L'homme qui avait prédit 2008 s'attaque aux géants de l'IA

Le paradoxe qui complique la thèse Burry

La nouvelle bataille de Michael Burry contre les géants technologiques ne porte pas d’abord sur l’utilité de l’intelligence artificielle. Elle porte sur la durée pendant laquelle les entreprises peuvent étaler le coût des serveurs, puces et équipements nécessaires pour la faire tourner. L’investisseur rendu célèbre par son anticipation de la crise immobilière de 2008 accuse les hyperscalers d’allonger les durées d’amortissement de leurs infrastructures IA, ce qui réduit les charges annuelles de dépréciation et améliore mécaniquement les bénéfices publiés [1]. Son argument est précis: une puce peut encore fonctionner après plusieurs années sans rester économiquement compétitive pendant toute cette période.

Mais le marché des H100 complique cette lecture. Nvidia a lancé la H100 en mars 2022, et une logique classique de semi-conducteurs voudrait qu’elle perde en valeur avec l’arrivée des générations Blackwell puis Vera Rubin. Or son prix de location a augmenté de près de 40 % entre novembre 2025 et juillet 2026, tandis que des observateurs du marché ont constaté une disponibilité plus tendue et des prix contractuels plus fermes au début de 2026 [1]. Cela ne réfute pas la critique comptable de Burry. Cela montre en revanche que l’équation ne se résume pas à “ancienne puce” égale “actif obsolète”.

Ce que le client loue vraiment

La distinction essentielle est celle qui sépare une puce isolée d’un cluster opérationnel. Un client cloud qui loue une H100 ne loue pas seulement du silicium. Il achète un accès immédiat à un ensemble complet: GPU, CPU, mémoire, stockage NVMe, fabric NVSwitch ou équivalent, réseau, orchestration logicielle, maintenance, alimentation électrique, refroidissement et capacité de centre de données déjà disponible [1]. C’est ce qui permet au prix du calcul loué de diverger de la valeur technologique ou de revente du composant.

Cette réalité explique l’intérêt croissant de Wall Street pour des prix de référence du calcul IA. Yahoo Finance a rapporté le 29 août que CME Group prévoit de lancer le 5 octobre des contrats à terme liés au coût horaire de location des GPU Nvidia H100 et B200, sous réserve d’approbation réglementaire [2]. Le même article indiquait que l’indice H100 de Silicon Data se situait autour de 2,68 dollars par GPU-heure, contre environ 5,66 dollars pour le B200 plus récent [2]. Autrement dit, le calcul devient un intrant mesuré, coté et potentiellement couvert comme un risque financier.

Si ce marché à terme devient liquide, il offrira un indicateur public de la validité de la thèse Burry. Une courbe solide sur la H100 suggérerait que les infrastructures déjà installées conservent une valeur économique réelle lorsque l’électricité, le refroidissement et les centres de données prêts à l’emploi sont rares. Une courbe qui se détériore, surtout si les dépenses d’investissement des hyperscalers restent élevées, signalerait au contraire que l’offre rattrape ou dépasse la demande payante.

L’avantage de Nvidia dépasse la puce

L’état actuel du dossier ne dit pas seulement que les H100 restent recherchées. Il dit aussi que l’avantage concurrentiel de Nvidia se déplace autour du GPU autant qu’à l’intérieur du GPU. TechCrunch a rapporté le 29 août qu’à mesure que le calcul IA atteint des échelles de l’ordre du gigawatt, l’orchestration devient une couche de plus en plus complexe et stratégique [3]. L’architecture Vera Rubin de Nvidia est présentée non comme une simple génération de GPU, mais comme un système plus large intégrant CPU, stockage et réseau pour mieux faire circuler les données dans d’immenses clusters [3].

Cette évolution compte directement pour le débat sur l’amortissement. La durée de vie économique dépend du type d’usage. Un GPU qui n’est plus optimal pour entraîner le modèle le plus avancé peut encore être rentable pour l’inférence, le fine-tuning, les traitements par lots, des fonctions IA internes ou des offres cloud moins chères. Le paradoxe de la H100 reflète donc une réalité plus large: l’âge de la puce n’est qu’une variable. La valeur de l’environnement opérationnel qui l’entoure peut peser davantage.

C’est aussi pourquoi les grands groupes peuvent adopter des hypothèses différentes. L’analyse de contexte d’8news indique qu’Alphabet amortit généralement ses serveurs et équipements réseau sur six ans, que Meta a porté la plupart de ses serveurs et actifs réseau à 5,5 ans, et qu’Amazon a à la fois allongé puis partiellement réduit certaines durées de vie utiles pour des serveurs et équipements réseau [1]. Burry estime plus largement que les hyperscalers pourraient sous-estimer leurs dépréciations d’environ 176 milliards de dollars entre 2026 et 2028 [1]. Mais le marché ne donne pas encore un verdict simple: tout dépend de la capacité des anciens clusters à générer encore des revenus.

La dette rend le débat plus sensible

Le boom de l’IA repose aussi de plus en plus sur la dette. TechCrunch a rapporté le 28 août que Lambda, un neocloud qui achète des puces de calcul et les loue à des entreprises, a levé 1 milliard de dollars de dette privée à court terme pour acheter des puces Nvidia destinées à être louées à Microsoft [4]. Le même article rappelle que Lambda avait déjà conclu en mai une facilité de crédit garantie de 1 milliard de dollars et annoncé séparément un prêt de 926 millions de dollars pour financer des GPU Nvidia GB300 liés à un déploiement sous contrat avec Nvidia [4]. Selon des données Bloomberg citées par TechCrunch, banques et entreprises technologiques ont levé plus de 400 milliards de dollars de dette liée à l’IA dans le monde en 2026 [4].

Ce modèle de financement renforce les deux côtés du débat. Si la demande reste supérieure à la capacité réellement exploitable, emprunter contre des revenus contractuels de GPU peut sembler rationnel. Si les prix de location baissent ou si les clients reportent leurs charges de travail, ces mêmes montages deviennent vulnérables. La critique de Burry n’est donc pas seulement comptable. Elle touche à la structure financière de la ruée vers l’infrastructure IA.

Les nouvelles puces arrivent comme des systèmes complets

L’offre progresse, mais elle arrive souvent sous forme d’infrastructure complète plutôt que de simples composants. SuperX a annoncé le 28 août une première commande de 128 clusters de serveurs Nvidia B300 par le fournisseur australien Ezisight, avec livraison prévue au quatrième trimestre 2026 et déploiement dans des centres de données locaux pour l’entraînement de grands modèles et l’inférence [5]. SuperX décrit aussi sa stratégie comme couvrant le matériel, le refroidissement liquide, les solutions d’alimentation et la livraison de centres de données de bout en bout [5].

Cela confirme le cœur du sujet. Le marché ne manque pas seulement de GPU; il manque de systèmes déployables. Les nouvelles capacités B200, B300 et Vera Rubin finiront peut-être par peser sur les prix des H100. Mais cela ne se produira vraiment que lorsque les sites, l’électricité, le refroidissement, le réseau et les clients seront prêts. En attendant, les clusters H100 déjà alimentés et connectés peuvent conserver une prime de rareté.

Ce qui tranchera le débat

Burry aura surtout raison si deux phénomènes se produisent ensemble: des bénéfices publiés soutenus par de longues durées d’amortissement, et des prix de location en baisse pour le calcul IA plus ancien. Cela signifierait que les durées comptables dépassent les durées économiques. À l’inverse, il paraîtra trop tôt ou trop catégorique si les H100 et d’autres actifs déjà déployés continuent de produire des flux de trésorerie significatifs pendant les cycles Blackwell et Vera Rubin.

La conclusion la plus solide, pour l’instant, est plus nuancée. La résistance du prix des H100 ne prouve pas que des amortissements sur cinq ou six ans sont toujours prudents. Elle prouve que l’infrastructure IA vieillit par couches. Le silicium vieillit vite; le calcul alimenté, refroidi, connecté et contractualisé peut rester rare plus longtemps. La suite de cette histoire se lira moins dans les slogans sur une bulle que dans les courbes de location, les taux d’utilisation, l’accès à l’électricité et la capacité de la dette IA à être remboursée par de vrais revenus de calcul.

Sources des dernières 72 heures

1. [1]The Man Who Predicted 2008 Takes on the AI Giants30 août 2026, 07:00 UTC
2. [2]Wall Street is turning Nvidia's AI chips into a new futures market: Chart of the Day29 août 2026, 11:51 UTC
3. [3]Nvidia’s AI advantage is moving beyond the GPU29 août 2026, 13:00 UTC
4. [4]Neocloud Lambda secures $1B in debt to buy more chips28 août 2026, 20:24 UTC
5. [5]SuperX Secures First Batch of 128 Units of NVIDIA B300 AI Server Purchase Order from Ezisight, Marking Its Official Entry into the Australian Market28 août 2026, 13:44 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.