Les 176 milliards de dollars de dépréciation qui font que la vague d’IA ressemble à celle d’Enron… mais sans en être vraiment une.

La ligne qui permet de générer des bénéfices pour l’IA d’environ 200 milliards de dollars ne se trouve pas dans une entité hors bilan. Elle fait partie d’une hypothèse de gestion concernant la durée pendant laquelle un chip de silicium pourra générer des revenus.

En novembre 2025, Michael Burry – le gestionnaire de fonds spéculatifs qui a correctement pris des positions à la baisse contre Enron avant sa faillite en 2002 – a accusé cinq entreprises de taille énorme d’allonger le délai de dépréciation des GPU Nvidia de deux ou trois ans à cinq ou six ans. Selon ses calculs, cette décision comptable a entraîné une surestimation des bénéfices totaux.176 milliardsLes entreprises mentionnées étaient Meta, Amazon, Microsoft, Google et Oracle.

Le nombre n’est pas une preuve. C’est la porte.

Pour comprendre ce qui se passe à l’intérieur, commencez par examiner les mécanismes en jeu. La dépréciation est le moyen par lequel les entreprises répartissent le coût des équipements coûteux sur les années où elles espèrent les utiliser. Un cluster de GPU d’une valeur de 300 000 dollars, amorti sur trois ans, représente une dépense annuelle de 100 000 dollars dans le tableau de résultats financiers. Si l’on prolonge cette période à six ans, la dépense annuelle tombe à 50 000 dollars. Le même matériel… Moitié moins de dépenses. Le profit rapporté double, à condition que rien ne change.

Il s’agit d’une décision comptable standard, et non d’une admission de fraude. Les entreprises prennent ces décisions chaque trimestre, pour chaque catégorie d’actifs fixes. La question est de savoir si cette hypothèse reflète la réalité économique ou s’il s’agit d’une gestion des résultats financiers.

Maintenant, suivez le même montant dans l’état des flux de trésorerie.

Nvidia elle-même – le fournisseur de puces au cœur de cette stratégie commerciale – a généré 119,1 milliards de dollars en flux de trésorerie gratuit sur les douze derniers mois. Ses revenus ont augmenté de 70,7 % par an. Le taux de rentabilité opérationnelle est de 64 %, et l’entreprise possède une position nette en liquidités de 72,1 milliards de dollars, contre des dettes de seulement 64 milliards de dollars. Le ratio dettes/actions est de 4,3 %. Ce ne sont pas les signes financiers d’une entreprise qui réalise des profits fantômes. Les flux de trésorerie opérationnels d’Enron étaient négatifs durant son dernier année, alors que les résultats annoncés semblaient solides. Nvidia produit de la trésorerie plus rapidement que elle ne peut l’utiliser.

Mais l’argument de la dépréciation ne concerne pas Nvidia. Il concerne les acheteurs.

Les bilans financiers des hyperscalers racontent leur propre histoire. Microsoft a dépensé 115,9 milliards de dollars en investissements de capitaux au cours des douze derniers mois, tout en générant 182,9 milliards de dollars de flux de trésorerie d’exploitation. Google a également dépensé 132,4 milliards de dollars en investissements de capitaux, avec 185,7 milliards de dollars de flux de trésorerie d’exploitation. Amazon a engagé 173 milliards de dollars en investissements de capitaux, tout en générant 161,4 milliards de dollars de flux de trésorerie d’exploitation – c’est le seul entreprise du groupe dont les flux de trésorerie gratuits sont négatifs, soit -11,6 milliards de dollars. Les investissements de CapEx de Meta ont atteint 91,8 milliards de dollars, contre 130,3 milliards de dollars de flux de trésorerie d’exploitation.

Quatre des cinq entreprises financent des projets liés à l’IA d’une valeur de plusieurs centaines de milliards de dollars, grâce aux fonds propres qu’elles ont. Amazon est le seul cas atypique ; même ses flux de trésorerie opérationnels sont considérables. Aucune d’entre elles ne ressemble au “corps sans liquidité” d’Enron avant que la société ne soit détruite.

La question de l’amortissement est donc une question économique, et non une question de solvabilité. Ces GPU sont-ils vraiment utiles pendant six ans, ou est-ce qu’on les amortit comme s’ils n’étaient pas utiles ?

C’est là que les preuves se divisent.

L’argument de Burry repose sur une hypothèse technologique : les puces d’IA connaissent une obsolescence rapide. Une nouvelle génération de puces arrive, qui fonctionnent plus rapidement et permettent de faire fonctionner les modèles de manière plus efficace. Le matériel ancien devient donc inutilisable économiquement, même s’il continue à fonctionner. Si c’est vrai, la dépréciation du matériel au cours de cinq ou six ans représente une dévalorisation intentionnelle, qui augmente les revenus actuels en retardant la reconnaissance des dépenses.

L’argument contraire, avancé par les analystes de Cube Research en novembre 2025, est que…Modèle de « cascade de valeurs »Les GPU qui ne sont plus compétitifs pour l’entraînement de modèles avancés peuvent être réaffectés à des tâches comme l’inférence, le fine-tuning, les processus de recherche et les applications embarquées. Toutes ces activités génèrent des revenus à des marges plus faibles, mais elles continuent à générer des profits. De cette manière, une durée de vie utile de six ans est justifiable, car le matériel informatique continue de produire des revenus, même si ce n’est pas de manière constante.

La vérité se trouve probablement entre ces deux positions. L’obsolescence des GPU est réelle : le cycle de développement des produits de Nvidia est très dynamique, avec chaque nouvelle architecture apportant une amélioration de 5 à 10 fois les performances. Mais l’idée qu’une GPU meure complètement après trois ans est également une simplification excessive. Les puces anciennes ne disparaissent pas ; elles sont simplement réutilisées pour des tâches moins coûteuses. La question économique est de savoir si la durée moyenne pendant laquelle une GPU génère des revenus – tant au cours du processus d’entraînement, d’inférence, de fine-tuning que dans les applications embarquées – justifie un calendrier de dépréciation de cinq ou six ans.

Ni Burry ni les hyperscalers n’ont fourni de preuves irréfutables. Cela se situe au niveau deux de l’échelle des preuves : c’est un signal d’alarme, soutenu par une argumentation crédible et une contre-argumentation également crédible. Il est nécessaire de disposer de données sur le niveau de déploiement des clients, des délais de migration des charges de travail, ainsi que des taux d’utilisation réels pour pouvoir aller plus haut dans l’échelle des preuves.

Il y a une deuxième dimension dans la comparaison avec Enron, et elle mérite l’attention.

Jim Chanos, un autre courtier qui a misé sur le revers avec Enron, a comparé la frénésie actuelle des investissements en IA à l’époque d’Enron. Il a souligné comment Enron a tenté de séduire Wall Street tout en poursuivant…Projets d’infrastructure sauvages et coûteux.Le parallèle qu’il établit est celui entre la poursuite par Enron de la négociation de bande passante Internet à la fin des années 1990 – une technologie dont la viabilité commerciale était incertaine – et les investissements actuels dans l’IA, s’élevant à plusieurs centiards de milliards de dollars.

Cette analogie fonctionne à un niveau certain, mais ne fonctionne pas à un autre. Elle fonctionne parce que les deux époques se caractérisent par une dépense massive de capitaux dans des infrastructures dont les retours commerciaux ne sont pas prouvés. Elle ne fonctionne pas parce que l’effondrement de Enron est dû à des dettes cachées, des revenus fantômes et des entités spéciales hors bilan – des structures conçues pour cacher les pertes. Les dépenses en intelligence artificielle des hyperscalers sont visibles sur leurs bilans et lors des appels téléphoniques. Il n’est pas nécessaire d’avoir un comptable spécialisé pour le découvrir.

Le parallèle historique le plus pertinent est l’époque des entreprises technologiques, où les compagnies de télécoms ont investi des centaines de milliards de dollars dans les réseaux optiques, alors que la demande réelle était bien inférieure. C’était une erreur économique, pas une affaire de fraude. Le capital investi était réel. Les actifs étaient également réels. La rentabilité n’y avait pas été. C’est ce risque qu’il faut tester, et non les méthodes utilisées par Enron.

Une troisième complication mérite un paragraphe à part : le financement circulaire.

L’écosystème de l’IA a développé un réseau de investissements croisés. Certains analystes craignent que cela ne fasse gonfler les chiffres des revenus. Microsoft détient une participation d’environ 12 milliards de dollars dans OpenAI. Anthropic, fondée par des anciens employés de Google, a reçu 10 milliards de dollars d’investissements de Google et Amazon en mars 2025. Ces entreprises achètent ensuite des capacités informatiques auprès des mêmes entreprises qui les financent, créant ainsi des cycles de revenus où le capital peut circuler entre les entités affiliées avant d’atteindre un client extérieur.

Ce n’est pas un phénomène propre uniquement à l’IA. L’époque des entreprises de type “dot-com” reposait sur des financements fournis par les vendeurs, ce qui permettait aux clients d’acheter du matériel à crédit. Cela entraînait une augmentation des besoins, mais aussi un retard dans les paiements. Certains contrats liés à l’IA présentent également des structures similaires, avec des arrangements de financement intégrés aux contrats cloud. La question n’est pas de savoir si ces contrats sont légaux – ils le sont généralement – mais plutôt si les revenus qu’ils génèrent reflètent des besoins organiques, provenant de tiers, ou si c’est simplement un résultat de transactions entre parties concernées.

La facture des actionnaires pour les trois problèmes – l’amortissement, le financement circulaire et l’économie de construction – est mesurée en multiples d’évaluation, et non en risque lié aux réétatisations.

Nvidia est cotée à un multiple de 34,1 par rapport aux bénéfices récents, avec un ratio prix/ventes de 21,5 et un multiple EV/EBITDA de 32,5. Ce sont des multiples élevés qui reflètent les attentes d’une croissance continue. Microsoft, quant à elle, est cotée à un multiple de 27,5 par rapport aux bénéfices et à 11,1 par rapport aux ventes ; c’est donc moins cher, mais elle possède tout de même des multiples élevés. Google, quant à elle, est cotée à un multiple de 17,3 par rapport aux bénéfices et à 9,5 par rapport aux ventes. C’est donc le moins cher du groupe… mais cela reflète plutôt sa structure commerciale liée aux services de recherche, et non le scepticisme envers l’IA.

Si Burry a raison et que les tableaux de dépréciation augmentent les bénéfices de 176 milliards de dollars pour les cinq entreprises mentionnées, les résultats réajustés seraient nettement plus bas. Avec les bénéfices par action actuels de Nvidia, même une réétalification modeste des hypothèses de dépréciation entraînerait une diminution significative du ratio de valorisation future. Mais le problème est que la valeur actuelle de Nvidia dépend moins des choix de dépréciation des hyperscalers, et plus de savoir si ces dernières continuent à acheter des puces. La question de la dépréciation est leur problème, et non celui de Nvidia – à moins que la demande ne diminue.

Si les GPU ne génèrent pas de bénéfices suffisants pour justifier les investissements initiaux, les conséquences réelles sont plus graves : dépréciation des actifs, temps d’inactivité de la capacité, et finalement l’acceptation que partie de cet investissement a été gaspillée sur des infrastructures dont le marché n’avait jamais eu besoin. C’est là la méthode typique des entreprises du secteur des technologies informatiques, et non celle de Enron.

Les réponses de l’entreprise sont dignes d’attention. Nvidia a publiéUn mémoire formel réfutant la thèse de BurryC’est une démarche inhabituelle : une entreprise de 4 billions de dollars d’actifs prend directement en compte la position d’un seul investisseur. Le rapport ne modifie pas les calendriers de dépréciation ; il soutient que l’hypothèse liée à la durée de vie économique de Nvidia est justifiée. La position courte de Burry concernant les actions Nvidia, au début du mois d’août 2026, reste rentable – bien que cette rentabilité peut également refléter une baisse générale du marché, plutôt que la validation de sa théorie d’investissement.

Le prochain document qui permet de déplacer cette affaire d’un niveau est le récit des entretiens annuels où la direction explique comment les GPU sont utilisés. Jusqu’à présent, le débat concernant l’amortissement des actifs se résume à une différence de 176 milliards de dollars, présentée comme une comparaison avec Enron. Les états des flux de trésorerie montrent que les entreprises ne cachent pas leur dette ni ne fabriquent des revenus fictifs. La question qu’elles n’ont pas pu répondre – et qu’elles ne pourront pas répondre lors des entretiens téléphoniques – est de savoir si six ans de génération de revenus provenant d’une puce qui coûte plus qu’une maison constituent une estimation honnête ou une estimation optimiste.