Pourquoi les banques osent-elles prêter sur la base du volume d'appels de tokens ?

Parce que le volume d'appels est un indicateur opérationnel plus en temps réel et plus difficile à embellir que les états financiers : il est enregistré par des plateformes de services de modèles tiers, est continu, à granularité fine et consultable quotidiennement, reflétant directement l'intensité d'utilisation réelle du produit par les utilisateurs, et le coût de la falsification est bien plus élevé que celui de l'embellissement des états financiers. Pour les startups d'IA à faibles actifs et sans garanties, c'est une création de crédit « remplaçant la garantie par un volume d'utilisation réel » ; pour les banques, cela ouvre une nouvelle clientèle inaccessible par le cadre traditionnel des états financiers.

Quels sont les risques du prêt par jetons ?

Il existe trois risques principaux : premièrement, le volume d'appels peut être falsifié, et le risque moral d'une collusion entre l'entreprise et le fournisseur de modèles pour gonfler les chiffres existe objectivement ; deuxièmement, le volume d'appels est extrêmement volatile, le remplacement des modèles ou la perte d'utilisateurs pouvant faire s'effondrer instantanément la base du crédit ; troisièmement, il n'y a pas de marché mature pour la liquidation des nantissements. Actuellement, les produits sont généralement des pilotes à petite échelle avec un système de liste blanche, et les banques mettent en place une vérification croisée des données. Cela ressemble davantage au début d'une nouvelle dimension de tarification des risques qu'à un produit financier mature.

Les banques commencent à prêter aux entreprises d'IA en fonction des « jetons » : pourquoi le volume d'appels peut-il servir de garantie

Q: Qu'est-ce que le « prêt par jetons » ?

Le prêt par jetons est un produit de crédit bancaire destiné aux entreprises d'intelligence artificielle, où le critère central d'évaluation du crédit passe des immobilisations et des états financiers au volume d'appels de tokens (jetons) — les données réelles d'appels API des grands modèles d'entreprise. Le 13 septembre 2026, la première série de « prêts Yiqi Token (jetons) » a été mise en œuvre dans la zone de développement économique et technologique de Pékin, six banques accordant près de 2 milliards de yuans de crédits aux entreprises de la chaîne industrielle de l'IA. Le Quotidien du Peuple a publié un reportage en profondeur en page entière le lendemain. Fin août, le district de Haizhu à Canton avait déjà lancé le premier produit financier spécialisé pour l'économie des jetons de la province du Guangdong.

Suivi de l’actualité : Publication de l’actualité × Jugement technique × Conseils pratiques. Auteur : Yongliang

title: “Suivi de l’actualité 005｜Les banques commencent à prêter aux entreprises d’IA en fonction des « jetons » : pourquoi le volume d’appels peut-il servir de garantie” cover: cover.png author: Yongliang digest: ""

Suivi de l’actualité : Publication de l’actualité × Jugement technique × Conseils pratiques. Auteur : Yongliang

Le 13 septembre, la première série de « prêts Yiqi Token (jetons) » a été mise en œuvre dans la zone de développement économique et technologique de Pékin, six banques accordant près de 2 milliards de yuans de crédits aux entreprises de la chaîne industrielle de l’IA de la zone ; un jour plus tard, le Quotidien du Peuple a publié une enquête en page entière dans sa rubrique « Finance en profondeur », posant directement la question : Qu’apporte le « prêt par jetons » aux entreprises d’intelligence artificielle ? Si l’on élargit la perspective : fin août, le district de Haizhu à Canton a publié le premier produit financier spécialisé dans l’« économie des jetons » de la province du Guangdong ; début septembre, Yizhuang à Pékin a suivi, et lors de la Foire internationale du commerce des services de Chine (CIFTIS), plusieurs banques ont mis en avant les « prêts de puissance de calcul » et les « assurances de puissance de calcul », l’ICBC dévoilant ses « prêts pour les infrastructures de puissance de calcul » et « prêts pour la R&D en puissance de calcul ». En l’espace d’une semaine, « prêter aux entreprises d’IA en fonction du volume de jetons » est passé d’un test local à un sujet national. Ce n’est pas une nouvelle financière ordinaire — en arrière-plan, l’industrie de l’IA place pour la première fois « l’utilisation réelle » au rang de garantie.

Ce qui s’est passé

Commençons par le produit lui-même. Le « jeton » (ou « mot-unité » en chinois) est le nom chinois de Token, la plus petite unité d’information traitée par les grands modèles : à chaque fois que l’on demande à l’IA d’écrire un texte ou de lancer un cycle d’inférence, la facture est établie en jetons. En mars de cette année, l’Administration nationale des données a fixé le nom chinois du Token à « mot-unité » (词元), le positionnant comme « point d’ancrage de la valeur à l’ère de l’intelligence » ; la croissance de son volume mérite ce titre — le volume quotidien national d’appels de jetons était de 100 milliards début 2024, a bondi à 100 000 milliards fin 2025, et a dépassé les 140 000 milliards en mars de cette année, soit une multiplication par plus de mille en deux ans.

Le point de douleur que le « prêt par jetons » vise à résoudre est très concret : les actifs les plus précieux des entreprises d’IA sont les algorithmes, les modèles et les données, mais ces éléments ne comptent pas aux yeux des banques — actifs légers, états financiers faibles, flux de trésorerie dispersés, pas d’usines, manque de garanties, elles sont naturellement exclues du crédit traditionnel. Un chef de section du Bureau de promotion des investissements du district de Haizhu appelle cela une « inadéquation » : les banques valorisent les actifs physiques, alors que les actifs de ces entreprises sont le code et les commandes. Ainsi, les banques locales ont changé leur « règle » d’évaluation de crédit : les traces d’exploitation telles que les données mensuelles de consommation de jetons, les contrats de services de puissance de calcul et les journaux d’appels API sont directement transformées en justificatifs de crédit pour émettre des prêts sans garantie.

La mise en œuvre a été plus rapide que prévu. Le district de Haizhu à Canton a été le premier à publier le « prêt par jetons », avec la participation de la Banque de Chine, de la CITIC Bank et de la Banque de Canton : le premier prêt du Guangdong a été accordé à Tengyuan Digital, spécialisée dans le marketing numérique, pour un prêt sans garantie de 3 millions de yuans sur 3 ans, approuvé par la succursale de Haizhu de la Banque de Chine ; une entreprise de mini-séries IA a obtenu 5 millions de yuans sur la base de sa consommation quotidienne de puissance de calcul, et une entreprise de diffusion en direct e-commerce IA a obtenu 3 millions de yuans sur la base de ses bons de commande de puissance de calcul. À Longgang, Shenzhen, la Banque industrielle et commerciale de Chine (ICBC) a approuvé 5 millions de yuans via le « prêt e-puissance de calcul » pour l’entreprise spécialisée dans la formation à l’intelligence incarnée Aizhihui Technology. La Banque de construction, succursale du Guangdong, en collaboration avec le Centre d’échange et de service des jetons du Guangdong, a lancé le « prêt par jetons », accordant 30 millions de yuans à une entreprise d’IoT intelligente de Nansha. L’échelle est plus importante à Pékin : le « prêt Yiqi Token (jetons) » de Yizhuang a accordé près de 2 milliards de yuans de crédits dans sa première série ; National Intelligent Mobility Control, spécialisée dans les plateformes de calcul pour la conduite autonome, a obtenu une ligne de crédit de 30 millions de yuans de la CITIC Bank, et Shenzhou Guangneng, spécialisée dans les infrastructures de puissance de calcul, a obtenu une augmentation de crédit de 30 millions de yuans de la Banque industrielle Fujian. Sur le plan politique, une brèche a également été ouverte : en juillet de cette année, la Banque populaire de Chine et neuf autres départements ont publié conjointement une notification soutenant l’évaluation du crédit passant de « regarder la garantie » à « regarder les données ».

Que mesure cette « nouvelle règle »

Ce qui vaut la peine d’être clarifié, c’est : pourquoi le volume d’appels de jetons peut-il servir de base à l’octroi de crédit ?

La clé réside en deux points : la temps réel, et la difficulté de l’embellissement.

D’abord, le temps réel. Le crédit traditionnel regarde les états financiers, qui sont établis trimestriellement ou annuellement — une fois les données disponibles, la chaleur de l’activité s’est refroidie depuis trois mois à un an. Le volume d’appels de jetons est un registre continu : combien de commandes l’entreprise a reçues aujourd’hui, combien de volume le modèle a traité, cela se reflète le mois même dans les journaux d’interface lisibles par la banque. Le chiffre d’affaires d’une entreprise d’IA peut ne pas encore avoir décollé, mais le volume d’appels a déjà bougé ; inversement, si l’activité s’arrête, le volume d’appels chute le mois même. Et pour les entreprises d’IA caractérisées par des « cycles de paiement longs pour les projets de marque, des retards de paiement en aval, mais un achat de puissance de calcul en amont qui doit être prépayé », cet écart temporel est précisément la source de la rupture de trésorerie — le volume d’appels est l’indicateur le plus proche du terrain opérationnel.

Ensuite, la difficulté de l’embellissement. Les états financiers peuvent être embellis, les flux de trésorerie peuvent être arrangés ; mais les journaux d’appels API et les enregistrements d’utilisation de la puissance de calcul sont générés automatiquement par des machines, sont naturellement infalsifiables, et les banques peuvent les vérifier en se connectant aux back-ends des plateformes de puissance de calcul. Des cadres locaux ayant participé à la conception du produit ont expliqué cette approche : nettoyer et agréger les journaux bruts massifs, c’est créer un rapport d’exploitation visualisé — un agent de crédit qui ne comprend pas le code peut comprendre les courbes. De plus, le volume d’appels est difficile à simuler : pour rendre la courbe belle, il faut vraiment appeler le modèle et brûler de la puissance de calcul, le coût est réel. Les banques effectuent ensuite une vérification croisée avec les contrats d’achat de puissance de calcul, les contrats de services en aval et les qualifications techniques ; une « facture de puissance de calcul » devient ainsi une projection quasi en temps réel de la situation opérationnelle de l’entreprise.

Un détail révèle la granularité de cette logique : le responsable d’une entreprise de mini-séries IA à Canton a calculé que le coût en jetons par minute pour une mini-série de qualité ordinaire est d’environ 1 500 yuans, pouvant atteindre 4 000 yuans pour une haute qualité — sur la base de ces données de consommation quotidienne, cette entreprise a obtenu un prêt sans garantie de 5 millions de yuans sur 3 ans. C’est aussi pourquoi les formes de produits sont très similaires partout : la succursale de Canton de la Banque de Chine divise les clients en trois catégories (fourniture, application, service), avec un crédit maximum de 30 millions de yuans par client ; la Banque de construction regarde les contrats en amont et les créances, la consommation en aval et les commandes, et les flux de règlement des plateformes intermédiaires ; la règle de Yizhuang à Pékin est plus large — au-delà de la consommation de jetons, elle examine aussi les barrières technologiques, la force de l’équipe et le degré d’autonomie des technologies clés. Les noms varient, mais la règle est la même : remplacer la garantie par un volume d’utilisation réel.

L’autre moitié, plus calme

Il faut surveiller l’effervescence, mais encore plus les risques. L’enquête du Quotidien du Peuple expose très clairement les préoccupations de l’industrie : il existe déjà sur le marché des phénomènes chaotiques tels que la revente de jetons inutilisés et la falsification de la vitesse de consommation en back-end ; si les banques prêtent sur la base de données manipulées, l’évaluation sera faussée. Plusieurs responsables de départements de crédit bancaire admettent également : prendre les données de jetons comme seul critère peut conduire à des appels inefficaces, à une augmentation artificielle du volume par de faux comptes, ou à un gonflement artificiel de l’échelle de l’activité — le seuil de falsification n’est pas beaucoup plus élevé, il suffit de brûler de l’argent pour gonfler le volume, et l’argent pour gonfler le volume peut lui-même provenir du prêt.

Le prix des jetons lui-même peut aussi fluctuer. Il suit la demande d’appels des grands modèles et les tendances du marché de la puissance de calcul ; prendre un objet au prix flottant comme référence de crédit, l’évaluation ne risque-t-elle pas d’être faussée si le marché s’effondre ? C’est une question à laquelle personne ne peut répondre pour l’instant.

Le manque fondamental réside dans les normes. Les méthodes de facturation et de statistique des jetons ne sont pas unifiées entre les différentes plateformes de grands modèles, et un système d’audit tiers neutre fait toujours défaut. Xie Baojian, doyen adjoint de l’Institut des hautes finances du Sud de l’Université Jinan, a souligné le point crucial : du modèle de référence à la reproduction à grande échelle, ce qui freine n’est pas la volonté, mais la norme.

La réponse des banques est également sur la table : ne pas prendre les jetons comme seul critère, mais effectuer un rapprochement « contrat + données d’appels de jetons + flux de transactions » en trois points, vérifiant l’ensemble du processus de production, d’appel et de règlement des jetons ; et tenter d’obtenir des interfaces de requête système ouvertes par les plateformes de puissance de calcul vers les banques pour une surveillance en temps réel ; les entreprises ayant déjà reçu du crédit dans la région de Canton sont principalement des prêts sans garantie, tout en étant intégrées dans le mécanisme municipal de partage des risques entre le gouvernement et les banques. Le ton officiel du district de Haizhu est également très mesuré : le volume de consommation de jetons ne sert que de l’un des critères de référence pour le crédit et n’équivaut pas directement à la garantie elle-même.

Les vrais points à surveiller

En suivant cette actualité, je vous suggère de surveiller trois questions.

Premièrement, est-ce une « confirmation de droits » ou un « jargon à la mode » ? Le plus grand cadeau que le « prêt par jetons » fait aux entreprises d’IA n’est peut-être pas les quelques millions de prêt, mais une reconnaissance officielle : consommer des jetons de manière continue et stable équivaut à se prouver au système financier que « j’ai une activité réelle et des clients stables ». Lorsque la « consommation » devient le langage du crédit, les entreprises qui obtiennent des prêts seront plus motivées à faire fonctionner leur activité sur des plateformes mesurables et auditables — c’est une bonne chose pour les plateformes de puissance de calcul et les gouvernements locaux. Mais il faut se méfier de l’autre face : une fois que la « consommation élevée » devient elle-même un actif de financement, une demande déformée visant à brûler de l’argent pour obtenir un prêt apparaîtra. Pour juger si ces produits sont sains, il suffit de surveiller un indicateur : l’argent prêté correspond-il aux encaissements réels de l’activité ?

Deuxièmement, qui supporte actuellement le risque ? Actuellement, la structure générale est « prêt sans garantie + partage des risques entre gouvernement et banque » — le gouvernement subventionne les intérêts et fournit une compensation des risques, ce qui permet aux banques de prêter à des entreprises sans garanties. C’est un coût d’erreur raisonnable, mais cela signifie également qu’à ce stade, la tarification du risque est largement déterminée par la politique, et non par le marché. La fenêtre d’observation se situe au moment où le mécanisme de partage des risques expire ou s’étend : si les banques continuent de prêter à ce moment-là, cela signifie que le contrôle des risques par les données a vraiment fonctionné ; si la marée se retire avec les subventions, alors ce cycle de « prêts par jetons » n’est qu’un stimulus industriel temporaire.

Troisièmement, cette règle s’appliquera-t-elle au-delà de l’industrie de l’IA ? L’idée du volume d’appels de jetons — remplacer les états financiers par des traces d’exploitation générées automatiquement par des machines — s’applique théoriquement à toutes les industries à exploitation numérique : e-commerce, mini-séries, jeux, services logiciels. Une fois rodée, elle pourrait réécrire non seulement le financement des entreprises d’IA, mais aussi la méthode d’évaluation du crédit pour l’ensemble des PME. Bien sûr, la condition préalable est de combler les lacunes en matière de normes, d’audit et de lutte contre la manipulation artificielle du volume. Le titre de l’enquête du Quotidien du Peuple demandait « qu’apporte » le prêt — à première vue, il apporte un tout nouveau jeu de « crédit basé sur l’utilisation », ainsi que la vieille question que ce nouveau jeu doit répondre : les données sont vraies, mais d’où vient l’argent pour rembourser ?

Sources de référence

Quotidien du Peuple en ligne — Quotidien du Peuple « Qu’apporte le “prêt par jetons” aux entreprises d’intelligence artificielle ? » (Finance en profondeur, 14 septembre 2026, page 18, journaliste Cheng Yuanzhou)
Quotidien économique « Le “prêt par jetons” soulage les difficultés de financement des entreprises d’IA » (31 août 2026, journaliste Yu Jian ; repris en intégralité par Xinhuanet)
Beijing News « Premiers crédits de près de 2 milliards ! La zone de développement économique et technologique de Pékin met en œuvre le premier prêt de puissance de calcul par jetons de la ville » (13 septembre 2026, source « Beijing Yizhuang Innovation Release »)
IT Times (reprise de CCTV Finance) : Exposition conjointe « Finance + Innovation technologique » à la CIFTIS, accélération de la promotion du prêt de puissance de calcul par jetons depuis sa mise en place en août (12 septembre 2026) ; Mise en œuvre du « prêt Yiqi Token (jetons) » de Beijing Yizhuang (5 septembre 2026, source compte officiel « Beijing Yizhuang »)
Cailian Press : Chongqing soutient les institutions financières pour explorer de nouveaux modèles tels que « Banque de puissance de calcul » et « Bons de jetons + Prêt par jetons » (9 septembre 2026, vérification au niveau du titre)
Red Star News « Observation de l’étoile rouge » : De « subventionner la puissance de calcul » à « subventionner les jetons », Chengdu distribue 100 millions de bons de jetons (12 septembre 2026, vérification au niveau du titre)