Le grand pessimiste de Société Générale : la vague d'IA reproduit la crise financière asiatique, le véritable danger étant la « bombe à retardement » de la dette.

Le stratégiste en chef de Société Générale, Albert Edwards, lance un avertissement : la fièvre actuelle autour des investissements dans l’IA présente des similitudes frappantes avec la crise financière asiatique de 1997 — non pas parce que la technologie serait inutile en soi, mais parce que la vitesse des flux de capitaux dépasse de loin le rythme d’amélioration de la productivité, et jusqu’à présent, ce sont toujours les créanciers, et non les ingénieurs, qui ont comblé ce fossé dans l’Histoire.

Dans son dernier numéro de la « Global Strategy Weekly », Edwards souligne que l’indicateur mesurant les véritables bénéfices de la technologie, la productivité globale des facteurs (PGF/TFP), ne montre jusqu’alors aucun progrès, alors que les dépenses mondiales en capital liées à l’IA s’envolent : Goldman Sachs estime qu’en 2026 seulement, les investissements mondiaux en IA dépasseront 1 000 milliards de dollars. Parallèlement, les revenus annualisés de OpenAI ont été révélés comme inférieurs d’environ 20 milliards de dollars aux attentes précédentes, entraînant une chute de plus de 1 % du Nasdaq le même jour, et portant un coup direct au récit d’une « demande en plein essor ».

Pour Edwards, le véritable détonateur de cette crise réside dans la capacité à garantir l’afflux continu de capitaux bon marché soutenant l’expansion de l’IA, davantage que dans la déception suscitée par les données de productivité. Les « shérifs » du marché obligataire testent un à un la vulnérabilité des différents marchés nationaux — du Japon à la France, les ventes massives d’obligations se propagent. Or, au moment où les géants de la tech lèvent massivement de la dette, ils ont justement besoin de la même cohorte d’acheteurs à longue maturité pour absorber des centaines de milliards de dollars d’obligations nouvellement émises, un schéma analogue à celui des économies asiatiques des années 1990 qui dépendaient des emprunts en dollar à court terme pour entretenir la prospérité.

Tout part d’un graphique plutôt aride. Torsten Slok, chef économiste d’Apollo, publie un rapport intitulé « On ne voit pas de trace de l’IA dans les statistiques de productivité ». Selon les données, la TFP corrigée de l’utilisation des capacités est actuellement légèrement inférieure à zéro, aucun signe d’accélération n’ayant été observé depuis le début du cycle d’investissement en IA, la croissance de la production horaire s’établissant quant à elle autour de 2,5 %.

Slok indique qu’une forte croissance de la production horaire combinée à une TFP stagnante est le signe typique d’un « approfondissement du capital », et non d’un choc technologique — équiper chaque salarié d’un nouvel écran (ou d’un GPU à 40 000 $), peut certes augmenter la production horaire, mais ne rend pas l’entreprise réellement plus efficace. L’engouement pour l’IA est visible dans les données d’investissement et les valorisations boursières, mais reste absent des statistiques de productivité, ce qui implique que les retours promis relèvent plus de la prévision que du fait avéré.

Michael Hartnett, stratégiste chez BofA, note également ce phénomène et ajoute un détail notable : la TFP et l’indice de confiance des consommateurs évoluent de façon très corrélée depuis un demi-siècle, et sont actuellement tous deux en déclin. Austan Goolsbee, président de la Fed de Chicago, a lui aussi averti qu’une productivité durablement faible remettrait en cause la narration dominante actuelle.

Edwards n’en est pas à son premier scepticisme face à des « narratifs miraculeux ». Il se souvient que sa toute première grande prise de position non-consensuelle, à haut risque, de sa carrière, a consisté à dénoncer le « miracle économique d’Asie de l’Est » comme une immense bulle économique et financière. Ce constat s’appuyait sur un article de Paul Krugman publié en 1994 dans Foreign Affairs, « Le mythe du miracle asiatique », où Krugman arguait que la forte croissance des économies asiatiques découlait avant tout d’un amoncellement massif de capital et de main d’œuvre, et non d’une véritable amélioration d’efficacité ; la faiblesse de la progression de la TFP sapait fondamentalement le narratif haussier.

À cette époque, cette analyse fut largement raillée. La Banque mondiale publiait « Le miracle de l’Asie de l’Est » en 1993, et l’apogée de cet optimisme arrogant est atteint en août 1996 — la Banque mondiale encensait alors le « miracle macroéconomique thaïlandais », moins d’un an avant l’effondrement du baht.

Edwards qualifie lui-même ce prisme baissier de l’époque de « Noddynomics », objet de moqueries généralisées. Lors de tournées aux États-Unis, il comparait la bulle technologique américaine de la fin des années 1990 à celle de l’économie thaïlandaise, au point que son supérieur hiérarchique dut intervenir pour le protéger contre la colère de certains clients. Les deux bulles finirent par éclater.

La seconde critique d’Edwards vient des travaux de son ancien collègue Rob Parenteau. Ce dernier observe que malgré la forte croissance de l’investissement total des entreprises sous l’impulsion de l’IA, une fois l’amortissement déduit, l’investissement net reste pratiquement plat : en valeur nominale, l’investissement total représente environ 14 % du PIB, mais l’investissement net stagne autour de 3 % depuis une décennie ; en valeur réelle, le poids de l’investissement total atteint un sommet historique de 15,5 % du PIB, mais la valeur nette réelle demeure autour de 3,5 %, comme en 2015 ou 2019.

Edwards souligne également que les entreprises allongent la durée d’amortissement d’actifs comme les GPU, ce qui améliore artificiellement les chiffres de l’investissement net en comptabilité, mais masque la faiblesse du rendement économique réel. Cette critique fait écho aux observations de Michael Burry sur le sur-allongement supposé de la durée de vie des GPU.

Les calculs de Goldman Sachs quantifient encore plus ce risque : si les six géants américains du cloud affichaient un retour sur investissement en capital (ROIC) nul dans le secteur IA, il leur faudrait générer environ 920 milliards de dollars de revenus annuels pour couvrir seuls les coûts d’amortissement et d’exploitation.

Goldman Sachs décompose les investissements en IA en trois phases : de 2023 à 2025 environ 633 milliards de dollars, de 2026 à 2027 près de 1 730 milliards, et de 2028 à 2030 jusqu’à 4 140 milliards. Pour dégager un ROIC de 15 % sur la deuxième tranche, les six géants devraient générer environ 1 420 milliards de dollars de revenus durant la troisième phase (2028-2030).

Les données macroéconomiques ne fournissent pas non plus beaucoup de soutien à l’argumentation haussière.

Edwards note que la contribution de l’investissement fixe des entreprises américaines à la croissance annuelle du PIB est inférieure à un point de pourcentage, loin derrière le sommet de la fin des années 1990 (plus de deux points).

Dans le détail, l’investissement en équipements affiche une croissance nominale proche de 14 %, mais une croissance réelle « à peine dans les deux chiffres » ; les dépenses en bâtiments non résidentiels sont en repli, de 3 % en nominal et près de 6 % en réel — même en tenant compte des centres de données.

De là, Edwards conclut que la majorité de la « prospérité IA » inscrite dans les comptes du PIB correspond à une hausse des prix plus qu’à une expansion des volumes, car tous les acteurs se ruent sur la même poignée de puces, de mémoires et de transformateurs, faisant grimper les prix. Ceci explique en partie pourquoi la Fed s’inquiète davantage des risques inflationnistes liés à l’IA que d’effets déflationnistes.

Edwards indique dans son rapport que la véritable source de la crise asiatique n’était pas la faiblesse des données de productivité, mais l’arrêt subit de l’afflux de capitaux extérieurs bon marché qui alimentaient la mauvaise allocation des ressources. Il avertit que les « shérifs » du marché obligataire agissent à un rythme similaire : récemment, les flux en provenance du Japon ont déclenché des ventes massives de Treasuries américains, puis la contagion s’est étendue à la France, où les OAT s’acheminent vers la pire décennie depuis 1803.

Dans ce contexte, les entreprises technologiques de l’IA continuent d’émettre massivement de la dette — Broadcom, Oracle, SpaceX, etc. rejoignent la vague de financement autour des puces IA, accentuant la pression du côté de l’offre, en concurrence directe avec le besoin pressant des géants pour des capitaux à longue maturité.

La conclusion d’Edwards va droit au but : le miracle thaïlandais n’a pas échoué faute de productivité, mais s’est brutalement arrêté dès l’instant où les créanciers l’ont compris. Le plus grand risque lié à la frénésie actuelle autour de l’IA est de revivre ce même scénario — sauf que les outils de financement ne sont plus les prêts en dollars à court terme, mais les obligations d’investissement grade, le crédit privé et les véhicules spéciaux.

Edwards nuance ses propos : il ne déclare pas la mort de la vague IA, mais pose la question : lorsque les seules statistiques capables de prouver qu’il ne s’agit pas d’une bulle choisissent de ne pas collaborer, sur quoi repose cette confiance si unanime des marchés ? La réponse, selon lui, ne sera peut-être claire qu’une fois la marée des capitaux retirée.