La super bulle de l'IA : 2029 sera-t-elle notre 1929 ?

Chaque génération se persuade que sa technologie phare bouleverse les anciennes règles de l'effet de levier et de la valorisation. Dans les années 1920, c'était l'automobile, la radio, l'électroménager. Aujourd'hui, la bulle de l'IA est comparée à celle de 1929, et cette comparaison émane du professeur Steve Keen, économiste à l'UCL, qui avait prédit le krach de 2008 avant même que la plupart des acteurs de Wall Street n'osent l'évoquer ouvertement. Son analyse repose sur trois éléments rarement abordés conjointement : l'écart de valorisation entre les entreprises américaines et chinoises d'IA, la dette finançant discrètement le développement américain, et l'infrastructure électrique sous-jacente.

Le boom de l'IA se dirige-t-il vraiment vers un krach à la 1929 ?

Steve Keen le pense, et il ne mâche pas ses mots. L'interview d'Andrew Neil avec le professeur Steve Keen, intitulée « La Chine a gagné la guerre de l'IA » , expose une prédiction selon laquelle la plupart des entreprises américaines d'IA feront faillite, seule une sur dix environ survivra, et la Chine émergera comme le grand gagnant, non pas grâce à la supériorité de ses modèles, mais grâce à la solidité de son économie. Son échéance est d'environ deux ans. Il est notoire qu'il est très difficile de prédire avec précision le moment du krach, et les économistes se sont déjà trompés par le passé, mais les mécanismes sous-jacents qu'il décrit sont suffisamment concrets pour être analysés indépendamment du moment où l'échéance arrivera, que ce soit en 2027, 2029 ou plus tard.

Keen n'est pas le seul à faire cette comparaison. Le New Yorker a publié un article dans sa rubrique financière intitulé « L'essor de l'IA et le spectre de 1929 ». The Economist s'est demandé ouvertement si la Chine pourrait faire éclater la bulle américaine de l'IA. Bloomberg a rapporté que des gestionnaires de fonds spéculatifs chinois qualifiaient cette hausse de « super bulle » dont l'éclatement « pourrait être imminent ».

Le pari à mille milliards de dollars : pourquoi les valorisations de l’IA américaine et chinoise ont-elles divergé si fortement ?

Les chiffres qui expliquent l'écart

Les investissements américains dans l'IA devraient dépasser le billion de dollars au cours des prochaines années seulement, et Keen évalue la valeur combinée des hyperscalers, des fabricants de puces et de l'ensemble du complexe industriel de l'IA à environ 20 billions de dollars. OpenAI est valorisée à environ 852 milliards de dollars, Anthropic à environ 965 milliards de dollars, des chiffres qui supposent que les deux entreprises pratiqueront à terme des prix correspondants.

La comparaison chinoise

Cette hypothèse est mise à rude épreuve. Moonshot AI, la société chinoise valorisée à environ 31 milliards de dollars, a lancé Kimi K3, un modèle qui a secoué Wall Street dès sa sortie. DeepSeek, valorisée à près de 71 milliards de dollars, propose des modèles qui, selon Keen, atteignent 80 à 90 % des performances des meilleurs systèmes américains pour un coût dix fois inférieur. En clair : les entreprises américaines se négocient actuellement à une valorisation 10 à 25 fois supérieure à celle de leurs concurrents chinois offrant des capacités globalement comparables. Ce n’est pas une simple erreur d’arrondi. C’est la forme d’une bulle qui menace d’éclater.

Une bulle, en termes simples, est un prix déconnecté de ce que les bénéfices sous-jacents peuvent raisonnablement justifier, alimenté par la conviction que quelqu'un d'autre paiera plus cher demain. Les bulles ne nécessitent ni malhonnêteté ni stupidité. Elles requièrent de l'optimisme, du crédit facile et une vision technologique véritablement révolutionnaire, comme l'ont fait tour à tour les chemins de fer, la radio, Internet et maintenant l'IA. Ce qui fait éclater une bulle, ce n'est généralement pas la réfutation de la réalité – cela s'est avéré vrai pour les chemins de fer et Internet aussi –, mais le moment où les coûts de financement rattrapent les flux de trésorerie, qui ne se sont pas encore concrétisés.

L'avantage que personne n'a pris en compte : le réseau électrique chinois

L'écart de transmission en chiffres

La Chine exploite son réseau de transport d'électricité à longue distance à environ 800 kilovolts, s'appuyant sur un réseau américain encore largement construit autour de lignes de 345 à 500 kilovolts, dont certaines datent des années 1970. La Chine exploite actuellement 45 projets de transport à très haute tension (THT) couvrant plus de 40 000 kilomètres, dont 23 lignes fonctionnant à ±800 kilovolts en courant continu et la seule ligne au monde à ±1 100 kilovolts, selon les données de la National Energy Administration (NEA). State Grid a construit à elle seule 43 de ces corridors THT et en prévoit quinze autres d'ici 2030, ce qui confère à la Chine une capacité de transport interprovinciale de plus de 380 millions de kilowatts. Les États-Unis ont ajouté un total de 1 430 kilomètres de nouvelles lignes de transport à 345 kV et plus au cours de l'année 2024, et leurs premiers corridors à très haute capacité de 765 kV sont seulement en cours de planification au Texas.

Pourquoi la tension est le jeu entier

Le principe physique est simple : doubler la tension sur une ligne permet d’y acheminer environ quatre fois plus de puissance, avec des pertes proportionnellement moindres sur la distance. La Chine a construit ce réseau de transport à très haute tension pour l’hydroélectricité et les énergies renouvelables bien avant l’avènement de l’IA. C’est précisément pourquoi, comme l’explique Keen, les entrepreneurs chinois « considérent l’énergie comme une ressource inépuisable, quelle que soit son utilisation ». À l’inverse, les développeurs américains d’IA doivent constamment se préoccuper des économies d’énergie, car le réseau est déjà proche de la saturation. La capacité de production chinoise fonctionne à près du double de la demande de pointe, un surplus stratégique délibéré, contre une marge de réserve américaine d’environ 15 % au-dessus de la demande de pointe. L’augmentation annuelle de la demande en électricité des centres de données d’IA en Chine dépasse à elle seule la consommation annuelle totale d’électricité de l’Allemagne.

La dette que personne ne peut vraiment mesurer : l’exposition cachée du crédit privé à l’IA

Si l'énergie représente la contrainte physique, le financement est la contrainte invisible. Selon un rapport s'appuyant sur les données de Nikkei, cinq grandes entreprises technologiques américaines affichent une dette hors bilan de 1 650 milliards de dollars, contractée en grande partie via des financements privés pour leurs centres de données d'IA. Ces montages, qui ne sont ni des prêts bancaires classiques, ni des obligations cotées en bourse, ni des actions, échappent largement au contrôle réglementaire.

Début 2025, les prêts privés au secteur technologique américain s'élevaient à environ 450 milliards de dollars, soit une hausse de 100 milliards sur un an. Keen estime qu'ils ont probablement doublé depuis, parallèlement à l'accélération des dépenses liées à l'IA. Selon certaines estimations, l'encours des crédits privés accordés aux entreprises d'IA pourrait atteindre au moins 600 milliards de dollars d'ici 2030, sur un marché mondial du crédit privé déjà estimé à plus de 3 000 milliards de dollars. Ce phénomène est préoccupant car le crédit privé s'est développé précisément pour contourner la réglementation bancaire entrée en vigueur après 2008, et parce que, comme le souligne Keen sans détour, « personne ne sait exactement quel est le montant des crédits privés liés à l'essor des investissements en IA, on sait juste qu'il est considérable ». Si l'on tient compte des prêts bancaires associés, l'exposition réelle pourrait être trois à cinq fois supérieure aux chiffres officiels du crédit privé.

Pourquoi 1929 est une meilleure analogie que l'éclatement de la bulle Internet

L'éclatement de la bulle Internet est l'exemple le plus souvent cité d'excès de zèle dans le secteur technologique, mais les mécanismes décrits par Keen ressemblent davantage à ceux de 1929. En septembre 1929, la dette sur marge, soit l'argent emprunté pour acheter des actions avec un apport initial de seulement 10 %, atteignait environ 8,5 milliards de dollars, représentant approximativement 10 à 12 % de la capitalisation boursière totale américaine et un montant proche du budget fédéral. Cet effet de levier a parfaitement fonctionné tant que les cours augmentaient. Lorsque les flux de trésorerie de l'économie réelle ont commencé à se raréfier dès 1927, soit deux ans avant le krach, les appels de marge ont forcé des ventes, lesquelles ont fait chuter davantage les prix, et toute la structure s'est effondrée en quelques semaines, en octobre 1929.

La structure de financement de l'IA présente une forme quasi identique, sous une forme moderne. Au lieu de prêts sur marge garantis par des actions, il s'agit de crédits privés finançant la construction de centres de données. Au lieu d'un courtier exigeant davantage de garanties, c'est un prêteur qui réclame le service de la dette à une entreprise dont les revenus n'ont pas encore rattrapé ses investissements. Il convient de rappeler clairement la formulation de Keen concernant ce mécanisme déclencheur : lors de la construction de centres de données et de la mise en place des systèmes, les flux de trésorerie ne sont pas encore disponibles, et la véritable question est de savoir s'il est possible d'atteindre un niveau de rentabilité avant que les pertes ne s'accumulent trop. C'est précisément le pari qu'ont fait les actionnaires des sociétés de services publics et des fonds d'investissement des années 1920 sur l'électrification, une autre technologie transformatrice à forte intensité de capital qui a engendré des faillites spectaculaires, même si la technologie sous-jacente a ensuite profondément remodelé l'économie.

Le triple coup dur : concurrence chinoise, dette cachée et limites physiques

La concurrence affaiblit le pouvoir de fixation des prix

La concurrence chinoise réduit le pouvoir de fixation des prix dont dépendent les valorisations américaines. Si les modèles chinois, moins chers et désormais standardisés, s'emparent d'une part de marché suffisante, la prime de prix intégrée aux valorisations américaines devient intenable. Or, les modèles chinois open source accélèrent cette standardisation en permettant à quiconque d'exécuter un modèle performant sans avoir à louer un centre de données auprès d'un hyperscaler.

La dette se propageant à travers un système opaque

L'exposition au crédit privé signifie qu'en cas de résultats décevants, les conséquences négatives ne se limitent pas aux seuls actionnaires publics. Elles se répercutent sur une partie opaque, interconnectée et largement non réglementée du système financier, d'une manière que les autorités de régulation, de leur propre aveu, ne comprennent pas encore pleinement.

Le développement physique ne peut respecter le calendrier prévu.

Le déploiement physique de l'infrastructure est tout simplement impossible dans les délais prévus par les estimations actuelles, car le réseau, les transformateurs, les turbines et la main-d'œuvre qualifiée nécessaire à leur installation n'existent pas en quantité suffisante et ne peuvent être créés de toutes pièces en moins de sept ans, même avec des capitaux illimités. À cela s'ajoutent les tensions géopolitiques – Keen cite les guerres en Ukraine et au Moyen-Orient, ainsi que la reconstitution par la Chine de ses réserves stratégiques de pétrole – et l'on obtient ce qu'il appelle « un triple coup dur ».

Ce que cela signifie pour les chefs d'entreprise, et pas seulement pour les investisseurs

Rien de tout cela ne signifie que l'intelligence artificielle soit une illusion. Chaque analogie historique invoquée par Keen – chemins de fer, électrification, aviation, internet – a engendré une technologie qui a véritablement transformé l'économie, même si la plupart des entreprises finançant son déploiement initial ont fait faillite. La leçon n'est pas d'éviter l'IA, mais de distinguer la technologie des bilans qui la financent. Un effondrement des valorisations des hyperscalers et du crédit privé constituerait un événement financier majeur, mais n'effacerait pas les grands modèles de langage, les progrès de la conception des puces, ni les gains de productivité déjà réalisés dans des secteurs allant de la logistique à la production industrielle, et, plus près de nous, la même courbe d'adoption de l'IA est déjà en train de remodeler le financement automobile européen .

Pour quiconque travaille dans des secteurs reposant sur de longs cycles d'investissement, comme l'automobile, le leasing ou la transition énergétique, la leçon la plus durable concerne les horizons de planification stratégique plutôt que la crise elle-même. L'avantage technologique du réseau électrique chinois n'a pas été conçu pour l'IA. Il a été bâti sur deux décennies pour soutenir la politique industrielle et la compétitivité manufacturière, et l'IA n'a fait que constater que l'infrastructure était déjà en place. L'échec de l'Occident ne tient pas à un manque d'ambition en matière d'IA, mais à des décennies de sous-investissement dans les infrastructures essentielles – transformateurs, sous-stations, lignes à haute tension – dont dépend, à terme, toute transition nécessitant d'importants investissements. Il est également pertinent de revenir sur une question déjà soulevée concernant l'impact de l'IA sur notre façon de penser et de décider , car une véritable correction permettrait de mesurer la capacité de jugement indépendant des dirigeants d'entreprise durant une période de croissance qui privilégiait le consensus à la remise en question.

Foire aux questions

1. Pourquoi la Chine bénéficie-t-elle d'un avantage en matière de réseau électrique dans le domaine de l'IA ?

La Chine exploite un réseau de transport d'électricité à environ 800 kilovolts, contre 345 à 500 kilovolts pour l'infrastructure américaine, exploite 45 projets à très haute tension couvrant plus de 40 000 kilomètres et maintient une capacité de production d'électricité presque deux fois supérieure à la demande de pointe, contre une marge de réserve américaine d'environ 15 % seulement.

2. Quelle est l'exposition du crédit privé aux centres de données d'IA ?

On estime à 1 650 milliards de dollars la dette hors bilan de cinq grandes entreprises technologiques américaines, financée en grande partie par des accords de crédit privés en dehors du cadre réglementaire conventionnel, l’exposition totale pouvant être trois à cinq fois plus élevée une fois les prêts bancaires associés inclus.

3. Le boom de l'IA est-il comparable au krach boursier de 1929 ?

Steve Keen affirme que oui, et même davantage que lors de l'éclatement de la bulle Internet, car 1929 impliquait un effet de levier concentré se propageant par le biais de ventes forcées, une structure étroitement reproduite par la dette actuelle des centres de données d'IA financée par le crédit privé plutôt que par une bulle purement alimentée par les actions.

4. Dans quelle mesure les modèles d'IA chinois sont-ils moins chers que les modèles américains ?

Les modèles de DeepSeek atteindraient, selon certaines sources, 80 à 90 % des performances des principaux systèmes américains pour environ un dixième du coût, tandis que les entreprises américaines d'IA sont valorisées de 10 à 25 fois plus que leurs homologues chinoises offrant des capacités globalement comparables.

5. Quelle est la prédiction de Steve Keen concernant l'industrie de l'IA ?

Keen prédit que la plupart des entreprises américaines spécialisées dans l'IA échoueront, avec peut-être seulement une sur dix qui survivra, et que la Chine émergera comme le grand gagnant d'ici environ deux ans, grâce à une économie plus solide plutôt qu'à une technologie supérieure uniquement.