Le piège de la dette de silicium : Nvidia finance ses propres ventes

Points clés à retenir

• The Loop : Nvidia agit en tant que commanditaire principal dans un véhicule de financement qui achète les propres puces de Nvidia et les loue à xAI. Le fabricant de puces subventionne efficacement l’achat de son propre inventaire pour maintenir la croissance de ses revenus.
• The Scale : Apollo Global Management a engagé 7 milliards de dollars dans le cadre de deux transactions consécutives en janvier et février 2026, structurées sous forme de cession-bail via une entité écran appelée Valor Compute Infrastructure.
• La bombe de dépréciation : une unité de traitement graphique (GPU) Nvidia H100 d’une valeur de 30 000 $ en 2023 se négocie pour environ 8 000 $ en 2026, mais les titres adossés à des actifs (ABS) finançant ces puces ont été structurés en supposant seulement une dépréciation de 50 % sur trois ans.
• Le risque systémique : JPMorgan prévoit que la titrisation des centres de données pourrait atteindre 30 à 40 milliards de dollars par an d’ici 2027, tandis que la Banque des règlements internationaux (BRI) prévient que les investissements liés à l’intelligence artificielle (IA) dépassent désormais 5 % du produit intérieur brut (PIB) américain, dépassant ainsi le pic point-com.

L’accord Ouroboros

Le 16 février 2026, Marc Rowan, PDG d’Apollo Global Management, est monté sur scène lors d’une conférence de Bank of America et a décrit ce qu’il a appelé un accord de financement « sur mesure et adossé à des contrats » pour l’infrastructure d’IA. Le langage était clinique. La structure était tout sauf.

Voici ce qu’Apollo a réellement construit :

1. Valor Equity Partners, une société de capital-investissement ayant des liens profonds avec Elon Musk, a créé un véhicule à usage spécial (SPV) appelé Valor Compute Infrastructure.
2. Apollo a prêté 7 milliards de dollars à ce SPV en deux tranches : 3,5 milliards de dollars clôturés en janvier 2026 et 3,4 milliards de dollars finalisés début février.
3. Le SPV a utilisé ce capital pour acheter des GPU Nvidia GB200 au prix catalogue complet.
4. Ces puces ont ensuite été louées à xAI dans le cadre d’une structure de cession-bail, dans laquelle xAI paie des frais de location mensuels au SPV plutôt que d’acheter le matériel directement.
5. Nvidia a participé en tant que commanditaire (LP) d’ancrage à la première tranche de 3,5 milliards de dollars, apportant des capitaux propres au véhicule même qui achète ses puces.

Relisez ce dernier point. Nvidia a investi de l’argent dans le fonds qui achète les produits Nvidia. Les revenus du fabricant de puces dépendent du fonctionnement de cette structure. Les rendements du financier dépendent de la valeur des jetons. Et l’emprunteur, xAI, brûle 12 milliards de dollars par an et a récemment été absorbé par SpaceX précisément parce qu’il ne pouvait pas maintenir ses propres opérations de manière indépendante.

Ce n’est pas du financement. Il s’agit d’une boucle fermée.

Comment fonctionnent les cessions-bails (et pourquoi elles sont importantes)

Si la structure vous semble familière, c’est probablement le cas. Les cessions-bails font partie des industries en voie de disparition. Centres commerciaux. Flottes d’avions. Matériel médical. Le mécanisme est simple : une entreprise qui a besoin d’un actif coûteux mais qui n’a pas le bilan nécessaire pour l’acheter directement a recours à un intermédiaire financier pour acheter l’actif et le relouer.

La mécanique

Dans une cession-bail traditionnelle :

$$\text{Lender buys asset} \rightarrow \text{Lessee uses asset} \rightarrow \text{Lessee pays rent} \rightarrow \text{Lender recovers principal + interest}$$

La protection contre les baisses du prêteur est la valeur résiduelle de l’actif. En cas de défaillance du locataire, le prêteur reprend possession du matériel et le revend sur le marché secondaire. Cela fonctionne lorsque l’actif maintient son prix. Un Boeing 737 loué pour 10 ans conserve une valeur importante car sa durée de vie économique est de plus de 30 ans.

Un GPU ne se comporte pas comme un 737.

La falaise de dépréciation du GPU

Le problème fondamental des prêts garantis par GPU est que le matériel semi-conducteur se déprécie selon une courbe dictée par la loi de Moore, et non par l’usure physique. Un GPU H100 ne « s’use » pas au sens traditionnel du terme. Cela devient obsolète.

** Calendrier d’amortissement documenté : **

L’introduction de la puce B200 Blackwell de Nvidia fin 2024 a instantanément fait grimper la valeur de revente de chaque H100 sur le terrain. La société même dont les puces servent de garantie pour ces prêts est celle qui lance le produit Next Generation qui détruit la valeur de la garantie.

C’est le paradoxe du financement des GPU : Le cycle d’innovation de Nvidia est le principal risque pour les titres adossés à Nvidia.

Le fantasme de la valeur résiduelle

Les premiers accords ABS soutenus par GPU, à commencer par l’offre de 500 millions de dollars de Lambda Labs via Macquarie à la mi-2024, étaient structurés avec une hypothèse critique : les GPU conserveraient 50 % de leur valeur après trois ans. Neuf mois après les premières expéditions de B200, cette hypothèse était déjà deux fois fausse.

Les titres supposaient un prix plancher de 15 000 $. Le marché a livré 8 000 $. Chaque prêt souscrit sur la base de ces hypothèses est désormais sous-performé sur sa couverture de garantie.

Le problème Nvidia : Anchor LP ou Vendor Financier ?

Le détail le plus explosif de la structure Apollo-Valor-xAI est le double rôle de Nvidia. L’entreprise est à la fois :

1. Le fabricant vend des puces avec une marge totale (marges brutes GAAP d’environ 75 % au cours des derniers trimestres).
2. Un investisseur en actions dans le SPV qui achète ces puces.

La position officielle de Nvidia est qu’elle ne s’engage pas dans le « financement par le fournisseur », pratique selon laquelle un fournisseur prête de l’argent à ses clients pour qu’ils achètent ses propres produits. Cette pratique a été au cœur de la crise des télécommunications de 2001, lorsque des sociétés comme Lucent Technologies et Nortel Networks se sont effondrées après avoir accordé des milliards de prêts à des clients qui ne pourraient jamais les rembourser.

Techniquement, Nvidia ne prête pas directement à xAI. Mais lorsque Nvidia investit des capitaux propres dans un fonds (Valor Compute Infrastructure) et que le seul objectif de ce fonds est d’acheter des puces Nvidia et de les louer au client de Nvidia, la réalité économique ne se distingue pas du financement du fournisseur. Le capital circule en cercle :

$$\text{Nvidia} \xrightarrow{\text{equity}} \text{SPV} \xrightarrow{\text{purchase}} \text{Nvidia (revenue)} \xrightarrow{\text{lease}} \text{xAI} \xrightarrow{\text{rent}} \text{SPV}$$

Nvidia comptabilise la vente du GPU comme revenu. Le SPV perçoit le loyer auprès de xAI. Et la participation de Nvidia rapporte un retour sur les revenus qu’elle vient de générer. Si xAI cesse de payer le loyer, le SPV fait défaut. Apollo prend la coupe de ses 7 milliards de dollars. Et Nvidia se retrouve à détenir des capitaux propres dans un fonds rempli de puces dépréciées qu’il a fabriqué.

Le précédent Lucent

En 1999, Lucent Technologies a fourni 8,4 milliards de dollars de financement direct aux entreprises de télécommunications construisant des réseaux de fibre optique. Lorsque la bulle des télécommunications a éclaté en 2001, ces clients ont fait défaut. Lucent a radié 7,5 milliards de dollars et sa capitalisation boursière s’est effondrée, passant de 258 milliards de dollars à 20 milliards de dollars.

Le parallèle est structurel et non spéculatif. Dans les deux cas, un fabricant de matériel informatique lubrifie financièrement son propre pipeline de ventes pendant une période de dépenses d’investissement euphoriques. La seule question est de savoir si la demande en IA perdure suffisamment longtemps pour amortir la dette avant que la prochaine génération de puces n’efface la garantie.

La crise de liquidité xAI

Comprendre pourquoi cette structure existe nécessite de comprendre la réalité financière de xAI.

La société d’IA d’Elon Musk a levé 6 milliards de dollars dans sa série B (mai 2024) et 6 milliards de dollars supplémentaires dans sa série C (décembre 2024), ainsi qu’une série E de 3 milliards de dollars auprès de la société saoudienne HUMAIN juste avant la fusion SpaceX. Malgré ces énormes augmentations de capitaux propres, xAI dépense environ 12 milliards de dollars par an en infrastructures informatiques, en personnel et en coûts opérationnels.

Le calcul est terminal sans financement externe :

$$\frac{\$12B \text{ annual burn}}{(\$6B + \$6B + \$3B) \text{ equity raised}} \approx 15 \text{ months of runway}$$

Sans la structure de cession-bail d’Apollo, xAI aurait besoin de lever un nouveau capital tous les 12 à 15 mois, à des valorisations de plus en plus dilutives, juste pour maintenir le supercalculateur Colossus en fonctionnement (pour un aperçu détaillé de l’infrastructure physique, voir l’analyse de The Memphis Smokescreen).

L’annonce du 2 février 2026 selon laquelle SpaceX acquerrait xAI dans le cadre d’une transaction entièrement en actions évaluée à 1 250 milliards de dollars n’était pas une expression de confiance stratégique. C’était un sauvetage financier. SpaceX génère environ 8 milliards de dollars de bénéfices par an grâce à Starlink et aux services de lancement. En fusionnant, xAI a accès aux flux de trésorerie de SpaceX pour honorer ses obligations de dette, y compris les 7 milliards de dollars dus à Apollo via le SPV Valor.

Sans la fusion, les réserves de trésorerie de xAI devraient s’épuiser d’ici la mi-2027.

L’image systémique : la titrisation des GPU à grande échelle

L’accord Apollo-xAI n’est pas une transaction isolée. Il s’agit du plus grand nœud visible dans un réseau en expansion rapide de crédit privé soutenu par GPU.

Les chiffres

• $121 milliards : Nouvelle dette émise par les hyperscalers rien qu’en 2025.
• $400 milliards : projection de Morgan Stanley concernant l’émission de dette hyperscaler en 2026.
• $30-40 milliards : estimation de JPMorgan pour les émissions annuelles de titrisation des centres de données d’ici 2027, ce qui représente 7 à 10 % des marchés combinés des ABS et des titres adossés à des créances hypothécaires commerciales (CMBS).
• 5 % du PIB américain : estimation de la BRI concernant l’ampleur actuelle des investissements liés à l’IA, dépassant le pic de la bulle Internet.

La BRI, dans son Bulletin n° 120 de janvier 2026, a explicitement averti que les entreprises d’IA sont en train de passer du financement par flux de trésorerie au financement par emprunt, et que l’opacité des marchés du crédit privé rend impossible l’évaluation de la véritable exposition systémique.

Comme documenté dans l’analyse précédente de la [Crise des subprimes de l’IA au niveau municipal] (/markets/the-subprime-ai-crisis), le risque n’est pas de rester sur le marché privé. Il est distribué aux fonds de pension, aux compagnies d’assurance et aux investisseurs particuliers via des chaînes de titrisation qui masquent la véritable courbe de dépréciation de l’actif sous-jacent.

Le problème de corrélation

Lors de la crise hypothécaire de 2008, le défaut fatal était le risque de défaut corrélé : les modèles supposaient que les prix des logements dans les différentes villes étaient indépendants. Ce n’était pas le cas. Lorsqu’un marché tombait, ils tombaient tous.

Les titres adossés à des GPU sont confrontés au même problème structurel. Chaque H100 dans chaque centre de données sur Terre se déprécie selon exactement la même courbe, motivé par la exactement même cause : Nvidia lance une meilleure puce. Lorsque la prochaine architecture sera livrée, chaque puce de chaque SPV subira une érosion simultanée des garanties.

Il n’y a pas de diversification. Il n’y a pas de répartition géographique. Il n’y a que le cycle de mise à niveau.

The Steel Man : Pourquoi les taureaux ont peut-être raison

Les contre-arguments à la thèse du « GPU subprime » ne sont pas anodins, et l’honnêteté intellectuelle exige de les examiner.

1. Persistance de la demande : contrairement à la fibre point-com, la demande d’inférence d’IA est réelle et croissante. Chaque requête ChatGPT, chaque suggestion de code Copilot et chaque résultat de recherche Gemini nécessitent un calcul GPU actif. Le H100, même lorsqu’il est « obsolète » pour la formation, conserve une valeur significative en tant que puce d’inférence. Des benchmarks récents montrent que les H100 surpassent les nouveaux H200 dans trois charges de travail d’inférence sur huit, avec des avantages de rentabilité jusqu’à 1,77 fois dans des configurations spécifiques.

2. Qualité de l’emprunteur : Les locataires des baux GPU ne sont pas des consommateurs de subprimes. Il s’agit de Microsoft, Meta et OpenAI, soutenus par des bilans de plusieurs milliards de dollars. Le propre commentaire d’Apollo souligne que ses contrats GPU sont « garantis par contrat » avec un « risque résiduel négligeable » sur une durée de quatre ans, ce qui signifie que les paiements de location couvrent le principal quelle que soit la valeur de revente de la puce.

3. Évolution des clauses : Les premiers prêts néocloud à des taux d’intérêt de 15 % ont évolué jusqu’à SOFR + 400 points de base (environ 8 à 9 %), avec des clauses incluant des remèdes sur fonds propres et des réserves de trésorerie minimales de 100 millions de dollars. Il ne s’agit pas de prêts irresponsables.

4. Dominance de l’offre de Nvidia : Nvidia contrôle plus de 90 % du marché des accélérateurs d’IA. Contrairement à la crise des télécommunications, où plusieurs fournisseurs se sont fait concurrence pour réduire leurs marges, la position monopolistique de Nvidia signifie qu’elle contrôle la courbe de dépréciation. Il peut ralentir sa propre cadence de libération pour protéger les valeurs des garanties si nécessaire.

Ce sont des arguments légitimes. La question est de savoir s’ils résistent au stress.

Le test de stress que personne ne réalise

Le scénario qui brise le marché des prêts GPU n’est pas celui d’un « échec de l’IA ». C’est « L’IA réussit, mais les marges se compriment ».

Considérez :

• L’installation Colossus de xAI génère des revenus en vendant l’accès API à Grok.
• Le prix de l’API est fixé par la concurrence d’OpenAI, Google et Anthropic.
• À mesure que davantage de calculs sont mis en ligne, les prix des API baissent. (Le prix par million de jetons de ChatGPT a déjà chuté de plus de 90 % depuis GPT-3.5.)
• Si les revenus de l’API tombent en dessous du paiement de location sur les GPU sous-jacents, xAI ne peut pas desservir le SPV Valor.

Ce n’est pas un problème de demande. C’est un problème de marge. Les puces fonctionnent. Les clients existent. Mais les aspects économiques de la structure de location exigent un prix minimum par jeton que le marché peut ne pas supporter.

$$\text{Default Trigger} = \text{Lease Payment per GPU} > \text{Revenue per GPU per Month}$$

Dans un environnement déflationniste de tarification des API, chaque dollar de calcul devient moins cher pour le consommateur et plus cher pour l’entité qui finance le matériel. Le GPU génère de la valeur, mais pas suffisamment pour assurer le service des instruments de dette qui y sont empilés.

Que se passe-t-il ensuite

Le calendrier structurel est clair :

T1 2026 (maintenant) : l’accord Apollo-Valor-xAI est conclu. Les prêts adossés à des GPU sont célébrés comme un « financement d’infrastructures innovant ». Nvidia annonce un nouveau trimestre explosif le 26 février 2026, avec des revenus pour les centres de données qui devraient dépasser 35 milliards de dollars.

T3-T4 2026 : L’architecture Rubin de nouvelle génération de Nvidia entre dans l’échantillonnage. Les valeurs de revente des H100/H200 sont confrontées à une nouvelle baisse progressive à mesure que les hyperscalers accélèrent les commandes pour la nouvelle plate-forme. Les garanties sous-jacentes aux transactions ABS existantes s’érodent encore davantage.

2027 : la première rupture majeure en matière de renouvellement de bail de GPU se produit. Les SPV détenant des puces Hopper de première génération tentent de relouer ou de liquider. Si la demande d’inférence justifie la poursuite du fonctionnement du H100, le marché survit. Si Rubin rend l’inférence H100 non rentable, la valeur de liquidation s’effondre.

2028+ : Le pipeline de titrisation annuel de 30 à 40 milliards de dollars de JPMorgan est soit validé par des revenus soutenus en matière d’IA, soit exposé comme la plus grande asymétrie actif-passif depuis 2008.

Ce que cela signifie pour vous

Si vous êtes un investisseur :

• Examinez tous les fonds annonçant les rendements des « infrastructures IA ». Demandez explicitement si la garantie est du matériel GPU ou de l’immobilier. Demandez quelles hypothèses de valeur résiduelle sous-tendent la structure. Si le fonds suppose une valeur résiduelle de 50 % sur les GPU sur trois ans, ce calcul est déjà erroné.
• Comprendre que le rôle de Nvidia en tant que fournisseur de puces et investisseur en actions dans la chaîne de financement crée un conflit d’intérêts qui n’est pas divulgué dans la plupart des prospectus.

Si vous regardez l’industrie :

• L’accord Apollo-Valor-xAI est le modèle. Toutes les grandes entreprises d’IA qui ne peuvent pas autofinancer leurs calculs adopteront cette structure. L’exposition totale au crédit adossé au GPU augmentera de façon exponentielle avant qu’un régulateur ne rattrape son retard.
• Lorsque Nvidia publiera ses résultats le 26 février, soyez attentif à tout commentaire sur les “investissements stratégiques” ou les “partenariats écosystémiques”. C’est le langage utilisé pour « financement du fournisseur avec des étapes supplémentaires ».

Le résultat

La révolution de l’IA est réelle. La demande de calcul est réelle. Mais l’ingénierie financière qui soutient l’infrastructure physique est un château de cartes construit sur un actif en dépréciation.

Nvidia est la seule entreprise de l’histoire qui est à la fois le fabricant de la garantie, un investisseur en actions dans le véhicule de financement, le principal bénéficiaire des revenus générés et et l’entreprise dont la feuille de route du produit détermine si la garantie conserve sa valeur. Ce n’est pas une entreprise technologique. Il s’agit d’un système financier en boucle fermée avec un seul point de défaillance.

Lorsque la prochaine génération de puces sera expédiée, l’horloge de dépréciation sera remise à zéro pour chaque dollar de dette impayée adossée à un GPU. La question n’est pas de savoir si la musique s’arrête. La question est de savoir si la machine à revenus de l’IA génère suffisamment de liquidités pour payer le groupe. À l’heure actuelle, la réponse dépend entièrement de la nouvelle entreprise d’Elon Musk générant suffisamment de revenus API pour couvrir 7 milliards de dollars de loyers sur des puces qui ne vaudront qu’une fraction de cette somme à l’expiration du bail.

Le silicium est réel. L’intelligence est réelle. Mais la dette est également réelle. Et contrairement aux logiciels, la dette n’évolue pas.