Et si le prochain grand mouvement du bitcoin ne venait pas d’un nouvel ETF, ni d’un halving, mais d’un accident de financement dans les salles machines de l’intelligence artificielle ? L’idée paraît contre-intuitive. Pourtant, c’est précisément le fil que tire Arthur Hayes, responsable des investissements de Maelstrom, lorsqu’il répète qu’un cours à un million de dollars d’ici 2030 n’est pas un slogan de conférence, mais la conséquence possible d’un crédit trop tendu, d’équipements trop vite obsolètes et d’une réponse monétaire trop généreuse. Le calendrier qu’il avance n’est pas flou : l’accélération la plus violente arriverait selon lui fin 2027 ou début 2028, au moment où les factures des data centers commenceraient à peser plus lourd que les revenus qu’ils produisent.
Le Pari D’Un Million Et La Logique Du Crédit
Le chiffre frappe. Un million de dollars pour une seule unité de bitcoin d’ici la fin de la décennie, cela suppose une transformation profonde du régime monétaire, pas seulement un enthousiasme de marché. Hayes ne décrit pas une simple ruée spéculative. Il décrit un enchaînement : des investissements massifs dans le calcul, des prêts longs, des puces qui perdent de la valeur plus vite que prévu, des assureurs et des prêteurs privés exposés, puis une intervention publique destinée à éviter que le choc ne se propage. Dans ce récit, le bitcoin n’est pas le moteur de la crise. Il en est le réceptacle, dès que l’argent nouvellement créé cherche un actif rare.
Le cœur de sa thèse tient en une phrase qu’il a déjà utilisée pour distinguer deux époques. La période actuelle ressemblerait davantage à une histoire de crédit, comme celle de 2008, qu’à une simple histoire de résultats d’entreprises, comme celle de 2000. Autrement dit, le danger ne serait pas seulement que quelques valeurs technologiques corrigent. Le danger serait que des banques, des assureurs, des fonds de dette privée et des investisseurs d’infrastructure se retrouvent avec des créances que les projets ne peuvent plus servir.
« Une histoire de crédit comme 2008, pas une histoire de bénéfices comme 2000. »
— Arthur Hayes, selon le scénario rapporté
Cette distinction change presque tout. En 2000, beaucoup d’entreprises internet ont disparu parce qu’elles n’avaient pas de modèle économique. En 2008, le système financier a tremblé parce que trop de dettes reposaient sur des actifs dont la valeur s’était écroulée. Hayes applique la seconde grille aux campus de serveurs. On n’y trouve pas seulement des logiciels. On y trouve du foncier, des bâtiments, des raccordements électriques, des systèmes de refroidissement et des processeurs achetés à crédit. Lorsque le matériel vieillit plus vite que l’échéancier de remboursement, le problème quitte le laboratoire et entre dans le bilan.
Pourquoi 2027 Et 2028 Reviennent Sans Cesse
Le timing n’est pas décoratif. Hayes anticipe un ralentissement de la croissance des dépenses d’investissement annoncées dès le second semestre 2027, puis une visibilité plus nette en 2028. Ce n’est pas forcément l’année où l’intelligence artificielle « meurt ». C’est l’année où le marché cesserait de récompenser l’expansion à tout prix et commencerait à préférer les groupes capables de réduire leurs plans de construction. La nuance est essentielle : des entreprises technologiques très rentables pourraient rester saines, tandis que des projets plus fragiles et leurs financeurs commenceraient à souffrir.
Le décalage entre la durée de vie utile du matériel et la durée des financements fournit l’ossature du calendrier. Les puces et les serveurs perdent de la valeur dès qu’une génération plus efficace arrive à un coût inférieur. Les prêts, eux, restent. Les loyers restent. Les engagements d’électricité restent. Si les revenus tirés de l’entraînement des modèles ou de l’inférence ne suivent pas les hypothèses initiales, le service de la dette devient le vrai test. Hayes avoue ne pas savoir quel emprunteur jouerait le rôle de détonateur. Il n’identifie pas non plus le point bas exact du bitcoin. Dans un scénario antérieur, il évoquait même une zone de 60 000 à 70 000 dollars, avec un risque de descente vers 50 000 dollars, avant la longue marche vers le million.
Cette humilité sur le catalyseur n’affaiblit pas le récit. Elle le rend plus réaliste. Les crises de crédit commencent rarement là où tout le monde regarde. Elles commencent souvent dans un coin du marché que l’on croyait technique, collatéralisé, « différent cette fois-ci ». Les data centers ont précisément cette apparence rassurante : du béton, des contrats, de l’énergie, des équipements que l’on peut saisir. Jusqu’au jour où le collatéral lui-même se déprécie trop vite.
Des Data Centers Pensés Comme De L’Immobilier Endetté
Hayes traite une grande partie de la dépense d’infrastructure comme un développement immobilier financé par la dette. Le parallèle n’est pas poétique. Un campus de calcul, c’est d’abord un terrain, une coque, une puissance électrique négociée sur plusieurs années, des tours de refroidissement, puis seulement ensuite une grappe de processeurs. Les premières couches durent. Les dernières se démodent. Or ce sont souvent les dernières qui justifient le rendement promis aux prêteurs.
Imaginez un immeuble de bureaux dont les locataires changeraient d’étage tous les dix-huit mois parce que le mobilier précédent serait devenu trop lent. Le loyer resterait dû. La banque resterait créancière. Seule la valeur d’usage chuterait. C’est, en substance, le risque que Hayes place au centre du débat. Si la demande d’entraînement ou de services d’intelligence artificielle se révèle plus faible, plus cyclique ou plus concentrée que prévu, les hypothèses de remplissage des salles blanches s’effondrent. Les obligations, elles, ne s’effondrent pas.
Les efforts pour faire baisser le coût du calcul peuvent paradoxalement blesser les infrastructures financées sur la promesse d’une dépense toujours plus lourde.
Dans l’essai intitulé Safety First, cette idée devient presque mécanique. Moins les clients achètent de capacité, plus les projets conçus pour une utilisation intensive se retrouvent à court de cash. Réduire le prix du calcul est une bonne nouvelle pour l’utilisateur final. C’est une mauvaise nouvelle pour celui qui a emprunté afin de construire la capacité avant que le prix ne baisse. Hayes inverse ainsi le récit dominant : l’efficacité technologique n’est pas uniquement un moteur de croissance. Elle peut aussi être un accélérateur d’obsolescence financière.
Deux Mille Milliards De Dette Supplémentaire En Perspective
Le scénario cesserait d’être théorique s’il n’existait pas déjà des estimations chiffrées sur le besoin de financement. Une note d’Apollo, signée de l’économiste en chef Torsten Slok, avance que l’écosystème de l’intelligence artificielle pourrait soutenir plus de 2 000 milliards de dollars de dette supplémentaire de qualité investissement. Le marché public des obligations investment grade n’en absorberait, selon cette lecture, qu’une part inférieure à 1 000 milliards d’ici 2030, à cause de la concentration des émetteurs et des contraintes de notation. Le reste basculerait vers les placements privés, le financement d’infrastructure, le crédit-bail d’équipements et des structures dédiées à des projets.
Les données jusqu’en juillet montraient déjà que l’emprunt lié à l’intelligence artificielle représentait près de 40 % de l’offre d’obligations d’entreprises investment grade de plus longue durée. Ce n’est plus un thème de marge. C’est un flux. Et un flux de cette ampleur, lorsqu’il quitte les marchés publics pour la dette privée, devient plus opaque. Il n’est pas nécessairement plus dangereux. Il est simplement plus difficile à surveiller en temps réel, ce qui importe dès que l’on parle d’assureurs, de fonds ouverts au grand public et de liquidité.
| Levier | Ordre de grandeur | Enjeu |
|---|---|---|
| Dette additionnelle potentielle | Plus de 2 000 milliards $ | Financer le build-out IA |
| Capacité estimée des marchés publics IG | Moins de 1 000 milliards $ d’ici 2030 | Concentration et notations |
| Report vers le privé | Plus de 1 000 milliards $ | Moins de transparence |
| Part déjà observée de l’offre IG longue | Près de 40 % | Thème devenu structurel |
Ces ordres de grandeur ne prouvent pas qu’une crise est inévitable. Ils montrent seulement que le financement de l’intelligence artificielle n’est plus un sujet de capital-risque. Il est devenu un sujet de crédit. Dès lors, la question n’est plus « l’IA va-t-elle fonctionner ? » mais « qui porte le risque si le rendement du capital investi déçoit ? ».
Assureurs, Dette Privée Et Nouvelles Règles De Transparence
Aux États-Unis, l’association nationale des commissaires aux assurances a déjà identifié des inquiétudes de liquidité, de valorisation et de transparence autour du crédit privé. Des demandes de retrait ont été observées dans certains fonds de dette privée ouverts aux particuliers. Des véhicules ont utilisé des limites de sortie. Des emprunteurs logiciels exposés à la disruption de l’intelligence artificielle ont attiré une surveillance plus fine. L’association précise que ces signaux ne démontrent pas, à eux seuls, une détérioration généralisée des marchés privés ni des portefeuilles d’assureurs. Ils suffisent toutefois à justifier un suivi plus strict de la qualité de crédit, des pratiques de valorisation et des expositions sectorielles.
Des amendements adoptés en 2025 imposent la transmission de rapports motivés de notation privée dans les 90 jours suivant une mise à jour annuelle ou un changement de note. Ces documents doivent contenir une substance analytique, et non un tampon administratif. Pour les déclarations financières annuelles, le groupe de travail sur les principes comptables statutaires a adopté des changements applicables dès la clôture 2026 afin d’améliorer le reporting des encours de crédit privé détenus par les assureurs. Autrement dit, le régulateur ne dit pas « la crise est là ». Il dit « nous voulons mieux voir ce qui est déjà dans les livres ».
Ce détail institutionnel donne une ancre américaine au récit de Hayes. Si une partie du financement des data centers et des équipements transite par des structures privées, puis par des compagnies d’assurance contraintes de mieux déclarer leurs positions, le canal de transmission d’un choc n’est plus abstrait. Il devient un sujet de solvabilité, de liquidité et, potentiellement, de politique publique.
Deux Chemins Politiques, Une Même Conséquence Monétaire
Dans Safety First, Hayes imagine deux réponses possibles de Washington. La première consiste à acheter de la capacité de calcul pour soutenir l’industrie, jusqu’à devenir un acheteur de compute de dernier ressort. La seconde consiste à aider financièrement des assureurs confrontés à des pertes sur des créances liées à l’intelligence artificielle. Dans les deux cas, le point d’arrivée monétaire est le même : davantage de liquidités dans le système. Et, dans sa grille de lecture, davantage de liquidités demeure un argument structurel en faveur du bitcoin.
Jusqu’à présent, aucune de ces deux mesures n’a été annoncée en réaction à une crise de dette de l’intelligence artificielle, pour la raison simple qu’une telle crise n’est pas officiellement constatée. Hayes ne décrit donc pas un événement déjà advenu. Il décrit une option de politique économique que les autorités utiliseraient si les pertes se concentraient au mauvais endroit, au mauvais moment, avec le mauvais niveau de contagion. C’est une hypothèse, pas une prévision météorologique.
Pourtant, l’histoire monétaire récente a habitué les marchés à cette séquence. Un choc de valorisation, une inquiétude sur des intermédiaires, puis une réponse qui élargit le bilan public ou assouplit les conditions financières. Le bitcoin, dans cette lecture, n’a pas besoin que l’intelligence artificielle échoue. Il a besoin que le traitement du risque de crédit passe, une fois de plus, par la création de monnaie.
Ce Que Le Scénario Ne Dit Pas
Il faut aussi dire ce que Hayes n’affirme pas. Il n’exige pas l’effondrement de toutes les grandes entreprises d’intelligence artificielle. Il n’affirme pas que chaque data center sera un actif échoué. Il n’annonce pas le nom de la banque ou du fonds qui servirait de premier maillon. Il n’offre pas non plus un plan de trading au jour près. Son récit est macroéconomique plus que chartiste. Il relie obsolescence du matériel, durée des prêts, opacité du crédit privé et réflexe de liquidité des autorités.
Cette prudence devrait calmer les lectures trop binaires. Un milliardaire de l’écosystème crypto peut se tromper sur le calendrier et avoir raison sur le mécanisme. Il peut aussi avoir raison trop tôt, ce qui, sur les marchés, revient souvent à avoir tort. Un bitcoin à un million de dollars en 2030 reste un scénario extrême. Il suppose une combinaison de stress financier, de réponse monétaire et d’adoption persistante de l’actif comme réserve alternative. Rien de tout cela n’est garanti.
Il existe d’autres lectures. L’intelligence artificielle peut générer assez de revenus pour justifier une partie substantielle des investissements. Les prêteurs peuvent structurer davantage de protections contractuelles et de collatéral. Les régulateurs peuvent forcer la transparence assez tôt pour éviter une surprise systémique. Les banques centrales peuvent choisir des outils plus ciblés qu’une expansion large de la liquidité. Dans ces variantes, le bitcoin peut encore monter, mais pour d’autres raisons : rareté, demande institutionnelle, dynamique cyclique, et non sauvetage d’un cycle de crédit technologique.
Comment Lire Le Million Sans Tomber Dans Le Slogan
Le million fonctionne comme un aimant médiatique. Il est facile à citer, difficile à tenir, encore plus difficile à modéliser. Pour un lecteur qui cherche autre chose qu’un titre, le plus utile n’est pas le chiffre final. C’est la chaîne causale. D’abord une vague d’investissement physique. Ensuite un financement de plus en plus privé. Puis un possible décalage entre la durée de vie des puces et la durée des dettes. Ensuite un stress localisé. Enfin une réponse publique qui dilue la monnaie. Le bitcoin intervient à la dernière étape, pas à la première.
Cette lecture invite à surveiller des indicateurs peu glamour. La part de l’intelligence artificielle dans l’émission obligataire de longue durée. Les clauses de sortie des fonds de dette privée. Les rapports de notation privée exigés des assureurs. Les taux d’utilisation réels des data centers. Le rythme de baisse du coût de calcul. Les reports ou annulations de projets électriques. Ce n’est pas le langage des réseaux sociaux. C’est pourtant le langage d’un cycle de crédit.
À retenir sans se perdre dans le bruit
- Le million n’est pas présenté comme un miracle technologique, mais comme l’effet d’une liquidité de crise.
- Le point de bascule évoqué se situe plutôt fin 2027 ou début 2028.
- Le risque principal n’est pas uniquement boursier : il est crédit, assurance et infrastructure.
- Plus de 2 000 milliards de dollars de dette supplémentaire sont évoqués pour financer l’écosystème.
- Les règles américaines de reporting du crédit privé se durcissent dès la clôture 2026.
Le Bitcoin Comme Actif De Régime Monétaire, Pas Comme Pari Sur Les Puces
Beaucoup d’investisseurs lient encore le bitcoin aux récits technologiques du moment. Si l’intelligence artificielle captive, le bitcoin devrait monter. Si l’intelligence artificielle déçoit, le bitcoin devrait corriger. Hayes casse cette corrélation naïve. Dans son monde, une déception de revenus dans les salles machines peut, après un temps de souffrance, devenir un carburant monétaire pour l’actif numérique le plus rare. Le lien n’est pas l’innovation. Le lien est la réaction des autorités face aux pertes de crédit.
C’est aussi pour cela que le scénario peut coexister avec des entreprises technologiques encore très rentables. Une poignée de groupes peut capter l’essentiel de la valeur. Une autre couche, plus financière, peut porter des projets moins robustes. Les marchés d’actions peuvent alors raconter une histoire de gagnants. Les marchés de crédit peuvent raconter une histoire de duration trop longue et de collatéral trop vite usé. Les deux histoires ne se contredisent pas. Elles se déroulent simplement à des étages différents du même immeuble.
Pour le bitcoin, cette architecture mentale a une conséquence pratique. Surveiller uniquement le cours des semi-conducteurs ne suffit pas. Il faut aussi regarder qui finance les bâtiments, à quelle maturité, avec quelles clauses, et qui assure silencieusement une partie du risque. Le jour où ces questions quitteront les notes de recherche pour les communiqués officiels, le débat public basculera. Jusque-là, le million restera un horizon controversé, utile surtout parce qu’il force à penser le cycle autrement.
Une Décennie Qui Se Jouera Autant Dans Les Bilans Que Dans Les Modèles
L’intelligence artificielle continuera d’avancer. Les modèles seront plus capables. Le coût d’une requête baissera. Des usages nouveaux apparaîtront dans l’industrie, la santé, la logistique, la défense. Rien de cela n’invalide à lui seul le raisonnement de Hayes. Un progrès technique peut parfaitement cohabiter avec un cycle d’investissement excessif. L’électricité, le foncier et le crédit ont leurs propres contraintes. Ils n’avancent pas à la vitesse d’une mise à jour logicielle.
Le lecteur n’a donc pas à choisir entre deux caricatures. D’un côté, le camp qui voit dans chaque data center une mine d’or perpétuelle. De l’autre, le camp qui annonce l’effondrement immédiat de tout l’édifice. Entre les deux existe une zone plus exigeante : celle où l’on admet que certaines dépenses créeront de la valeur durable, que d’autres auront été mal cadencées, et que le système financier décidera ensuite si les pertes restent locales ou deviennent systémiques.
Si elles restent locales, le bitcoin suivra surtout ses propres cycles de liquidité, d’adoption et de réglementation. Si elles deviennent systémiques, le récit de Hayes gagne en force. Non parce que le bitcoin « gagne » contre l’intelligence artificielle, mais parce que la réponse à un accident de crédit moderne ressemble encore, trop souvent, à une expansion de la monnaie. Dans cette hypothèse, 2030 n’est plus une date magique. C’est simplement l’horizon d’un régime où l’on aura, une fois de plus, préféré diluer plutôt que laisser le crédit se liquider brutalement.
Reste une question simple, presque trop simple après tant de mécanismes. Qui, dans cinq ans, aura raison sur la qualité réelle des revenus des data centers ? Les banquiers qui ont prêté sur des courbes de demande optimistes, ou les opérateurs qui auront su réduire leurs plans à temps ? Hayes parie que le marché découvrira la réponse trop tard pour éviter une intervention. Le million de dollars n’est que la traduction spectaculaire de ce pari. Derrière le spectacle, il y a une intuition plus froide : le prochain choc ne viendra peut-être pas d’un logiciel qui échoue, mais d’une dette qui dure plus longtemps que les machines qu’elle a payées.
