Nvidia ne se contente pas de vendre des puces cette semaine. Elle souscrit les clients qui les achètent.

Le rapport Bloomberg du 27 juillet a collé un chiffre net sur le schéma : une nouvelle vague d'accords d'infrastructure d'IA qui, empilés, dépassent 750 milliards de dollars. Fin juin, la Banque des règlements internationaux avait déjà signalé les dépenses d'IA et le financement circulaire comme un risque pour l'économie au sens large. La big tech est passée de moteur de croissance à risque pour cette croissance, via une boucle de bilans.

Les deux pièces du titre :

  1. Une initiative de plus de 500 milliards avec SK Group (maison mère de SK Hynix)
  2. Des discussions précoces qui pourraient placer Nvidia derrière OpenAI avec une garantie de bail allant jusqu'à 250 milliards sur un centre de données américain soutenu par SoftBank, plus des discussions pour financer environ 350 milliards d'achats de puces Nvidia pour le même projet

Si cela semble abstrait, ce n'est pas le cas. C'est le même manège que ColdFusion décortique dans Big Tech is Being Kind of Dodgy At the Moment : l'argent quitte un logo, atterrit comme « demande » chez un autre, et réapparaît en valorisation, en revenus ou en PIB.

Sources sur les deals : Bloomberg via Yahoo Finance, communiqué Nvidia-SK, CNBC sur le verrouillage HBM.

Le problème d'échelle : 23 000 milliards de tech sur une histoire de PIB de data centers

Amazon, Apple, Alphabet, Microsoft, Meta et Nvidia sont passés d'environ 8 000 milliards de capitalisation combinée fin 2020 à environ 20 000 milliards fin 2025, et plus de 23 000 milliards aujourd'hui. Pendant des années, c'était « le marché va bien ». En théorie, des valorisations plus hautes signifient de meilleures retraites et une économie plus riche.

Puis la composition de la croissance est devenue bizarre.

Jason Furman de Harvard (les maths de PIB citées par ColdFusion) a noté que, sur la première moitié d'une période récente, environ 92 % de la hausse de la demande aux États-Unis venait de seulement deux catégories du PIB : équipements de traitement de l'information et logiciels. En français clair : ce qui part dans les data centers. Quand les mêmes sociétés qui affichent des valorisations records expliquent aussi l'essentiel de la croissance mesurée, le PIB cesse de ressembler à un tableau de bord du bien-être des ménages et commence à ressembler à un tableau de bord de construction de GPU.

C'est le décor des titres à « 750 milliards ». Le fer est réel. Le financement est la partie qui sent.

Deal 1 : les plus de 500 milliards de SK Group sont moitié mémoire, moitié systèmes

La partie SK est publique. Les lettres d'intention couvrent deux paris liés :

Élément De quoi il s'agit
Usine d'IA SK Telecom Jusqu'à 2 GW de Vera Rubin Nvidia sur la plateforme DSX, première usine visée pour 2027
Mémoire SK Hynix Approvisionnement long terme et co-développement de mémoire d'IA de nouvelle génération, dont HBM / HBM4

Jensen Huang a dit que les 500 milliards incluent Nvidia qui achète de la mémoire à SK Hynix et SK Group qui achète des supercalculateurs Nvidia. « Entre nous, nous allons faire 500 milliards de dollars d'affaires. »

Cette partie n'est pas pure vapeur. La HBM est rare. Expédier des GPU sans mémoire sécurisée, c'est expédier des slides. Le même vendredi, Nvidia a mis 1 milliard dans Naver pour élargir un data center d'IA en Corée (avec Brookfield) sur du matériel Nvidia. Naver a grimpé de plus de 8 % à Séoul.

Assurance supply chain et pipeline de revenus dans le même cycle de presse. Bien. La question, c'est ce qui se passe quand le même schéma monte en charge vers des labs de modèles non cotés et non rentables.

Deal 2 : les discussions OpenAI transforment la boucle en rehaussement de crédit

La voie OpenAI n'est pas signée. Discussions précoces. Les termes peuvent mourir. La structure compte quand même, car elle montre comment on finance de la capacité quand le client final ne franchit pas une pure barre de cash-flow.

Forme rapportée (personnes au fait) :

  • Travail lié à SoftBank sur un hub d'environ 500 milliards et 10 GW dans l'Ohio, visé vers 2028
  • Nvidia pourrait garantir jusqu'à environ 250 milliards pour qu'OpenAI loue cette capacité
  • Discussion séparée pour financer environ 350 milliards d'achats de puces Nvidia par OpenAI

Une garantie n'est pas un virement de 250 milliards. C'est un filet qui rend prêteurs et bailleurs plus à l'aise pour financer un client qui brûle encore du cash. SoftBank a déjà engagé près de 65 milliards dans OpenAI et signé un prêt relais de 40 milliards pour ce pari. Le nom de Nvidia sur le bail est un rehaussement de crédit pour le projet phare de SoftBank autant qu'une « demande » de GPU.

Billy Leung, chez Global X : garantir davantage de dette de data centers d'OpenAI approfondit un financement fournisseur déjà sous surveillance. Signal de tension de funding autant que de demande.

Bloomberg note aussi que Nvidia a déjà annoncé plus de 540 milliards d'accords similaires rien que cette année, hors d'un éventuel nouveau paquet OpenAI.

La machine circulaire en un schéma (sans mysticisme)

La critique est mécanique :

  1. Le vendeur de puces ou de cloud investit dans, finance ou garantit un lab de modèles ou un neo-cloud
  2. Ce client dépense le capital en puces, cloud ou capacité du vendeur
  3. Le vendeur comptabilise des revenus (ou des « autres produits »), le lab affiche de la demande, les valorisations montent, la prochaine levée devient plus facile
  4. On répète jusqu'à ce que quelqu'un hors de la boucle mange la perte : retraites, assureurs, marchés publics, payeurs de tarifs

ColdFusion serre fort la version Google-Anthropic. Alphabet injecte des dizaines de milliards dans Anthropic. Anthropic s'engage sur environ 200 milliards de dépenses Google Cloud sur cinq ans. Sur le papier, ce sont des rivaux. En cash-flow, c'est un circuit fermé. La boucle simplifiée de Sasha Yanshin : investir 10 milliards, récupérer 10 milliards en revenus cloud, réinvestir à une valorisation plus haute, enregistr un autre « profit », répéter jusqu'à ce que l'engagement de 200 milliards paraisse financé sans jamais avoir besoin de 200 milliards de cash frais extérieur d'un seul coup. C'est une caricature d'un vrai schéma, pas un dossier de justice. Ça échoue quand même au test de l'odeur quand les profits bondissent pendant qu'on coupe des effectifs cloud « pour réinvestir dans l'IA », et que le compte de résultat pointe vers les autres produits comme gros moteur.

Google a aussi garanti des baux de data centers liés à Anthropic (équivalent d'un prêt d'environ 35 milliards dans d'autres reportages). Même famille d'opérations : vendeur de plateforme, lab de modèles, bail, enveloppe de crédit.

La version Nvidia de cette semaine est plus bruyante parce que les chiffres sont plus gros et que le client (OpenAI) est encore privé et non rentable. Huang a qualifié l'étiquette circulaire de « ridicule » sur des deals passés, en disant que les chèques de Nvidia ne sont qu'une petite part de ce que ces sociétés doivent encore lever. Cela peut être vrai deal par deal et rester faux comme système. Un offtake corrélé reste un risque corrélé.

Les comptables forensiques de l'épisode ColdFusion le disent en anglais de cash-flow : on part d'un résultat net impressionnant, le cash-flow de titre a encore l'air correct, puis on soustrait le capex data center, puis la rémunération en actions et les rachats liés, et le free cash flow des hyperscalers s'effondre. Il y a cinq ans, ces noms étaient des machines à FCF. Ils dépensent comme des utilities d'infrastructure pendant que le marché les valorise encore comme des royautés logicielles.

Le trou de ROI que les 750 milliards doivent gravir

Voici la phrase qui devrait coller à chaque communiqué à plusieurs centaines de milliards.

Une enquête auprès de près de 2 500 entreprises a trouvé que pour chaque 1 dollar dépensé en IA, seulement environ 18 cents arrivent en production. Les 82 cents restants partent à corriger les erreurs du modèle, retravailler les sorties et absorber la friction opérationnelle. N'importe quel autre outil avec ce taux d'échec se fait jeter en un trimestre. Le capital continue d'arriver quand même.

Les preuves entreprise ne sont pas subtiles :

  • Starbucks a passé 2025 à vendre une IA d'inventaire pour plus de 41 000 magasins, puis l'a abandonnée quand les erreurs d'étiquetage forçaient le personnel à tout revérifier
  • Duolingo a basculé fort vers du contenu généré par IA, puis a dû faire machine arrière quand la qualité s'est effondrée et que les utilisateurs ont poussé
  • Satya Nadella a dit que les LLM seuls ne suffisent pas et sont instables sans un système plus large où les humains gardent le jugement
  • Des cabinets de talent rapportent des réembauches de jugement après des licenciements excessifs vers une vague d'automatisation non prouvée

Pendant ce temps, les modèles open-weight chinois ont refermé l'écart de qualité sur une énorme tranche de charges réelles, à une fraction du coût d'API, exécutables hors ligne, avec contrôle total des poids. ColdFusion signale Cursor, Coinbase, Shopify, Airbnb, Uber Eats, Siemens et même des chemins Microsoft qui basculent vers des stacks ouverts et open-weight. Si « assez bon et bon marché » gagne pour la plupart des usages en production, l'histoire de revenus censée payer des milliers de milliards de capex s'amincit juste quand la dette s'épaissit.

Rien de tout cela ne veut dire que l'IA est fausse. Les systèmes de coding et de santé continuent de s'améliorer. Cela veut dire que la couche LLM a été mal prix par rapport au coût de transformer des démos en production fiable.

Qui s'assoit hors de la boucle (et paie quand même)

Quand le crédit privé, les assureurs et le capital lié aux retraites financent le fer, les investisseurs particuliers et les retraités reçoivent de l'exposition sans siège à la table des termes.

ColdFusion met en avant la chaîne façon Michael Burry que les gens continuent de dessiner autour de Nvidia, de bailleurs intermédiaires, de demande type xAI, de crédit privé façon Apollo et de bilans d'assurance façon Athene : des GPU vendus, loués, comptabilisés en revenus, exploités par un lab, des fees au milieu, du capital longue durée en dessous. Que chaque maillon de chaque schéma soit étanche, c'est l'affaire des auditeurs et des régulateurs. L'incitation est évidente. Une demande fabriquée ou recyclée donne de la liquidité de sortie à l'equity précoce, tient chauds les IPO et le secondaire, et socialise le downside dans des véhicules sur lesquels grand-mère ne vote pas.

L'histoire de cotation très IA de SpaceX vit dans le même quartier : dépôt sous traitement de données, TAM majoritairement IA, puis achats de capacité et de logiciels d'IA. Le business fusées est réel. L'histoire d'equity est de plus en plus une histoire de financement d'IA. Pour le décryptage complet, commencez par l'épisode IPO antérieur de ColdFusion et traitez le paquet Nvidia de cette semaine comme le même film avec un plus gros budget.

Rien de tout cela n'a besoin d'être illégal pour être fragile. Des structures circulaires peuvent être légales sous GAAP et quand même systémiques.

Comment lire 750 milliards sans se faire hypnotiser

Traitez le chiffre comme un pipeline d'intention pluriannuel, pas comme du cash soldé un mardi.

Affirmation Reality check
SK +500 Md$ Achats pluriannuels de mémoire + systèmes + intention d'usine. Lettres d'intention.
Garantie OpenAI 250 Md$ Discussions. Contingent. Rehaussement de crédit, pas un cadeau de GPU.
Financement puces OpenAI 350 Md$ Discussions. Mêmes réserves de stade précoce.
Titre « 750 Md$ » Addition journalistique de ces chemins. Signal d'échelle. Pas un backlog comptabilisé.

Prises pratiques si vous construisez, achetez ou investissez autour de cette pile :

  1. La mémoire et l'énergie décident encore qui livre. Le verrouillage SK Hynix mappe sur des systèmes physiques, pas seulement sur des slides de financement.
  2. Les enveloppes de crédit sont devenues de la stratégie produit. Garanties fournisseur, prépaiements de capacité et joint-ventures d'« usines d'IA » brouillent client et partenaire exprès.
  3. Le risque de contrepartie fait partie de l'architecture. Si votre facture cloud ou votre roadmap de modèles dépend d'un graphe circulaire, il vous faut un failover d'argent, pas seulement de GPU.
  4. Suivez le free cash flow après capex et SBC, pas seulement les lignes de revenus IA. C'est souvent là que meurt l'histoire du « tout va bien ».
  5. Surveillez la substitution open-weight. Si le travail de production continue de migrer vers des modèles moins chers, la math d'utilisation des hubs de 10 GW devient vite laide.

Huang a raison de dire que des pays comme la Corée ont la base industrielle pour couler beaucoup de ce béton et de ce silicium. La question plus dure est de savoir si les clients finaux peuvent transformer ce fer en cash-flows qui servent la dette, les baux et le capital de retraite en dessous.

La BRI a déjà qualifié le financement circulaire de l'IA de risque de niveau économique. La semaine à 750 milliards de Nvidia n'est pas un retournement de scénario. C'est le scénario, en plus haute résolution.