Scénario de stress 2027

Michael Burry pointe la faille financière potentielle des grands acteurs américains de l’IA

Michael Burry, connu pour avoir anticipé la crise des subprimes avant 2008, alerte depuis novembre 2025 sur un décalage potentiellement dangereux entre la dépréciation économique rapide des équipements d’IA et les durées sur lesquelles ils sont amortis dans les comptes (source 3).

Pour comprendre où se situe la faille, prenons une analogie immobilière.

Imaginez un immeuble financé à crédit pour être loué pendant vingt ans. Le raisonnement est simple : on emprunte aujourd’hui, les loyers remboursent progressivement l’investissement et, au-delà d’un certain seuil, l’immeuble devient rentable.

Imaginez maintenant qu’avant même d’avoir atteint ce point d’équilibre, il devienne indispensable, pour rester compétitif, de réinvestir des sommes considérables et de contracter de nouveaux emprunts afin de remplacer une partie essentielle de ses équipements devenus technologiquement dépassés. Puis, qu’il faille recommencer quelques années plus tard, avant même que le nouvel investissement ait, lui aussi, atteint son point d’équilibre.

La faille logique : chaque nouvel investissement intervient avant que le précédent ait totalement produit le rendement attendu. Le point d’équilibre recule et les besoins de financement s’accumulent.

Qui sont les « hyperscalers » ?

On désigne ainsi les entreprises capables de déployer à très grande échelle des infrastructures de cloud, de stockage et de calcul. Amazon-AWS, Microsoft-Azure et Google Cloud en sont les principaux exemples. Meta, dont le modèle diffère, investit lui aussi massivement dans ses propres centres de données et infrastructures d’IA. Ce sont, en quelque sorte, les géants du calcul mondial.

Ils financent des centres de données, des processeurs spécialisés, des réseaux, des systèmes de refroidissement, des raccordements électriques et une part croissante des infrastructures nécessaires à la diffusion de l’intelligence artificielle.

Le problème n’est pas la productivité de l’IA

L’IA peut produire des gains de productivité considérables. Le risque est ailleurs : dans le décalage entre la vitesse à laquelle les investissements doivent être engagés et celle à laquelle ils peuvent être rentabilisés.

Une analyse de The Economist (juillet 2026) illustre l’ampleur du pari : les dépenses d’investissement liées à l’IA atteindraient environ 900 milliards de dollars en 2026. Pour les justifier, les revenus annuels tirés de l’IA devraient atteindre à terme quelque 2 500 milliards de dollars, contre 150 à 220 milliards aujourd’hui. Ces estimations ne prouvent pas l’existence d’une bulle ; elles soulignent l’ampleur des revenus futurs attendus et le risque d’un décalage prolongé (source 12).

Les comptes publiés illustrent l’incertitude. À compter du 1er janvier 2025, Amazon a ramené de six à cinq ans la durée de vie estimée d’une partie de ses serveurs et équipements réseau, en invoquant notamment l’accélération technologique liée à l’IA ; Meta a, au contraire, porté à 5,5 ans la durée de vie estimée de la plupart de ses serveurs et équipements réseau, réduisant sa charge d’amortissement 2025 de 2,92 milliards de dollars (sources 4 et 5). Ces choix opposés ne prouvent pas une manipulation comptable : ils montrent combien la durée économique réelle de ces actifs est difficile à apprécier.

Dans cette note, j’appelle « mur d’amortissement » le risque que les investissements de la génération suivante deviennent nécessaires avant que ceux de la génération précédente aient produit les revenus et les flux de trésorerie attendus.

Une contrainte physique peut encore retarder la rentabilisation

La course au calcul se heurte à une autre temporalité : celle des réseaux électriques. L’Agence internationale de l’énergie estime qu’environ 20 % des projets de centres de données prévus pourraient être retardés par les contraintes de réseau. Dans les économies avancées, une nouvelle ligne de transport peut demander quatre à huit ans, et les délais d’approvisionnement de composants critiques comme les transformateurs et les câbles ont doublé en trois ans (source 6).

Autrement dit, les capitaux peuvent être engagés beaucoup plus vite que les infrastructures physiques nécessaires à leur pleine utilisation.

Mais qu’est-ce que la France vient faire dans cette histoire ?

C’est ici qu’apparaît la dimension systémique. On peut reprendre l’image de l’effet papillon : un événement apparemment local peut, par une succession d’interactions, produire des conséquences très éloignées de son point de départ. En finance, le mécanisme est concret : États et entreprises se financent sur des marchés largement interconnectés et auprès d’investisseurs qui arbitrent en permanence entre les différents risques.

Selon l’OCDE, États et entreprises devraient emprunter environ 29 000 milliards de dollars sur les marchés obligataires en 2026. Dans le même temps, neuf grands acteurs au cœur de l’investissement dans l’IA ont déjà levé 122 milliards de dollars d’obligations en 2025 et projettent 4 100 milliards de dollars de dépenses d’investissement entre 2026 et 2030. Si seulement la moitié de ces investissements était financée par obligations, ces neuf entreprises représenteraient à elles seules environ 15 % du volume annuel moyen historique des émissions obligataires des entreprises non financières dans le monde (source 1). La Banque des règlements internationaux note en outre qu’une partie croissante de ce financement passe par des véhicules hors bilan, souvent montés avec des fonds de crédit privé (source 2).

Le point de rencontre : deux demandes gigantesques de capitaux doivent cohabiter — les États fortement endettés d’un côté ; l’investissement massif dans l’IA et ses infrastructures de l’autre.

L’OCDE relève que la liquidité des marchés obligataires s’est globalement améliorée en 2025, tout en soulignant que leur résistance à un choc aigu n’a pas été éprouvée. Le risque n’est donc pas d’affirmer que les grands acteurs de l’IA provoquent déjà une pénurie générale de capitaux, mais de constater que leurs besoins de financement vont croître fortement au moment même où les besoins souverains atteignent des niveaux historiques.

Trois zones de fragilité

Le Japon constitue une première zone de vigilance : la normalisation monétaire intervient après des décennies de taux très bas. La Banque des règlements internationaux a montré, à propos de l’épisode d’août 2024, que le débouclage de positions de carry trade financées en yen pouvait amplifier brutalement les turbulences de marché, et que ces positions amplifient plus généralement la transmission des resserrements monétaires (source 9).

Le Royaume-Uni en constitue une deuxième. L’épisode des Gilts de 2022 a montré comment une tension sur la dette souveraine pouvait provoquer des appels de marge et des ventes forcées chez certains fonds de pension. Les réformes engagées depuis ont renforcé leur résistance, mais la Banque d’Angleterre continue de surveiller les interactions entre dette souveraine, fonds à effet de levier et liquidité des marchés (source 10).

La France constitue un troisième point de vigilance, d’une nature différente. Sa dette publique devrait atteindre 121,7 % du PIB en 2027 (source 7). Le besoin de financement de l’État serait de 339,7 milliards d’euros, couvert notamment par 340 milliards d’euros d’émissions à moyen et long terme (source 8). À cela s’ajoute une élection présidentielle susceptible d’accroître l’incertitude sur la trajectoire budgétaire si les marchés doutent de la crédibilité ou de la soutenabilité des choix annoncés.

Cette vulnérabilité est désormais explicitement évoquée par The Economist (8 octobre 2026), dans une analyse relayée par Challenges : l’écart de taux à dix ans avec l’Allemagne a dépassé 1,5 point de pourcentage et une perte de confiance pourrait déclencher des ventes massives d’obligations françaises. Selon ce calcul, la France devrait passer d’un déficit primaire d’environ 2,9 % du PIB à un excédent primaire d’environ 1,8 %, soit un ajustement de l’ordre de 4,7 points de PIB. Ce chiffre repose toutefois sur une hypothèse de refinancement intégral de la dette aux taux actuels à cinq ans : c’est un test de sensibilité, non une mesure immédiatement nécessaire. Un soutien de la BCE ne serait pas non plus automatique (source 13).

La France n’est pas la cause de la fragilité financière de l’IA. Elle peut, en revanche, devenir l’un des maillons de transmission d’un choc obligataire dans un système déjà très sollicité.

Le scénario de propagation

C’est ici que des phénomènes jusque-là séparés peuvent se rejoindre.

1. Une adjudication française difficile ou une forte incertitude budgétaire fait augmenter la prime de risque demandée sur la dette française.
2. Les investisseurs réévaluent plus largement le prix du risque souverain européen et réduisent certaines positions financées à crédit.
3. La crise de confiance provoque une réévaluation internationale des risques. Les primes de risque de certains emprunteurs augmentent, les investisseurs réduisent leurs engagements et la liquidité se contracte. Même si les capitaux se réfugient parallèlement dans les obligations souveraines jugées les plus sûres, le financement des entreprises les plus exposées devient plus coûteux, voire temporairement inaccessible.
4. Cette tension intervient au moment où les grands acteurs de l’IA et leur écosystème industriel et financier doivent mobiliser des capitaux considérables pour poursuivre leurs investissements. Les entreprises les plus dépendantes du financement externe et du renouvellement rapide des équipements seraient particulièrement vulnérables.
5. Si les marchés commencent simultanément à douter de la capacité des hyperscalers à rentabiliser leurs investissements au rythme prévu, leurs valorisations et leur capacité de financement peuvent être brutalement réévaluées.
6. La correction se transmet alors aux portefeuilles d’actions, à l’épargne retraite, au crédit, à l’investissement et, finalement, à l’économie réelle.

La concentration boursière renforce le risque de contagion : au 31 août 2026, les dix premières valeurs représentaient 37,8 % du S&P 500 (source 11). Ce chiffre ne correspond pas exactement aux hyperscalers, mais il mesure l’importance systémique prise par les très grandes capitalisations, largement dominées par la technologie.

Pourquoi ce scénario mérite un stress-test des programmes pour 2027

Les deux fragilités examinées ici sont documentées séparément : l’écart entre les investissements dans l’IA et les revenus nécessaires à leur rentabilisation ; la vulnérabilité de la dette française à un retournement de confiance. Ces analyses ne prédisent ni une crise en 2027 ni la synchronisation des chocs. C’est précisément leur possible interaction — par les marchés de capitaux, le crédit et les valorisations — que cette note propose de tester.

Le risque à considérer n’est donc pas celui d’une simple correction technologique, mais celui d’une crise systémique mondiale née de la rencontre entre deux fragilités déjà présentes : le mur d’amortissement de l’IA et un marché obligataire souverain sous pression. Si ces tensions venaient à se synchroniser, l’effet de contagion pourrait être brutal : marchés actions, crédit, banques, fonds de pension, investissement et croissance seraient touchés en chaîne.

L’étincelle pourrait venir de l’incertitude politique et financière qu’une élection présidentielle peut provoquer lorsqu’elle remet en question la trajectoire budgétaire d’un État fortement endetté. Dans le cas français, cette éventualité mérite d’autant plus d’être prise au sérieux que 2027 combinera une échéance présidentielle majeure avec des besoins de financement publics considérables.

Pour toute équipe préparant 2027, la question n’est donc plus seulement de savoir si ce scénario mérite d’être envisagé, mais si son programme économique et financier serait suffisamment robuste pour y résister.

La leçon politique : en économie, tout se tient

Une élection française, la dette publique, les investissements américains dans l’intelligence artificielle, les fonds de pension britanniques ou la politique monétaire japonaise paraissent relever de sujets indépendants. Ils ne le sont plus dès lors que les mêmes marchés, les mêmes capitaux et parfois les mêmes investisseurs les relient. Une décision rationnelle prise isolément peut devenir dangereuse lorsque plusieurs fragilités se synchronisent.

C’est précisément ce qu’apporte une approche systémique : ne plus seulement examiner séparément la dette française, l’IA, les marchés obligataires ou la croissance, mais étudier les relations et les boucles de rétroaction qui peuvent les transformer en un seul événement.

La question n’est pas de savoir si ce scénario se réalisera. La question est de savoir si une équipe préparant l’élection présidentielle de 2027 est prête à gouverner s’il se réalise.