GQG : Pourquoi nous sommes encore dans une bulle boursière alimentée par l’IA

Pour de nombreux investisseurs, la hausse spectaculaire des dépenses consacrées au déploiement de l'intelligence artificielle est la preuve qu'il n'y a pas de bulle sur le marché boursier. Mais chez GQG Partners, c'est plutôt une preuve supplémentaire venant étayer leur conviction que cette euphorie cédera la place à un krach, comme ce fut le cas pour les télécoms dans les années 1990 et pour le pétrole de schiste il y a une décennie.

Les gérants de portefeuille et analystes de GQG, qui gère 160 milliards de dollars, affirment que les énormes commandes de semi-conducteurs, de matériel de mémoire et des dépenses connexes dans les data centers observées ces derniers trimestres reposent sur des espoirs non vérifiés concernant la demande future et les prix pour les activités et l'utilisation liées à l'IA. Ils mettent en avant des indices de surconsommation, comme des développements récents autour de possibles guerres de prix — les utilisateurs professionnels serrant leurs budgets tout en cherchant des moyens moins coûteux de faire tourner des modèles d'IA — et un ralentissement des gains d'efficacité des nouveaux grands modèles de langage. En outre, ils estiment que le recours continu aux investissements circulaires et à des méthodes comptables opaques accroît les risques.

Même les commandes massives de semi-conducteurs, qui ont propulsé de très fortes hausses des actions de puces, sont un « point de fonctionnalité, pas un défaut », selon le gérant de portefeuille de GQG Brian Kersmanc. « Les bulles sont souvent caractérisées par une demande réelle à court terme, un déploiement massif de capitaux, la conviction des investisseurs que la demande est effectivement illimitée, et une faible visibilité sur les rendements à long terme. Des commandes solides de puces ne prouvent pas l'absence de bulle ; elles peuvent au contraire en être les signaux les plus forts », dit-il.

Les responsables de fonds et les analystes de GQG ne sont pas des « baissiers » permanents sur la technologie ou sur le marché boursier dans son ensemble. Dès 2024, plus de 70 % de ses portefeuilles étaient investis dans la tech ou des valeurs liées à la tech, comme Uber. En 2017, la société a parié sur des puces de semi-conducteurs alors délaissées, dont Nvidia NVDA.

Mais à partir de la fin de 2024 et au début de 2025, GQG a positionné ses portefeuilles à l'écart des valeurs de technologie et d'infrastructure liées à l'IA, qui ont connu de fortes hausses et ont contribué à soutenir l'ensemble du marché boursier. Le pari a pesé sur la performance de ses stratégies, comme le Fonds d'actions de qualité US GQG Partners noté Gold GQEIX, mais la société s'accroche à son choix.

Un facteur clé expliquant la hausse de ces titres (et l'argument central des partisans de la hausse) est la forte progression des commandes tirées par l'IA chez des entreprises de semi-conducteurs comme Nvidia, Broadcom AVGO et, plus récemment, Micron, ou encore sur d'autres équipements de mémoire informatique, avec des actions comme SanDisk SNDK et Western Digital WDC.

Résultats de Micron : le boom à court terme se poursuit, mais les inquiétudes sur l'offre à long terme s'accumulent

La percée stupéfiante des actions de la mémoire est-elle due à une logique à court terme ?

Cependant, Kersmanc indique que c'est précisément là que les investisseurs devraient se montrer sceptiques, en commençant par la discordance dans la manière dont les achats sont comptabilisés. « Vous voyez des commandes et des ventes enregistrées aujourd'hui, tandis que les coûts (pour l'acheteur) sont étalés sur trois, cinq, six ou même dix ans », explique-t-il. Le problème ne vient pas de cette méthode comptable elle-même — elle est standard — mais de ses implications, compte tenu de la forte incertitude sur l'économie de l'utilisation de l'IA. « L'enjeu clé n'est pas de savoir si la demande est forte aujourd'hui, mais si cette demande est justifiée économiquement et durable une fois que le retour sur investissement, l'utilisation et la capacité à imposer les prix seront testés. »

Le scénario baissier de GQG repose sur ces points. Ils soutiennent que les dépenses d'investissement (capex) interviennent bien avant la valeur économique prouvée. Kersmanc commence par une hypothèse formulée par les grands laboratoires d'IA et d'autres entreprises : « C'est “j'investis ce montant et j'obtiens ce montant d'amélioration”. » Mais, après ChatGPT-4, tout s'est aplati.

Même si les investissements se poursuivent sur les modèles les plus avancés (ceux dits “frontier”), Kersmanc affirme qu'il existe des éléments de plus en plus nombreux montrant que beaucoup de développeurs et d'entreprises d'IA vont dans l'autre sens. Au lieu d'utiliser de grands modèles de langage comme Claude, ils s'orientent vers des petits modèles de langage. En général, ceux-ci sont entraînés sur des ensembles de données limités, dédiés à des textes spécifiques, ce qui signifie qu'ils nécessitent moins de puissance de calcul. Par exemple, « si vous voulez de la traduction en direct, vous pouvez le faire via un SLM et traduire sur votre téléphone, sans génération de jetons, et sans avoir à solliciter un centre de données ».

Si les entreprises privilégient les SLM pour leurs solutions, « l'implication plus large est que le marché pourrait ne pas avoir besoin de presque autant de calcul à l'échelle des modèles “frontier” que les investisseurs le supposent actuellement », dit Kersmanc. « Si le développement de l'IA évolue dans cette direction, alors le scénario en faveur de dépenses massives en data centers et en GPU s'affaiblit. »

Parallèlement, les développeurs utilisent de plus en plus des modèles open-source chinois, moins coûteux à entraîner et s'accompagnant d'un capex d'infrastructure nettement plus faible. « La Chine a 500 data centers prévus, et les États-Unis en ont 5 500 », dit Kersmanc. Cela intervient dans un contexte où des entreprises cherchent à contenir l'explosion des coûts liés à l'utilisation de l'IA.

Kersmanc explique qu'un autre morceau du puzzle a été la manière dont les hyperscalers comptabilisent leurs déploiements de data centers. Il cite notamment la coentreprise de Meta Platforms META avec Blue Owl Capital OBDC annoncée l'année dernière, qui a permis à l'entreprise de transférer un projet de data center de 30 milliards de dollars en Louisiane hors de son bilan. Meta a aussi classé certains actifs d'infrastructure substantiels en « construction en cours ». Cette rubrique a doublé entre 2024 et 2025.

Ces questions de comptabilisation ramènent à la discordance entre les dépenses en puces et celles consacrées à d'autres équipements, selon Kersmanc. « Si de grandes quantités de matériel sont en “construction en cours” ou dans des catégories similaires au bilan, les investisseurs pourraient ne pas être en mesure d'évaluer la part de ces dépenses réellement déployée et générant un retour. Cela compte parce que les entreprises peuvent dépenser d'importantes sommes de cash en amont, tandis que leurs comptes de résultat reflètent le coût seulement progressivement. Ainsi, la crainte ne porte pas seulement sur la présentation comptable ; c'est le fait que la comptabilité peut masquer une surconstruction, une sous-utilisation, ou des rendements plus faibles. »

S'ajoutent enfin les incertitudes concernant la capacité à construire les data centers commandés. La réaction contre les infrastructures de data centers s'intensifie, notamment en raison de la forte utilisation d'électricité et d'eau par ces bâtiments, ainsi que de leurs autres impacts sur les communautés. « Environ la moitié de ceux qui devaient être achevés n'ont même pas commencé ou ont été annulés », dit Kersmanc.

En réunissant tout cela, « le déploiement de l'IA présente de nombreux signes classiques d'une bulle », dit Kersmanc. « Les investisseurs continuent d'extrapoler la demande bien plus loin que ce que l'économie sous-jacente semble justifier. »