BLOG
Shiwen Dialogue Épisode 30｜Les banques commencent à brader les dettes AI qu'elles ont souscrites : la fenêtre de financement des startups se rétrécit
Préambule : Trente ans de narration, les banques commencent à évaluer les risques
Shiwen： Ces derniers jours, les signaux liés à l’AI financière sont particulièrement nombreux : des discussions sur les obligations, les notations de crédit et les taux d’intérêt se succèdent. Aujourd’hui, parlons du point de vue qui concerne le plus les professionnels : l’environnement de financement. Les taux macroéconomiques et les notations de crédit ne seront pas abordés aujourd’hui, ils seront consacrés à un autre article. Le 14 octobre, un article sur « les banques vendant leurs dettes liées aux centres de données d’IA qu’elles ont justement souscrites » est entré dans le top des articles sur Hacker News, atteignant plus de 340 votes et 230 commentaires le matin du 15.
Shiwen： Expliquez clairement les faits : qui vend, et quoi vendre ?
Yongliang： Selon FT, quatre banques : JPMorgan, Morgan Stanley, SMBC et MUFG, explorent une transaction appelée « transfert de risque majeur » : les prêts restent nominativement sur le compte, mais la partie la plus risquée est transférée à des investisseurs externes. Pourquoi ? Parce qu’elles approchent la limite de portefeuille interne concernant un seul secteur d’AI. Il y a six mois, ces banques se disputaient pour souscrire des prêts pour les centres de données, et six mois plus tard, elles cherchent à éliminer ces dettes du bilan. Ce changement est le signal le plus intéressant aujourd’hui.
Shiwen： Passons de la narration aux évaluations de risques.
Yongliang： Oui, c’est mon jugement, que je soutiens par des faits. J’ai dirigé une équipe technique pendant dix-sept ans et j’ai vu le changement de régime du crédit, passant de laxiste à strict. La différence cette fois est que ce changement se produit au sein même des banques, celles qui sont les plus proches de l’argent. Les expériences personnelles et les estimations suivantes indiqueront cela.
Q1 : 38 milliards de dollars vendus pendant six mois, impossible à vendre
Shiwen： Y a-t-il un exemple concret montrant à quel point cette situation est bloquée ?
Yongliang： Oui. Selon Bloomberg, un groupe de banques incluant JPMorgan et MUFG a passé plus de six mois à tenter de distribuer une dette de construction d’un montant de 38 milliards de dollars, correspondant à des projets de centres de données au Texas et dans le Wisconsin, destinés à être loués à Oracle. Maintenant, certains prêteurs sont prêts à vendre à des acheteurs non bancaires à un prix réduit, seulement pour obtenir la livraison.
Shiwen： Quel est le concept de six mois ?
Yongliang： Certains experts dans les commentaires ont donné une référence : il est normal que les banques distribuent des prêts importants via un groupe de banques en quelques semaines. Ce qui est inhabituel, ce n’est pas le fait de « vendre », mais le fait que cette dette soit bloquée pendant six mois sans être vendue. Ce détail distingue les « activités normales » des « situations que le marché ne peut pas absorber ».
Shiwen： Que pense la personne qui a pris l’acquisition du risque ?
Yongliang： Matthew Moniot, co-chef de la responsabilité du risque de crédit chez Man Group, a dit à FT que l’ampleur de ces transactions « dépasse tout ce à quoi nous avons déjà pensé ». Notez qui c’est : il n’est pas un commentateur pessimiste, son travail consiste à évaluer ce genre de risque. Celui qui évalue a dit qu’il n’existe pas de modèle capable d’assumer une telle quantité, c’est plus lourd que dix rapports pessimistes.
Shiwen： Alors, de quoi les banques ont-elles peur ?
Yongliang： Elles ont peur de la concentration. Un commentaire circule dans les commentaires, utilisant la même expression : les banques ne vendent pas leurs dettes sur lesquelles elles ont confiance. En termes simples : y a-t-il trop d’actifs sur le même secteur pour supporter cela ? C’est pourquoi elles doivent d’abord émettre la partie la plus risquée. « Approche de la limite interne du portefeuille » signifie justement cela : la concentration des risques liés à l’AI est passée des rubriques des rapports de gestion des risques à une contrainte réelle dans les activités.
Q2 : L’argent est devenu cher, et elles choisissent leurs clients
Shiwen: La contraction des banques, qu’est-ce que cela signifie pour ceux qui empruntent de l’argent ?
Yongliang: Les fenêtres de financement se rétrécissent, et ce n’est pas uniforme. Selon Bloomberg, les fonds sont répartis différemment : ils s’écouvent vers des centres de données supermassifs loués à des investisseurs de premier plan, comme les contrats avec Microsoft et Google, loin des entreprises à faible crédit. La différence est claire en termes de prix ; selon les données des obligations CCIR, le prix des obligations liées aux contrats avec CoreWeave se situe entre 7,00% et 9,875%, tandis que ceux liés aux contrats avec des supercentres de données ne sont que de 5,70% à 7,875%. Pour les mêmes centres de données, les noms sur les contrats varient, et le coût de l’emprunt diffère considérablement.
Shiwen: Et du côté de la demande ?
Yongliang: Elle s’amincit également. Selon Bloomberg, les obligations d’Alphabet, Amazon, Meta, Microsoft et Oracle ne peuvent être vendues qu’à des taux de rendement plus élevés que ceux des obligations non liées à l’AI de même catégorie. Le multiple de souscription est encore plus visible : environ 5 fois en février, moins de 2 fois en juillet. Des commentateurs de HN ont également mentionné qu’en septembre, le financement de la dette liée à l’IA dans le monde s’élevait à environ 23 milliards de dollars, moins de la moitié en août. Mais certains commentateurs rappellent qu’il faut savoir combien de dettes devaient être émises, si les acheteurs ont renoncé ou si l’émetteur a arrêté lui-même, ce qui a une signification complètement différente. Les deux possibilités sont mentionnées ici.
Shiwen: Si nous combinons tout cela, quelle est la situation pour une start-up en AI ?
Yongliang: Il y a une conclusion dans le texte original que je pense être la plus importante pour les entrepreneurs : une entreprise de infrastructure AI de taille plus petite et à un niveau de capitalisation plus bas, si elle veut émettre des obligations la prochaine saison, elle doit concurrencer Oracle pour obtenir les mêmes prêteurs tendus, sans le bilan et le groupe de clients prêts de Oracle. Même une entreprise aussi grande que Oracle doit vendre pendant six mois ; quelle sera la rémunération pour une entreprise beaucoup plus petite ? Pas besoin de prévoir, la différence de prix est déjà indiquée.
Shiwen: Est-ce que cela signifie que les entreprises en AI ne peuvent plus emprunter d’argent ?
Yongliang: Non, c’est plutôt « elles peuvent emprunter mais à un prix plus élevé et avec des conditions plus strictes ». Le crédit n’a pas été fermé, mais les conditions sont devenues plus difficiles, et cette difficulté est très prétentieuse : ceux qui ont des contrats de premier plan continuent à obtenir de l’argent, tandis que ceux qui comptent sur des promesses de revenus futurs sont réajustés. C’est mon observation, pas une statistique. En pratique, cela signifie que si un plan de financement inclut des instruments de dette, il faut augmenter les coûts et raccourcir les fenêtres de financement, sans parier sur des conditions plus favorables l’année prochaine.
Q3: Les GPU sont le type de garantie le plus difficile à vendre
Shiwen: Les ingénieurs dans la section des commentaires s’intéressent à une autre question : que se passe-t-il si l’on ne peut pas rembourser les dettes ?
Yongliang: C’est là ce qui touche le plus les techniciens. Certains commentateurs soulignent que les GPU de centres de données n’ont presque aucune utilité en dehors des charges d’IA. Un autre a fait une critique encore plus sévère : elles ne peuvent même pas être connectées à des ordinateurs personnels ou des serveurs standard, elles sont très spécialisées, et il ne peut y avoir de vente que par palettes entières ou serveurs complets, aux acheteurs ayant des besoins similaires.
Shiwen: En d’autres termes, la liquidité de ces garanties est extrêmement basse.
Yongliang: Oui. La valeur des garanties ne dépend pas seulement de leur prix, mais aussi de la rapidité avec laquelle elles deviennent de l’argent. Une maison peut être occupée par n’importe qui, un serveur standard peut être utilisé dans presque tous les centres de données, mais les rangées de GPU dans les centres de données d’IA ont une liste de clients très limitée, seulement des entreprises qui parient sur les charges d’IA. Lorsque le marché change, les potentiels acheteurs et vous-même êtes les mêmes personnes, et vous devenez tous pauvres dans la même situation. C’est mon déduction, indiquée ici.
Shiwen: À quoi sert cette méthode pour les professionnels de la technologie dans l’évaluation d’une entreprise AI ?
Yongliang: Une action concrète : lors de l’examen du bilan d’une entreprise de base AI, il faut appliquer une marge de liquidité aux actifs de calcul. Même avec un milliard d’actifs, l’argent en espèces, les locaux généraux et les clusters de GPU sont trois choses différentes. Le troisième type est le plus difficile à liquider lorsqu’on a vraiment besoin d’argent. Si les ingénieurs comprennent le matériel : en regardant les chiffres des bilans, on peut détecter si des cartes spéciales sont utilisées pour ne pas être installées dans des bâtiments standard.
Q4: Le fantôme de 2008 et les analogies utilisées
Shiwen: Parmi plus de 230 commentaires, quel est le point de vue le plus répandu ?
Yongliang: L’analogie de 2008. Plusieurs commentateurs ont comparé le processus de vente groupée après l’agrément bancaire à celui de la crise financière de 2008. Certains se souviennent qu’ils avaient remarqué en été 2007 les risques liés aux prêts hypothécaires subprimes comme dépôt initial, et qu’ils avaient effectué des ventes spéculatives à petite échelle, avant de perdre intérêt juste avant l’effondrement réel. Son conclusion est que lorsque les prix sont bonnes, tout le monde célèbre ; lorsque les prix baissent, c’est la crise. D’autres ont cité à plusieurs reprises cette phrase : les banques ne vendent pas des dettes sur lesquelles elles ont confiance. Je reprends ces arguments tels quels et ajoute une phrase : c’est une analogie, pas une prédiction. La valeur de l’analogie réside dans le fait de signaler des points de vérification, pas dans de pronostics sur l’issue.
Shiwen: Que disent ceux qui s’opposent ?
Yongliang: Les arguments des partisans de la détente sont également valables. Premièrement, c’est une activité normale pour les banques : agréger des prêts et les vendre aux personnes souhaitant prendre ce risque, et cette pratique en elle-même ne constitue pas un crime. Deuxièmement, l’important est le prix de vente : les dettes de 2007 étaient vraiment toxiques et ont détruit l’économie ; aujourd’hui, les prix des obligations sont mauvais, mais ils n’atteignent pas encore le niveau de panique. Troisièmement, certains rappellent que c’est une erreur fréquente de probabilité : vendre des dettes est une activité quotidienne pour les banques, et le marché a été conditionné par l’idée que « les centres de données sont de mauvaises nouvelles », ce qui fait que tout est associé à une crise.
Shiwen: Après avoir écouté les deux camps, quelle est votre conclusion ?
Yongliang: Les partisans de la détente ont raison en ce qui concerne le « mécanisme », et les partisans de l’analogie ont raison en ce qui concerne le « prix ». La distribution de dettes n’est pas rare ; ce qui est rare, c’est que les dettes ne puissent pas être divisées en six mois, et que certains prêteurs préfèrent vendre à bas prix. Ce signal de prix est réel. Je pense que le langage utilisé dans l’original est le plus approprié : la prospérité de l’AI repose sur une hypothèse, que le crédit sera continuellement disponible sous des conditions raisonnables ; un prêt de 38 milliards vendu pendant six mois est la preuve la plus claire que cette hypothèse est vérifiée en temps réel. C’est une « vérification » et non une « invalidation » ; nous observons comment elle est pesée, mais nous n’avons pas encore vu le résultat. Ceux qui vous donnent une conclusion de « bulle éclatée » ou « inquiétudes infondées » ne font pas d’analyse, ils donnent une certitude.
Q5: Trois phrases pour les entrepreneurs, les professionnels de la technologie et les investisseurs
Shiwen: Comment cette méthode peut-elle être appliquée à des personnes spécifiques ?
Yongliang: Trois catégories de personnes, chacune une phrase. Tout cela est basé sur l’expérience, pas sur les statistiques.
Pour les entrepreneurs : Pendant la période où les fenêtres de financement se rétrécissent, l’ordre de priorité du flux de trésorerie est supérieur à l’histoire de la valeur estimée. Le financement par dettes doit être envisagé dès maintenant, ou plutôt en empruntant moins et en utilisant le temps pour investir plus tard. Les banques approchent des limites internes de leurs fonds propres, ce qui se transmet aux petites entreprises avec généralement deux ou trois trimestres de retard. C’est votre chance de réorganiser vos plans, pas de rester à l’écart.
Pour les professionnels de la technologie : Ajoutez la « spécificité des actifs » à votre liste pour évaluer une entreprise AI. La moitié de la différence d’une entreprise AI réside dans ses capacités de modélisation et de génie, l’autre moitié dans ce qu’elle a fait pour convertir de l’argent en capacités générales. Si c’est une équipe de capacités générales, elle peut se retourner ; si c’est un entrepôt entier de GPU spécialisées, elle ne peut que vendre des bâtiments entiers à ses concurrents à prix réduit. Cette règle peut être utilisée pour évaluer les employeurs, les options et les destinations de déménagement.
Aux investisseurs : Concentrez-vous sur trois indicateurs vérifiables, pas sur les émotions. Premièrement, si la différence de prix des obligations entre les super-grandses et les entités à faible crédit s’élargit ou se réduit, le rapport CCIR sera mis à jour régulièrement ; deuxièmement, si le multiple d’achat des nouvelles émissions peut revenir au moins 2 fois ; troisièmement, pour la tarification des transactions de « transfert majeur de risque », quel prix est prêt à payer Man Group et autres acheteurs spécialisés pour le niveau de risque le plus dangereux ? C’est la réelle offre du marché sur les risques marginaux liés à l’IA.
Shiwen : Pour la dernière question : Qu’est-ce qui est le plus susceptible d’être mal interprété ?
Yongliang : Ce qui est le plus susceptible d’être mal interprété, c’est que les banques sont pessimistes sur l’IA. Non. Les banques continuent de souscrire des risques, mais elles ne veulent pas en assumer seules la responsabilité. Ce qu’elles expriment n’est pas que « l’IA ne fonctionne pas », mais plutôt que « les ouvertures liées à l’IA sont trop grandes pour être dispersées ». La direction technologique et les risques d’investissement sont deux choses différentes : la direction Internet est juste, acheter au mauvais moment en 2000 peut entraîner des pertes pendant dix ans. Cette distinction détermine si vous devez continuer à vous entraîner dans l’IA ou si vous devez également faire des tests de stress sur votre flux de trésorerie. Ma réponse est de le faire tous les deux.
Conclusion
Il y a six mois, les banques se précipitaient pour souscrire des risques, et six mois plus tard, elles vendent à prix réduit. Aucun incident n’a eu lieu entre-temps, mais ce qui a changé, c’est que le poids des risques a été véritablement mesuré une fois. Le point de cette édition n’est pas « si la bulle IA est éclatée », car qui peut répondre à cette question maintenant ? Le point est la fenêtre : la fenêtre de financement se rétrécit, et ce rétrécissement est hiérarchisé. Les baux à forte crédibilité continuent d’être utilisés, tandis que ceux qui ont emprunté à travers des narratives sont réajustés. On suppose qu’ils sont en cours de vérification en temps réel, et pendant cette période, ce qui est le plus cher n’est jamais une décision, mais une anticipation.
En profondeur : Trois axes sur lesquels on peut continuer à s’intéresser
- La tarification des transactions de transfert de risque. Les « transferts majeurs de risque » sont devenus un outil courant pour les grandes banques. Quel niveau de compensation pour les risques exige le preneur ? Cela indique la valeur réelle des dettes liées à l’IA. Les conditions de la prochaine transaction méritent une attention particulière.
- Le second marché des garanties spéciales. Si des clusters de GPU sont vraiment vendus à prix réduit, le prix de vente d’un entrepôt complet est la première source de données sur la liquidité des actifs IA. Actuellement, il n’y a pas de records de transactions publiés, mais ce vide en soi constitue une information.
- Les corrections ultérieures à la réduction de 50 % des émissions en septembre. 23 milliards de dollars est un chiffre mensuel. La question de « l’objectif planifié par rapport à la réalité » n’a pas encore été résolue. Ce n’est qu’après les données de octobre et novembre que l’on pourra déterminer si l’émetteur a arrêté ou si la demande s’est éteinte.
Sources d’information
- StartupFortune : « Les banques tentent maintenant de se défaire de la dette liée aux centres de données d’IA qu’elles ont récemment souscrits » (2026-10-14, blog聚合站, cet article n’est pas considéré comme une source primaire) : Les faits clés sont cités d’après FT (transfert majeur de risques des banques, limites internes des ouvertures, déclarations de Moniot), Bloomberg (obligations de construction de 38 milliards de yuans non distribuées depuis six mois, rotation des fonds, portefeuille réduit de 5 fois à moins de 2 fois), CCIR (CoreWeave 7,00%-9,875% contre les super-largeurs de données 5,70%-7,875%)
- Article sur Hacker News 50092664 : Éligé du 10 au 14, plus de 340▲ jusqu’à 10h15 du 15-10, plus de 230 commentaires ; un échantillon de 32 commentaires, le reste du texte est cité sans mentionner les noms des auteurs
- En septembre, le financement global de la dette AI s’élevait à environ 23 milliards de dollars : un commentateur d’HN cite une source, le texte conserve l’expression « volume prévu inconnu » avec une interrogation
- « L’hypothèse est testée en temps réel » : C’est l’expression originale du texte source, cet article la suit strictement
- Les opinions des invités sont basées sur leur expérience personnelle et leurs estimations, et ne représentent pas de conclusions statistiques