De machines à FCF à machines à Capex : le basculement de régime
L’essor de l’intelligence artificielle (IA) constitue sans doute l’un des phénomènes économiques et financiers les plus marquants de la décennie.
Comme pour les grandes vagues technologiques du passé, chemins de fer au XIXᵉ siècle, électrification des années 1920 ou révolution Internet des années 1990, la dynamique actuelle repose sur un ancrage réel dans l’innovation et la productivité.
L’investissement des entreprises dans l’IA devient rapidement un pilier de la croissance économique américaine, marquant un changement structurel dans le financement et le maintien de cette expansion.
Au premier semestre 2025, l’investissement dans les équipements et logiciels de traitement de l’information, largement impulsé par l’infrastructure d’IA, représentait une part certes modeste, mais déterminante, de l’économie, contribuant majoritairement à la croissance économique de cette période.
Cette forte croissance est impulsée par les géants du cloud, tels que Microsoft, Amazon, Meta et Alphabet, qui devraient collectivement investir des centaines de milliards de dollars dans l’IA cette année. Ce boom se traduit par la construction massive de centres de données, l’acquisition de matériel et des investissements initiaux dans les infrastructures de soutien, comme les réseaux électriques.
D’après la presse, Amazon prévoit d’investir 100 milliards de dollars dans les centres de données cette année, tandis que Meta a annoncé un investissement de plus de 600 milliards de dollars sur les trois prochaines années. Microsoft prévoit d’investir 80 milliards de dollars en 2025, et Google 75 milliards sur la même période. Par ailleurs, Apple prévoit des dépenses de 500 milliards de dollars sur les quatre prochaines années, notamment dans l’IA.
Par ailleurs, UBS a déclaré que les dépenses mondiales d’investissement dans l’intelligence artificielle atteindront plus d’un demi-billion de dollars en 2026, soutenues par des fondamentaux solides et une demande croissante de puissance de calcul.
La banque a relevé ses prévisions concernant les investissements mondiaux en IA à 423 milliards de dollars en 2025 et à 571 milliards de dollars en 2026, contre des estimations précédentes de 375 milliards et 500 milliards de dollars respectivement.
D’ici 2030, UBS prévoit que les dépenses totales atteindront 1 300 milliards de dollars, ce qui implique un taux de croissance annuel composé de 25 % au cours des cinq prochaines années.
Face à ces investissements colossaux de nombreuses autres grandes entreprises dans les centres de données et les initiatives liées à l’IA, il est clair que les investissements dans ce domaine se chiffrent en milliers de milliards de dollars, entre les dépenses réelles et prévues.
Si l’impact économique total est encore en cours d’évaluation, les investissements dans l’IA ont déjà dépassé les moteurs de croissance traditionnels, comme la consommation, ce qui laisse présager une restructuration profonde du modèle de croissance économique.
C'est pourquoi, depuis plusieurs années, les géants technologiques américains connaissent une transformation silencieuse mais radicale. Les MAG7, Microsoft, Apple, Alphabet, Amazon, Meta, Nvidia et Tesla, ne sont plus les “free cash-flow monsters” ultra-profitables qui dominaient les marchés financiers depuis une décennie.
De fait, pendant plus d’une décennie, les méga-cap tech, les MAG7 et assimilées, ont incarné l’archétype de la “perfect equity story” : marges opérationnelles stratosphériques, capex physiques limités, modèles dits asset-light et free cash-flows massifs recyclés presque exclusivement en rachats d’actions et en accumulation de trésorerie. Autrement dit, ces entreprises se finançaient avant tout par leurs profits, et non par leur bilan. La technologie semblait offrir un modèle de croissance quasi infini sans la lourdeur capitalistique des secteurs industriels traditionnels.
Ils entrent désormais dans un cycle profondément différent, marqué par une intensité capitalistique inédite, une explosion des besoins en infrastructures et, mécaniquement, un recours croissant à l’endettement. Cette mutation tient à un élément central : l’IA générative a métamorphosé la nature même du secteur technologique, faisant basculer un univers historiquement “asset-light” vers un modèle beaucoup plus lourd en capital, proche de celui des utilities, des télécoms ou de l’industrie lourde.
Dans ce nouveau paradigme, les Big Tech doivent financer des dépenses d’investissement colossales, liées principalement aux centres de données spécialisés pour l’IA, aux GPU à obsolescence rapide, aux réseaux électriques à très haute densité et aux infrastructures énergétiques nécessaires à leur fonctionnement. Le cœur du sujet, c’est que ces montants sont trop gros pour être absorbés uniquement par le free cash-flow interne, même pour les mastodontes. D’après plusieurs études récentes, le capex IA des hyperscalers représente déjà environ 60 % du cash-flow opérationnel, et pourrait monter vers 90–95 % du FCF disponible en 2025–2026.
Autrement dit : les hyperscalers sont en train d’utiliser quasiment tout ce qu’ils génèrent pour nourrir la machine IA, et doivent désormais compléter par de la dette.
On n’est plus dans le modèle “gros profits → rachat d’actions”, mais dans un modèle “gros profits + gros levier → infrastructures gigantesques”. Ce basculement bilanciel change profondément la manière dont le marché perçoit leur profil de risque.
La mécanique de bilan : là où le FCF ne suffit plus, la dette prend le relais
Les hyperscalers, Microsoft, Alphabet, Amazon, Meta, Oracle et consorts, devraient ainsi porter leurs capex totaux à plus de 500 milliards de dollars en 2026, alors qu’en début d’année le consensus se situait plutôt autour de 300 milliards. On parle désormais de trajectoires où les investissements cumulés dans les data centers IA atteindraient environ 3 000 milliards de dollars d’ici 2028, voire entre 5 000 et 7 000 milliards de dollars à l’horizon 2030 selon certaines estimations. Le cœur du sujet est donc que ces montants deviennent trop importants pour être absorbés uniquement par le free cash-flow interne, même pour les mastodontes de la tech.
Si l’on simplifie la logique de bilan des hyperscalers, on peut retenir quelques grands chiffres. Le cash-flow opérationnel annuel cumulé des grandes plateformes cloud et IA est estimé autour de 700 milliards de dollars en 2025. En parallèle, le capex consacré aux data centers et infrastructures IA se situe déjà dans une fourchette de 400 à 500 milliards de dollars par an, en forte accélération par rapport aux années précédentes. À très gros trait, cela laisse donc 200 à 300 milliards de dollars pour tout le reste : R&D hors IA, capex “classique”, opérations de M&A, rachats d’actions, dividendes… et, bien sûr, service de la dette.
Or, ce raisonnement statique masque une dynamique plus lourde. En parallèle de ce flux annuel, la trajectoire d’infrastructure projette un besoin cumulé de 2,9 à 3 000 milliards de dollars de capex d’ici 2028, dont environ 1 400 milliards seulement seraient couverts par les cash-flows internes à trajectoire actuelle. Le reste, soit à peu près 1 500 milliards de dollars, devra donc venir de l’extérieur, sous forme de dette, de structures de financement dédiées ou de partenariats.
Cette mécanique conduit à une équation très simple : à partir d’un certain seuil, le capex IA ne peut plus être financé par le seul free cash-flow, mais devient la somme de cash-flows internes, de dette publique et privée et de montages “hors bilan”. C’est précisément ce que l’on observe aujourd’hui dans la réalité des flux de financement.
Ainsi, la croissance n’est plus limitée par l’innovation logicielle, mais par la capacité à déployer du matériel, à consommer de l’énergie, à construire des usines numériques et à sécuriser un approvisionnement continu en semi-conducteurs avancés. Cette évolution a un coût financier immense : les hyperscalers consacrent déjà la quasi-totalité de leur cash-flow opérationnel à ces investissements, si bien que la période où ils pouvaient financer l’expansion uniquement via leur propre FCF touche clairement à sa fin.
JPMorgan estime que bâtir cette architecture nécessitera plus de 5 000 milliards de dollars. Malgré des bilans solides et près de 350 milliards de dollars de trésorerie cumulée, les Big Tech émettent massivement des obligations. Entre les centres de données des hyperscalers, les usines de semi-conducteurs et les infrastructures de refroidissement, les États-Unis font face à un déficit de capitaux estimé à 2 900 milliards de dollars pour soutenir le développement de l’IA.
D’après David Crawford, le président du pôle Technologie mondiale de la société de conseil Bain : « d’ici 2030, les dirigeants du secteur technologique devront relever le défi d’investir environ 500 milliards de dollars et de générer près de 2 000 milliards de dollars de nouvelles sources de revenus pour répondre à la demande de manière rentable.
Parallèlement, la demande en puissance de calcul de l’IA dépassant l’efficacité des semi-conducteurs, les tendances actuelles prévoient une augmentation considérable de la capacité des réseaux électriques, qui n’ont pas été renforcés depuis des décennies.
Ajoutez à cela la course à l’armement que se livrent les nations et les principaux fournisseurs, et le risque de surdimensionnement et de sous-dimensionnement n’a jamais été aussi complexe à gérer. Il est donc essentiel d’analyser le potentiel d’innovation, les infrastructures, les pénuries d’approvisionnement et les progrès algorithmiques pour traverser les prochaines années. »
Qui plus est, les droits de douane, les contrôles à l’exportation et la volonté des gouvernements du monde entier de développer une intelligence artificielle souveraine accélèrent la fragmentation des chaînes d’approvisionnement technologiques mondiales
Les domaines de pointe tels que l’IA ne sont plus seulement des catalyseurs de croissance économique, mais aussi des vecteurs de puissance politique et de sécurité nationale.
Face à la fragmentation des chaînes d’approvisionnement de semi-conducteurs, les États-Unis et la Chine restent à l’avant-garde du mouvement de découplage, la Chine représentant à elle seule près de 20 % de la capacité mondiale de production de puces cette année.
« Les capacités souveraines en matière d’IA sont de plus en plus perçues comme un avantage stratégique au même titre que la puissance économique et militaire », a déclaré Anne Hoecker, responsable du pôle Technologie mondiale de Bain. « Si l’IA souveraine est une priorité mondiale, les objectifs varient d’un pays à l’autre. Par conséquent, pour la plupart des pays, parvenir à une indépendance totale en la matière n’est pas envisageable, du moins pas aujourd’hui. Compte tenu de ces différences, il est peu probable que les normes mondiales en matière d’IA convergent. »
« Pour réussir, les entreprises multinationales devront adapter non seulement leur conformité, mais aussi leur architecture technologique au contexte local. Les entreprises doivent prendre des décisions en ayant le choix, en osant agir là où la confiance est élevée et en privilégiant la flexibilité là où règne l’incertitude. »
Environ 1 000 milliards de dollars de cette somme seront financés par la dette, en grande partie privée, la finance parallèle qui soutient cette croissance fulgurante. Mais ce n’est que la partie numérique du problème. Le volet énergétique, celui que personne ne veut chiffrer, pourrait s’avérer encore plus déstabilisant.
L’énergie devient le nouveau goulot d’étranglement et, de plus en plus, le nouveau terrain d’investissement.
Morgan Stanley estime que les États-Unis devront ajouter 36 gigawatts de capacités électriques d’ici 2028, pour répondre à la demande prévue en intelligence artificielle.
À 50-60 milliards de dollars le gigawatt, cela représente un déficit de plusieurs milliers de milliards de dollars, et le système financier traditionnel ne dispose pas des capitaux suffisants pour le combler.
Comment les Big Tech financent concrètement l’IA : un arsenal complet de solutions
Ce basculement oblige les Big Tech à retourner massivement sur les marchés de capitaux, et la dette redevient un outil central dans leur développement. D’un côté, tant que les taux restent relativement contenus et que les notations investment grade sont préservées, le marché obligataire absorbe sans difficulté des émissions record.
C’est ce qu’on observe avec les levées conjointes de Meta et Google, l’explosion des emprunts d’Oracle ou les émissions massives d’Amazon et Microsoft. Mais, d’un autre côté, cette dépendance accrue au financement externe révèle un changement de perception du marché : une entreprise qui ne dépendait que de son cash-flow devient soudain un acteur dont le profil de risque ressemble davantage à celui d’une entité industrielle, dont la rentabilité future est conditionnée à des investissements cycliques et à un amortissement accéléré d’actifs matériels.
Les chiffres 2025 parlent d’eux-mêmes : plus de 200 milliards de dollars d’obligations explicitement liées ou rattachées au thème IA ont été émises cette année par les grandes tech américaines, soit plus d’un quart de l’ensemble du marché corporate US. Meta a frappé particulièrement fort avec une émission d’environ 30 milliards de dollars de bonds, la plus massive de l’année en investment grade, qui a suscité plus de 125 milliards de dollars de demande.
De son côté, Oracle a empilé au total près de 100 milliards de dollars de dette, combinant obligations et financements bancaires pour soutenir sa stratégie cloud et IA, avec un levier qui flirte désormais avec des niveaux de 4 fois l’EBITDA. Tant que les taux restent jugés “supportables” et que la notation investment grade est préservée, le message du marché de la dette est clair : il est prêt à absorber des besoins de financement colossaux.
Pour autant, les Big Tech ne se contentent pas de l’outil obligataire classique. Plus intéressant encore, elles commencent à sortir une partie du financement de leurs propres bilans pour le loger dans des structures dédiées. L’exemple du projet Hyperion, le méga data center IA de Meta en Louisiane, est emblématique.
Ce projet est financé à hauteur de 27 milliards de dollars via Blue Owl et d’autres investisseurs privés, au sein d’une joint-venture où Meta ne détient que 20 %, encaisse 3 milliards de dollars de cash immédiatement, et laisse l’essentiel de la dette dans une structure séparée. De plus en plus de projets de centres de données IA reposent ainsi sur des financements adossés à des actifs, des prêts structurés, des baux de très long terme, ou encore des partenariats avec des fonds de private credit ou d’infrastructure.
L’objectif est double : accélérer au maximum la construction d’infrastructures tout en limitant l’impact visible sur les ratios de dette des maisons-mères et en préservant leurs notations.
Enfin, un troisième étage apparaît avec le développement de montages de type vendor financing et de boucles de financement croisées. Les fournisseurs de puces comme Nvidia ou AMD ne sont plus seulement des vendeurs de hardware ; ils deviennent également des organisateurs de financement, en soutenant des acteurs comme CoreWeave, en participant à des joint-ventures de data centers ou en structurant des deals qui sécurisent un débouché futur pour leurs GPU tout en facilitant le financement de l’infrastructure côté client.
Parallèlement, des projets comme “Stargate”, porté par OpenAI, SoftBank, Oracle et MGX, envisagent des montants d’infrastructures compris entre 100 et 500 milliards de dollars, financés massivement par la dette, avec un SoftBank déjà fortement levier en pivot central. On aboutit ainsi à une architecture financière dans laquelle les fournisseurs de puces aident à financer les data centers de leurs clients, qui eux-mêmes soutiennent la demande future de puces : une véritable boucle de crédit auto-référentielle.
Ce que le marché est en train de repricer : lecture crédit et lecture equity
La structure même de ces investissements explique pourquoi les marchés commencent à ajuster leurs attentes. Les GPU, cœur des systèmes IA, s’amortissent sur des cycles extrêmement courts, parfois moins de deux ans, ce qui implique un renouvellement permanent, coûteux, et qui rend les besoins en financement quasi continus.
Dans un modèle où les revenus IA restent émergents et beaucoup moins prévisibles que les cash-flows historiques du cloud ou de la publicité numérique, l’équilibre financier devient plus fragile. En conséquence, les spreads de crédit et les CDS commencent progressivement à refléter ce nouveau profil de risque, marquant le passage d’un régime d’excédent structurel de cash à un régime de tension sur les marges de financement.
Vu du marché du crédit, le tableau est encore, en apparence, très favorable. Les émissions Meta, Alphabet ou Oracle sont sursouscrites, les books d’ordres sont surdimensionnés, et les coûts moyens d’emprunt restent, pour les signatures de premier rang, en dessous de la barre des 5 %.
Toutefois, derrière cette façade, les signaux faibles se multiplient. Certaines grandes banques d’investissement avertissent déjà que le boom IA “se heurte à un mur de financement”, en rappelant que le capex IA consomme désormais près de 94 % du free cash-flow des grandes tech après dividendes et rachats d’actions, contre 76 % un an plus tôt.
Dans le même temps, les spreads de crédit et les CDS des émetteurs les plus agressifs, comme Oracle ou certains acteurs cloud de plus petite taille, commencent à s’écarter, notamment sur les maturités longues. Les agences de notation, de leur côté, s’interrogent de plus en plus explicitement sur la compatibilité entre des trajectoires de capex aussi tendues et le maintien d’un profil investment grade sur certains noms déjà en bas de la catégorie.
En langage de marché, cela signifie que l’on n’est pas encore en situation de stress, mais que la prime de risque “tech IA” est en train de se normaliser.
Le cas OpenAI illustre de manière spectaculaire cette dynamique. Alors que l’entreprise prévoit plus de 1 400 milliards de dollars d’investissements cumulés à 2030, son modèle économique reste flou, son taux de burn rate élevé et ses sources de financement incertaines. L’évocation, même théorique, d’un rôle du gouvernement américain comme garant d’une partie de ses dépenses montre bien que la trajectoire financière actuelle n’est pas tenable sans soutien externe massif.
Cela renforce une inquiétude désormais partagée : si les plus gros acteurs privés commencent eux-mêmes à douter de leur capacité à soutenir ces investissements, que dire des acteurs plus petits et moins capitalisés ? Ainsi, la chaîne entière; des fabricants de puces aux opérateurs de centres de données, repose sur une foi collective dans la poursuite du financement, foi qui pourrait être mise à rude épreuve en cas de retournement du marché du crédit.
Dans ce contexte, le risque principal n’est pas nécessairement technologique. L’IA continuera à se développer, et la demande de calcul restera structurellement forte. Le vrai nœud du problème est financier : l’écart grandissant entre le rythme d’investissement et la capacité des modèles économiques IA à générer des cash-flows proportionnels.
Sur le marché actions, la perception est plus fragmentée. D’un côté, les semi-conducteurs et l’équipement IA, Nvidia, AMD, Broadcom, certains fondeurs et fabricants de matériels réseaux , estent au cœur d’un narratif quasi-bullesque : projections de taille de marché à 1 000 milliards de dollars pour les puces IA d’ici 2030, multiples de valorisation tendus mais “justifiés” par la croissance attendue, et absence visible de fin de cycle à court terme.
D’un autre côté, les hyperscalers comme Microsoft, Alphabet, Amazon ou Meta sont désormais perçus comme des “industrial techs” : des entreprises toujours très rentables, mais avec un profil de risque plus proche d’un secteur capital-intensive, où les investisseurs regardent de plus en plus le couple “capex / cash-flow”, la profitabilité des activités cloud, et la capacité concrète à monétiser l’IA.
Enfin, les pure players ou monolines IA, OpenAI non coté, Palantir, xAI ou certaines mid-cap spécialisées, apparaissent comme les maillons les plus fragiles de la chaîne, avec une dépendance à un seul produit, des multiples de valorisation extrêmes et une très forte sensibilité à tout retournement du sentiment sur le cycle IA.
En résumé, le marché actions n’achète plus le narratif simple selon lequel “l’IA sauvera tout le monde” ; il commence à distinguer clairement ceux qui ont un bilan capable d’encaisser le cycle de ceux qui reposent essentiellement sur la bienveillance du marché du crédit.
Le véritable nœud du risque : un mismatch entre la durée des actifs et celle du financement
Cette dynamique pose une question plus large : le financement du cycle IA devient-il un facteur macroéconomique en soi ? À mesure que les besoins d’infrastructures se chiffrent en milliers de milliards, le système financier devra absorber un volume croissant d’émissions obligataires, de prêts privés et de montages hybrides.
Si l’on prend un pas de recul analytique, le risque clé n’est pas tantôt de savoir si “l’IA fonctionnera” ou non, mais plutôt de constater un problème classique de mismatch de durée entre l’actif et le passif.
Côté actif, les GPU et les data centers ont des durées de vie économiques relativement courtes, surtout si l’on tient compte de l’obsolescence technologique rapide et de la dépréciation nécessaire pour rester à l’état de l’art. La monétisation de l’IA, c’est-à-dire les revenus effectivement générés par ces infrastructures, est, elle, incertaine, fluctuante et difficile à modéliser, avec une forte dispersion entre les cas d’usage et les secteurs utilisateurs.
Côté passif, à l’inverse, la dette est souvent émise sur des maturités longues, 7, 10, voire 20 ans, parfois à taux fixe, parfois via des structures privées moins liquides. Tant que les taux restent relativement stables, que la croissance des revenus IA accélère et que les spreads de crédit tiennent, cette mécanique fonctionne et peut même être vertueuse.
En revanche, si plusieurs facteurs négatifs se combinent, un ralentissement de la demande d’IA, des clients qui normalisent leurs budgets IT, une hausse ou une persistance de taux réels élevés, et des spreads de crédit qui s’écartent, l’équation devient beaucoup plus problématique. On se retrouve alors avec des bilans chargés d’actifs à amortissement rapide, financés par de la dette longue dans un environnement où les cash-flows promis ne se matérialisent pas à la hauteur prévue.
Ce scénario ne correspond pas nécessairement à une implosion “façon dot-com”, mais plutôt à un credit squeeze : les acteurs les plus fragiles voient leur coût de financement exploser, sont contraints de couper brutalement dans les capex, de céder des actifs ou de se restructurer, tandis que les acteurs les plus solides ramassent les morceaux.
Cela ne s’est jamais produit dans l’histoire de la technologie moderne. Autrement dit, nous sommes face à un cycle où la finance et la technologie se retrouvent imbriquées de manière inédite : l’IA ne sera pas limitée par la technologie, mais potentiellement par la capacité du système financier à lui fournir les ressources nécessaires.
En définitive, les turbulences actuelles autour des annonces de capex IA ou des émissions de dette ne sont pas les signes d’une bulle prête à éclater, mais plutôt les manifestations normales d’un secteur qui grandit trop vite pour son infrastructure financière. L’IA restera un méga-thème durable ; mais son financement, lui, deviendra probablement la première source de volatilité dans les années à venir.
Le cycle ne se terminera pas par un effondrement, mais par une normalisation où seuls les acteurs capables de soutenir un modèle industriel massif survivront. Les autres seront absorbés, marginalisés ou éliminés.
Et dans ce nouveau monde, les Big Tech ne seront plus seulement des entreprises logicielles : elles deviendront les propriétaires de la plus grande infrastructure industrielle de l’histoire moderne.
En définitive, nous ne sommes ni dans un narratif simple où “l’IA est une bulle prête à exploser”, ni dans un conte de fées où tout investissement sera naturellement rentable. Nous sommes dans un environnement beaucoup plus subtil, mais potentiellement plus dangereux pour les investisseurs non sélectifs : un cycle d’investissement massif, financé de plus en plus par la dette et des montages sophistiqués, portant sur des actifs à amortissement rapide, avec des cash-flows encore incertains, et un marché du crédit qui commence à poser des questions très sérieuses.
L’IA restera sans doute un méga-thème structurel ; mais son mode de financement, davantage que la technologie elle-même, risque de devenir le principal moteur de volatilité macro-financière dans les prochaines années.
Suivez les marchés avec des outils de pros !