L’essor des investissements dans l’IA crée des risques pour la stabilité financière en raison de l’augmentation de la dette et de montages financiers complexes, a déclaré le gouverneur de la Réserve fédérale Barr le 16 novembre 2026. La dette inscrite aux bilans des sept plus grandes entreprises spécialisées dans l’IA devrait dépasser 800 milliards de dollars avant la fin de l’année, tandis que la Fed estime que la valeur nominale maximale potentielle des obligations hors bilan associées dépasse 3 000 milliards de dollars.
Points clés à retenir
Le dernier Rapport sur la stabilité financière de la Fed examine l’endettement qui finance le développement de l’IA.
Barr a averti que des modèles de trading similaires pourraient synchroniser les perturbations des marchés.
L’adoption de l’IA soulève des défis en matière de cybersécurité, de protection des investisseurs et de conformité des prêts.
La Fed examine les risques de l’IA pour la stabilité financière
Le dernier rapport de la Réserve fédérale sur la stabilité financière, publié vendredi, porte sur les investissements dans l’IA et les structures de dette qui les financent. Le discours de Barr, le quatrième qu’il consacre exclusivement à l’IA au cours de l’année écoulée, a relié ces questions de financement aux risques liés aux transactions, à la cybersécurité et au crédit à la consommation.
Barr est resté optimiste quant au potentiel de l’IA pour améliorer la productivité, élargir l’accès aux services financiers et réduire les coûts. Il a toutefois déclaré que ces avantages devaient s’accompagner de protections pour les utilisateurs et la stabilité financière.
Même une technologie transformatrice ne garantit pas aux investisseurs les rendements qu’ils espèrent, ni qu’ils les obtiendront au moment attendu, a-t-il déclaré. Une importante réévaluation des prix pourrait réduire les investissements et la richesse, et ainsi freiner les dépenses des consommateurs et, potentiellement, des entreprises.
La dette et les financements circulaires compliquent le développement
Le rapport relève trois préoccupations liées au financement : la croissance rapide de la dette, les relations de financement circulaires et les obligations contractuelles complexes. Barr a déclaré que ces structures pourraient amplifier une forte réévaluation à la baisse des investissements dans l’IA.
L’estimation de plus de 3 000 milliards de dollars correspond à la valeur nominale maximale potentielle des engagements hors bilan — et non simplement à la dette déjà inscrite aux bilans des entreprises. Elle englobe les contrats énergétiques, les contrats de location de centres de données et de capacités informatiques, ainsi que les garanties sur la valeur résiduelle des actifs.
Certains montages permettent à des entreprises très bien notées de soutenir des projets impliquant des emprunteurs moins solides ou des services publics. Barr a averti que les investisseurs peuvent avoir du mal à repérer où se situent les expositions, ce qui risque d’aggraver les ventes massives lorsque le sentiment du marché change. Les entreprises moins bien notées, confrontées à des coûts de financement plus élevés, se tournent également vers des financements adossés à des actifs plus complexes.
Les hyperscalers et les grands fabricants de processeurs graphiques ont investi plus de 100 milliards de dollars en capitaux propres dans des laboratoires spécialisés dans les grands modèles de langage et des start-up d’informatique en nuage. Les bénéficiaires dépensent ensuite ces capitaux en services informatiques ou en puces fournis par leurs investisseurs. Barr a déclaré que ces petites entreprises devront, à terme, remplacer le financement de leurs fournisseurs par des revenus provenant de clients payants.
Les grands fournisseurs garantissent également la valeur de revente des centres de données ou des processeurs graphiques mis en garantie, créant ainsi des expositions éventuelles en cas de défaut des emprunteurs.
La Fed compare les dépenses et les emprunts des hyperscalers depuis 2020 au cycle d’investissement dans les télécommunications amorcé en 1995. Barr a également cité une estimation selon laquelle les investissements dans les infrastructures de l’IA pourraient égaler, voire dépasser, ceux des précédents grands essors du chemin de fer, des autoroutes et de la fibre optique.
Il s’est montré moins préoccupé par les pertes directes, étant donné le niveau encore limité de la dette qui soutient cet essor, mais a averti qu’un fort effet de levier des fonds spéculatifs pourrait transformer un retournement du marché en ventes forcées. La solidité des fonds propres des plus grandes banques constitue une protection, mais les expositions aux contreparties doivent toujours être surveillées.
L’efficacité des transactions s’accompagne de risques de comportement moutonnier
L’IA générative peut améliorer l’efficacité des marchés en traitant des informations plus riches, en élargissant l’accès à des outils sophistiqués et en renforçant la surveillance, a déclaré Barr. Il estime toutefois que les transactions autonomes fondées sur l’IA générative n’ont pas encore atteint une grande ampleur.
Le coût élevé des systèmes et le besoin de compétences spécialisées pourraient avantager les grands acteurs en place. Dans son étude de 2026 pour Jackson Hole, Markus Brunnermeier a averti que les prix pourraient devenir moins informatifs si les agents d’IA comprennent le comportement humain mieux que les humains ne comprennent ces agents.
Des modèles similaires entraînés sur des données similaires pourraient provoquer un comportement moutonnier sur les marchés, synchroniser les réactions ou reproduire les mêmes failles. Barr a cité des travaux théoriques montrant que certains algorithmes d’apprentissage par renforcement peuvent développer un comportement collusoire sans consignes explicites, ou apprendre à pratiquer le spoofing — c’est-à-dire à passer des ordres destinés à donner une impression trompeuse de la demande.
Les plateformes d’échange déploient elles-mêmes des outils de surveillance fondés sur l’IA, et certaines s’attaquent au manque de transparence des algorithmes de négociation intégrant l’IA.
La cybersécurité et les protections des consommateurs mises à l’épreuve
Les agents autonomes constituent un autre vecteur de risques pour la stabilité financière liés à l’IA, a déclaré Barr. Des incidents survenus en 2026 ont montré des modèles franchissant des barrières de sécurité et exploitant des vulnérabilités, notamment en raison de leur dépendance à des fournisseurs de plateformes communs.
Les défenseurs utilisent eux aussi l’IA pour repérer et corriger les failles plus rapidement que les humains, mais Barr a insisté sur la difficulté de se défendre de façon constante contre des attaquants capables de multiplier les tentatives.
Dans le domaine du crédit à la consommation, les chatbots fournissent déjà des conseils en investissement, parfois sans être soumis aux protections applicables aux institutions financières. Barr a souligné les conflits d’intérêts liés aux produits maison, aux frais ou aux opérations excessives, ainsi que les recommandations inexactes et les données biaisées.
Les données alternatives peuvent élargir l’accès au crédit, mais aussi servir d’indicateur indirect de caractéristiques protégées. Barr a plaidé pour une IA explicable, un suivi continu de l’équité, des dossiers de validation et des mécanismes de contestation accessibles.
De grandes banques signalent également des agents qui tentent d’effectuer des opérations sur les comptes de leurs clients sans autorisation vérifiable.
À lire aussi : une fuite de données à La Poste expose les noms et adresses de 22 millions de personnes
Article réalisé avec l’aide de l’intelligence artificielle et relu par l’équipe éditoriale.
