nucléaires, des lignes à haute tension et des contrats énergétiques de plusieurs décennies.

La suivante commence maintenant.

Elle se déroule dans les bilans.

Pour construire l’infrastructure promise par l’industrie, il faudra transformer des centres de données, des serveurs et surtout des accélérateurs extrêmement rapidement obsolescents en actifs capables de soutenir des centaines de milliards de dollars de dette. Les banques devront leur attribuer une valeur. Les fonds devront accepter leur risque. Les fabricants devront parfois garantir cette valeur. Et les entreprises d’IA devront produire suffisamment de revenus pour que l’ensemble de la chaîne puisse être remboursé.

La question décisive de la course à l’IA n’est donc plus seulement de savoir qui possédera le meilleur modèle, la meilleure puce ou le plus grand nombre de gigawatts.

Elle devient plus prosaïque, et peut-être plus importante.

Qui acceptera de financer aujourd’hui des centaines de milliards de dollars de machines dont personne ne connaît encore la valeur lorsqu’il faudra rembourser demain ?

Sources principales

Reuters — Broadcom to lend Anthropic up to $42 billion to lease its chips, filing says, 1er octobre 2026.

Reuters — Anthropic's $518 billion AI buildout hinges largely on deals that cannot be canceled, filing shows, 29 septembre 2026.

Reuters — Anthropic's IPO prospectus shows sweeping AI vision, surging costs, 28 septembre 2026.

Bloomberg — informations du 2 octobre 2026 sur le montage de 60 milliards de dollars associé à Broadcom, comprenant 42 milliards de dette senior et 18 milliards de dette junior menée par Blackstone.

Bank for International Settlements — travaux sur les relations financières circulaires dans l’écosystème de l’intelligence artificielle.

European Central Bank — analyse du financement des investissements en intelligence artificielle des entreprises de la zone euro, 2 octobre 2026.