TL;DR
· SemiAnalysis prévoit que la dette IA impayée pourrait atteindre 7,1 billions de dollars d’ici 2029, et la construction de l’IA dépendra davantage du marché du crédit.
· Nvidia a déjà lancé des modèles de partage des revenus et de soutien au crédit destinés aux clouds IA, Sharon AI et Firmus étant les premiers partenaires.
· Le soutien en dernier ressort peut réduire les inquiétudes des banques, mais la baisse des loyers, la pénurie de centres de données et les engagements conditionnels restent les principaux risques.

Le rapport publié par SemiAnalysis le 6 juillet met en avant l’ampleur du financement des infrastructures IA : de 2024 à 2029, les dépenses d’investissement mondiales en IA pourraient atteindre environ 11,1 billions de dollars, et d’ici 2029, la dette liée à l’IA pourrait dépasser 7 billions de dollars, soit environ 7,1 billions.

Ce n’est pas une simple prévision de ventes de GPU. Le changement central discuté dans le rapport est que la construction de l’IA passe de « l’achat de GPU par les géants technologiques avec leurs flux de trésorerie » à « le financement des clusters GPU par les banques et le marché obligataire ». Si cette estimation se réalise, la dette liée à l’IA pourrait devenir la plus grande catégorie de financement adossé à des actifs, juste après le marché des titres adossés à des créances hypothécaires américain.

Le rôle de Nvidia évolue également. Un article de blog officiel de Nvidia en date du 1er juillet confirme que l’entreprise lance un « modèle de partage des revenus et de soutien au crédit » destiné aux clouds IA, combinant des partenaires financiers, des fournisseurs de services cloud et des projets de centres de données pour stimuler la construction de puissance de calcul IA. Sharon AI et Firmus sont les premiers partenaires.

SemiAnalysis ajoute que Nvidia pourrait, via des structures de garantie de revenus sur les GPU et de partage des revenus, aider les Neocloud à transformer les GPU, les commandes clients et la capacité des centres de données en actifs finançables. Pour les prêteurs, l’essentiel n’est pas à quel point la demande future d’IA sera forte, mais si le projet peut encore générer des flux de trésorerie pour rembourser la dette dans le pire des cas.

Prévisions mondiales des dépenses d’investissement en IA (IT et centres de données) et de la dette : dépenses cumulées d’environ 11,1 billions de dollars de 2024 à 2029, dette impayée d’environ 7,1 billions de dollars en 2029.

La construction de l’IA devient de plus en plus coûteuse, les banques veulent d’abord savoir qui paiera le loyer

Ces dernières années, l’infrastructure IA était principalement assurée par les hyperscalers comme Google, Amazon, Meta, Microsoft, Oracle. Ces entreprises disposent de flux de trésorerie, de bilans solides et d’une demande interne en IA, ce qui rend le financement relativement moins difficile.

Mais à mesure que les besoins en formation et inférence IA continuent de croître, les seules dépenses d’investissement de quelques géants ne peuvent pas couvrir l’intégralité du déficit de puissance de calcul. SemiAnalysis prévoit que les dépenses annuelles en capital IA dépasseront largement 2 billions de dollars en 2028. Les GPU, le réseau, le stockage, les CPU associés et la construction de centres de données absorberont d’énormes fonds, et le marché du crédit deviendra l’une des sources de financement.

C’est là que résident les difficultés de financement des Neocloud.

Ces nouveaux fournisseurs de services cloud doivent généralement réunir trois éléments simultanément : acquérir des GPU, obtenir de la capacité dans les centres de données, et signer des clients futurs. Ce qu’il est le plus difficile pour les banques d’évaluer, c’est si les loyers des GPU pourront couvrir le principal et les intérêts de la dette dans les années à venir. Les prix de location de puissance de calcul IA évoluent rapidement, les périodes de location des clients ne sont pas uniformes, et la valeur résiduelle ainsi que le taux d’utilisation des GPU sont plus difficiles à estimer que ceux des infrastructures traditionnelles.

Le modèle de soutien au crédit de Nvidia tente de donner aux prêteurs une base de flux de trésorerie plus claire. Officiellement, il s’agit de partage des revenus et de soutien au crédit, tandis que SemiAnalysis décrit la structure typique comme une garantie de revenus sur les GPU.

Exemple de garantie sur 6 ans : prix moyen de 2,36 $, TRI en location courte pouvant atteindre 25 %

La structure d’exemple donnée par SemiAnalysis est la suivante : Nvidia offre un soutien de revenu minimum de 6 ans pour un cluster GPU spécifique, avec une courbe de prix décroissante chaque année, pour une moyenne sur 6 ans d’environ 2,36 $/heure/GPU. Si le loyer réel du projet dépasse le niveau garanti, le Neocloud et Nvidia partagent les revenus dans une proportion d’environ 40 % à 60 %.

Ce ne sont pas des conditions comptables officielles divulguées par Nvidia, mais des estimations indicatives dans le modèle de SemiAnalysis. L’attrait pour les prêteurs est qu’il est possible de transformer partiellement un projet de location de GPU très incertain en un actif avec un engagement de flux de trésorerie minimum.

Les banques n’ont pas nécessairement à croire que les prix de location de l’IA resteront élevés à l’avenir. Tant que, dans un scénario où la garantie est déclenchée, le projet peut encore satisfaire aux exigences de couverture du service de la dette, un prêt peut être obtenu. Selon les calculs de SemiAnalysis, avec le soutien de la notation AA/Aa2 de Nvidia, les prêteurs exigent un ratio de couverture du service de la dette d’au moins 1,3 fois, correspondant à un ratio prêt-valeur de 70 % à 80 %. L’écart de financement initial pourrait être plus élevé que celui des transactions soutenues par les hyperscalers, mais inférieur au niveau de rendement d’environ 10 % des obligations non garanties de CoreWeave.

Conditions indicatives de la garantie Nvidia : moyenne sur 6 ans d’environ 2,36 $/heure/GPU, avec un partage des revenus de 40 % à 60 %.

Pour les Neocloud, la garantie n’est pas seulement une assurance, mais une condition clé pour obtenir un financement par emprunt.

Dans l’exemple de location d’un an du GB300, si le loyer de la première année est de 6,75 $/heure et que la part de Nvidia est de 40 %, le TRI du projet Neocloud sur 6 ans est d’environ 25,4 %, et le taux de redevance moyen de Nvidia est d’environ 18 %. Si la demande du marché est insuffisante et que le projet tombe entièrement sous le régime de la location garantie, le TRI du Neocloud pourrait être proche de zéro ou légèrement négatif.

Ce n’est pas favorable au rendement des capitaux propres, mais c’est crucial pour le financement : le rendement du projet peut être réduit, mais le service de la debt peut encore être couvert. En d’autres termes, la garantie transforme un cluster GPU « qui pourrait rapporter beaucoup d’argent » en un actif financier « qui pourrait encore rembourser la dette dans un scénario de stress ».

Comparaison des rendements du GB300 Neocloud : avec une part de 40 % en location courte, TRI sur 6 ans d’environ 25,4 % ; en cas de déclenchement complet de la garantie, TRI proche de zéro ou légèrement négatif.

Sharon AI et Firmus en premier, les projets Asie-Pacifique comme terrain d’essai

Nvidia a officiellement confirmé que Sharon AI et Firmus sont les premiers partenaires de ce modèle de partage des revenus et de soutien au crédit.

L’annonce de Sharon AI le 12 juin indique que la société a conclu un partenariat stratégique de 6 ans avec Nvidia pour la puissance de calcul, avec jusqu’à 40 000 GPU Grace Blackwell GB300 déployés dans une usine IA de 72 MW en Australie. La capacité totale de l’usine IA de Sharon AI est prévue à 132 MW, dont 102 MW déjà sous contrat, avec plus de 55 000 GPU Nvidia déployés d’ici mi-2027.

Le projet de Firmus sur l’île de Batam en Indonésie est encore plus vaste. Selon le blog officiel de Nvidia, le projet Firmus Batam peut être étendu à 360 MW, avec jusqu’à 170 000 GPU Nvidia déployés. SemiAnalysis inclut ce projet dans sa discussion, estimant qu’il cible principalement les entreprises IA natives et les fournisseurs de services d’inférence, et pourrait offrir des durées de location diversifiées.

Ces cas montrent que le modèle de soutien au crédit de Nvidia n’est plus une simple hypothèse de modèle financier, mais entre dans une phase de mise en œuvre précoce. Cependant, pour l’instant, les cas publics se concentrent principalement en Asie-Pacifique, tandis que le marché américain est confronté à des contraintes de capacité des centres de données, d’électricité et de vitesse de raccordement au réseau.

Les centres de données restent le goulot d’étranglement le plus dur. Les GPU peuvent être achetés, la demande des clients peut être contractée, mais l’électricité, le terrain, les baies, le refroidissement et le calendrier de raccordement sont difficiles à reproduire rapidement. Le modèle de SemiAnalysis mentionne également que Nvidia pourrait devoir aider les Neocloud à combler l’écart entre l’offre et la demande en louant directement de la capacité de centres de données. Les détails concernant la capacité et l’ampleur de cette partie restent des estimations du rapport et ne doivent pas être assimilés à des informations officiellement divulguées par Nvidia.

Nvidia peut percevoir des parts, mais aussi contracter des engagements à long terme plus lourds

Pour Nvidia, soutenir le financement des GPU présente deux avantages.

Premièrement, cela permet d’étendre les ventes et le déploiement des GPU. Davantage de Neocloud obtiennent un financement, ce qui permet à plus d’acteurs d’acheter et d’exploiter de grands clusters GPU, et le marché de la puissance de calcul IA ne dépend plus entièrement de quelques hyperscalers.

Deuxièmement, cela peut générer des parts de revenus supplémentaires. Selon les estimations du modèle de SemiAnalysis, si ce type de structure continue de se développer, les revenus supplémentaires de Nvidia provenant des garanties et des parts pourraient devenir considérables, avec des marges élevées.

Le coût est également évident. Les engagements à long terme de Nvidia hors bilan ou dans ses informations financières connexes pourraient rapidement augmenter. Dans la partie payante du rapport, SemiAnalysis estime que les soldes des accords de services cloud ou des garanties conditionnelles de Nvidia pourraient atteindre plusieurs centaines de milliards de dollars dans les années à venir. Comme ces chiffres n’ont pas été confirmés point par point par Nvidia, ils sont plus appropriés comme tests de résistance du modèle que comme passifs avérés.

Prévisions de croissance des accords de services cloud de Nvidia : selon le modèle SemiAnalysis, les engagements à long terme connexes pourraient continuer à s’accumuler avec chaque soutien de 100 MW de puissance de calcul.

Ce n’est pas une dette directe au sens traditionnel. Mais si le marché de la location de GPU s’affaiblit et que la demande des clients est insuffisante, la probabilité de déclenchement des garanties augmente, et Nvidia devra assumer un soutien de revenu minimum plus important. Le marché devra finalement regarder non seulement combien Nvidia gagne en parts, mais aussi si ces engagements affectent sa propre allocation de capital et ses priorités de flux de trésorerie.

Le plus grand test : les loyers et les salles de données tiendront-ils ?

L’aspect le plus frappant de ce rapport est qu’il place la construction de la puissance de calcul IA sur le marché du crédit. Lorsque les dépenses d’investissement atteignent des billions de dollars, les clusters GPU ne sont plus seulement des produits technologiques : ils deviennent des actifs financiers évalués conjointement par les banques, les investisseurs obligataires et les fournisseurs de services cloud.

Mais la dette IA de 7,1 billions de dollars reste une prévision de modèle à long terme, pas un fait accompli. Elle repose sur plusieurs conditions : une expansion continue de la demande IA, un taux d’utilisation des GPU maintenu à un niveau élevé, une baisse contrôlée des prix de location, une construction de centres de données capable de suivre, et une volonté des prêteurs d’accepter le modèle de flux de trésorerie soutenu par le crédit de Nvidia.

Les points les plus susceptibles de poser problème sont le prix et la vitesse de mise en œuvre. Si les loyers des GPU chutent plus vite que prévu, les rendements des Neocloud sous un partage élevé et des coûts de financement élevés seront compressés. Si les garanties sont largement déclenchées, le projet pourra continuer à rembourser la dette, mais les engagements de Nvidia s’alourdiront. Si les centres de données, l’électricité et le raccordement au réseau sont retardés, le calendrier de déploiement des GPU dans le modèle de financement sera perturbé.

L’histoire de Nvidia « garantissant le financement des GPU » pointe vers la prochaine source de financement des infrastructures IA. Elle permet à davantage de projets de puissance de calcul d’obtenir des prêts, et pourrait placer Nvidia plus au centre du marché du crédit IA. Mais pour que ce marché atteigne 7 billions de dollars, ce sont en fin de compte les loyers, les taux d’utilisation et la livraison des centres de données qui décideront.

Cliquez pour découvrir les postes à pourvoir chez BlockBeats

Bienvenue dans la communauté officielle de BlockBeats :

Groupe d’abonnement Telegram : https://t.me/theblockbeats

Groupe de discussion Telegram : https://t.me/BlockBeats_App

Compte Twitter officiel : https://twitter.com/BlockBeatsAsia