Au-delà de l'effet de mode : pourquoi la frénésie de dépenses des géants technologiques dans l'IA change notre façon de voir

Pendant des années, l'analyse des principales valeurs technologiques américaines pendant la saison des résultats a suivi un schéma familier : chaque fois qu'un leader du marché annonçait un engagement financier massif envers une technologie de nouvelle génération, les traders accueillaient généralement cette nouvelle favorablement. Les dépenses importantes étaient perçues comme un signal clair de domination du marché, d'innovation agressive et de croissance future des revenus.

Aujourd'hui, cette dynamique a changé.

Lors des récentes publications de résultats trimestriels, les acteurs du marché ont observé un schéma récurrent : un géant technologique à très forte capitalisation dépasse les prévisions de revenus, annonce des bénéfices d'exploitation solides, s'engage sur un nouvel investissement de 50 à 80 milliards USD dans l'infrastructure d'intelligence artificielle, puis voit le prix de son action chuter du jour au lendemain.

Qu'est-ce qui explique ce changement ? Pour comprendre pourquoi les valeurs technologiques américaines évoluent de manière si erratique, les traders particuliers doivent aller au-delà des gros titres consacrés aux logiciels et examiner les réalités physiques et bilancielles qui se cachent derrière la scène.

Le glissement des « valeurs refuges » : comment les géants technologiques ont transformé leur bilan

Pour comprendre la volatilité actuelle des valeurs technologiques américaines, il faut d'abord examiner comment les grandes entreprises technologiques, notamment les géants du cloud comme Microsoft, Amazon, Alphabet, Meta et Oracle, ont transformé la gestion de leur bilan.

Au cours de la décennie qui a suivi la crise financière mondiale de 2008, les traders considéraient les géants technologiques comme des refuges fiables et peu risqués pour placer leurs capitaux en période d'incertitude économique. Alors que les actifs refuges traditionnels offraient de la stabilité, les leaders technologiques proposaient quelque chose d'unique : des réserves de liquidités massives. Des entreprises comme Apple, Alphabet, Microsoft et Meta ont accumulé des centaines de milliards de dollars en liquidités tout en exploitant des plateformes logicielles à forte marge. Lors des ralentissements plus généraux du marché, les traders achetaient ces actions car leurs réserves de liquidités offraient un solide coussin financier.

Cependant, le développement actuel de l'intelligence artificielle a complètement changé cette dynamique. Ces géants du cloud ne se contentent plus de conserver leurs liquidités.

Les projections du marché montrent que les dépenses d'investissement annuelles totales des cinq principaux géants technologiques (Amazon, Alphabet, Microsoft, Meta et Oracle) devraient atteindre entre 660 et 750 milliards USD. Cette ampleur de dépenses représente 38 % à 57 % de leurs revenus annuels totaux, un

niveau d'intensité capitalistique historiquement observé dans les pipelines pétroliers, l'industrie manufacturière lourde et les services publics d'électricité, et non dans les entreprises logicielles légères.

Pour financer cette expansion, ces entreprises technologiques ne comptent plus exclusivement sur leurs réserves de liquidités ; elles emprennent massivement. L'émission combinée d'obligations d'entreprise parmi les principaux géants du cloud a dépassé 175 à 200 milliards USD, voire plus. En échangeant leurs coussins de liquidités contre de la dette à long terme, des biens immobiliers physiques et des équipements lourds, les entreprises technologiques à très forte capitalisation ont assumé des frais généraux opérationnels beaucoup plus élevés.

Le goulot d'étranglement caché : matériel rapide contre réseaux électriques lents

Au-delà du bilan, les dépenses des géants technologiques se heurtent à un obstacle physique : ce que ces entreprises achètent et où cela est branché. La construction de systèmes d'intelligence artificielle modernes nécessite une puissance de calcul brute qui repose sur deux principaux types de matériel :

• GPU (unités de traitement graphique) : des puces informatiques spécialisées, mises au point par des entreprises comme Nvidia, qui traitent des milliers de calculs simultanément et servent de moteurs principaux pour l'entraînement des modèles d'IA.
• TPU (unités de traitement tensoriel) : des puces conçues sur mesure et développées en interne par des entreprises technologiques comme Google pour gérer des tâches dédiées tout en réduisant leur dépendance envers des fournisseurs externes. Pour faire fonctionner en continu des dizaines de milliers de ces puces hautement performantes, les entreprises doivent construire des centres de données massifs. Mais contrairement aux logiciels cloud traditionnels, qui peuvent être déployés dans le monde entier en ligne en quelques secondes, la construction de centres de données d'IA modernes se heurte à un mur physique bien réel : le réseau électrique.

Un seul centre de données d'IA à haute densité peut consommer autant d'électricité qu'une banlieue de taille moyenne. En Amérique du Nord et en Europe, les entreprises de services publics d'électricité informent les géants technologiques que le raccordement de ces installations massives aux lignes électriques à haute tension implique une liste d'attente de 4 à 7 ans.

Ce délai crée un problème majeur de calendrier pour les bénéfices des entreprises :

1. Durée de vie limitée du matériel : les puces d'IA avancées vieillissent rapidement. Un cluster de puces acheté aujourd'hui devient obsolète en seulement 2 à 3 ans, à mesure que des puces plus récentes et plus rapides sont inventées.
2. Génération de revenus retardée : Lorsqu'une entreprise technologique dépense des dizaines de milliards de dollars en puces aujourd'hui, mais ne peut pas faire fonctionner ces serveurs à pleine capacité pendant plusieurs années en attendant les raccordements au réseau électrique, le matériel perd de sa valeur en restant inactif.

Les liquidités quittent immédiatement le bilan de l'entreprise, mais les nouveaux revenus logiciels ne se matérialisent qu'avec un décalage de plusieurs années. Lorsque les marchés publics recalculent ce décalage pluriannuel, les marges bénéficiaires attendues sont comprimées, ce qui entraîne une baisse des cours boursiers.

Suivre l'argent : où les capitaux se déplacent

Alors que les dépenses massives exercent une pression à court terme sur les développeurs de logiciels, cette vague de plusieurs centaines de milliards de dollars de liquidités afflue directement dans les poches des entreprises qui fournissent l'équipement physique.

1. Réseau électrique et fournisseurs de services publics : Les centres de données nécessitent une alimentation électrique de base continue et ininterrompue. Les producteurs d'électricité indépendants et les fabricants d'équipements produisant des transformateurs haute tension et du matériel de réseau électrique, tels que Constellation Energy, Vistra Corp, GE Vernova et Eaton Corporation, constatent des carnets de commandes pluriannuels.
2. Spécialistes du refroidissement liquide et thermique : Les puces IA hautes performances génèrent une chaleur intense que les ventilateurs traditionnels ne peuvent pas dissiper. Les entreprises qui fabriquent des systèmes de refroidissement liquide et des infrastructures de refroidissement de précision pour les baies de serveurs, telles que Vertiv Holdings, Schneider Electric et Modine Manufacturing, ont vu leur demande structurelle exploser.
3. Mémoire flash NAND et architecture mémoire : Les accélérateurs IA modernes ne peuvent pas fonctionner isolément sans une bande passante massive et un stockage haute densité. L'entraînement et l'exécution de modèles complexes créent de graves goulots d'étranglement mémoire, car les GPU se bloquent si les données ne peuvent pas circuler suffisamment rapidement. Cette limitation physique a déclenché une réévaluation boursière massive pour les spécialistes de la mémoire et du stockage tels que Micron Technology (MU) et SanDisk (SNDK). Historiquement, Wall Street évaluait ces actions comme des fournisseurs de matières premières grand public volatils et à faible marge, liés aux cycles des PC et des smartphones. Cependant, à mesure que les géants du cloud passaient des commandes massives pluriannuelles de DRAM/mémoire à large bande passante (HBM) et de disques SSD d'entreprise à mémoire flash NAND (eSSD), les multiples de valorisation se sont élargis. Avec une capacité NAND et HBM de qualité serveur vendue plusieurs années à l'avance et des marges opérationnelles en forte expansion, les marchés publics ont réévalué les fournisseurs de mémoire et de flash comme des points de blocage essentiels et à forte marge de l'infrastructure IA.
4. Silicium personnalisé et partenaires semi-conducteurs : Pour réduire leur dépendance envers un fournisseur unique, les géants technologiques conçoivent leurs propres puces internes (comme les TPU de Google et les puces Trainium d'Amazon). Cela crée une activité à long terme pour des partenaires spécialisés en conception de puces et en fonderie tels que Broadcom, Marvell Technology, Taiwan Semiconductor Manufacturing Company (TSMC) et ARM Holdings. Plutôt que d'envisager l'intelligence artificielle uniquement à travers les applications grand public, l'argent intelligent s'est de plus en plus orienté vers la chaîne d'approvisionnement physique nécessaire au fonctionnement de ces centres de données.

Conclusion : analyser l'interconnexion entre classes d'actifs

Naviguer dans ce cycle de marché actuel nécessite de dépasser les annonces logicielles très médiatisées et de reconnaître comment les limites physiques réévaluent le risque sur les marchés mondiaux.

Le marché ne rejette pas l'IA, il ajuste simplement les cours boursiers pour tenir compte de l'endettement plus élevé, des dépenses de liquidités immédiates et des retards d'infrastructure physique. Lors des précédents cycles technologiques, les investisseurs réagissaient aux dépenses d'investissement avec un optimisme simple, partant du principe que des investissements plus élevés entraînaient automatiquement des bénéfices futurs plus élevés. Aujourd'hui, le marché juge les dépenses à travers un prisme beaucoup plus critique. Lorsqu'un géant du cloud engage des dizaines de milliards dans les infrastructures sans calendrier immédiat pour de nouveaux revenus logiciels, le marché se concentre sur le fardeau financier instantané : marges opérationnelles plus serrées, réserves de liquidités qui s'amenuisent et service de la dette en hausse.

Ce changement structurel modifie fondamentalement la façon dont les actions technologiques interagissent avec l'économie dans son ensemble. Historiquement, les méga-capitalisations technologiques détenaient d'importantes réserves de liquidités qui isolaient ces entreprises des évolutions économiques plus larges. Aujourd'hui, avec des centaines de milliards d'obligations d'entreprise émises pour construire des centres de données et sécuriser des lignes électriques, les marges bénéficiaires du secteur technologique sont devenues bien plus sensibles aux taux d'intérêt, aux écarts de rendement obligataire et aux coûts d'emprunt.

Dans le même temps, les frontières entre les classes d'actifs s'estompent. Les calendriers de déploiement logiciel ne dépendent plus de la rapidité avec laquelle les développeurs peuvent écrire du code ; ils sont dictés par la capacité du réseau électrique, les retards de fabrication des transformateurs et les files d'attente d'interconnexion des services publics. Par conséquent, les matières premières énergétiques comme le gaz naturel et les actions des services publics d'électricité deviennent des indicateurs avancés majeurs de l'exécution technologique.

En définitive, comme les géants technologiques à très forte capitalisation représentent un poids considérable dans les principaux indices de référence comme le S&P 500 et le Nasdaq 100, les annonces de dépenses d'une seule action se répercutent bien au-delà de la Silicon Valley. En suivant l'endettement du bilan, les délais d'attente du réseau électrique et les flux de capitaux physiques, les observateurs du marché obtiennent une vision bien plus claire de ce qui détermine réellement la découverte des prix sur les actions, les matières premières et les indices mondiaux.