Qu'est-ce qu'une bulle ?
Pour identifier une bulle, nous devons d'abord comprendre ce qu'est une bulle.
Les bulles résultent souvent de l'émergence de nouvelles technologies, le marché étant trop optimiste quant à leur développement futur, conduisant à un surinvestissement et à un effet moutonnier aveugle, poussant leur valeur au-delà de ce que l'économie réelle peut supporter, suivi d'une chute brutale, et finalement éclatant comme une bulle de savon.
En combinant l'« Hypothèse d'instabilité financière » de Hyman Minsky, « La politique monétaire et les bulles rationnelles des prix des actifs » de Jordi Galí et d'autres articles classiques sur les bulles économiques, nous avons résumé les conditions essentielles à la formation d'une bulle.
Elles comprennent principalement : des fondamentaux économiques favorables à l'investissement, l'apparition d'asymétries d'information, et l'effet d'amplification des facteurs psychologiques et comportementaux. En bref : le marché a de l'argent et les investisseurs investissent de manière irrationnelle.
Premièrement, le marché doit avoir de l'argent, ce qui signifie qu'il doit y avoir une liquidité abondante. Une situation économique de base avec une expansion du crédit dans un environnement de taux d'intérêt bas et un excès de liquidité peut déclencher une bulle.
Par exemple, en 2022, nous avons vécu une période appelée "bulle de tout". Pour faire face à la baisse économique due à la pandémie, la Réserve fédérale américaine a mis en œuvre des taux d'intérêt proches de zéro et un assouplissement quantitatif (QE) de 2020 à 2021. Cette mesure a attiré les investisseurs vers des investissements plus risqués et a permis à des modèles commerciaux non durables de se développer sur la base de prêts à faible taux d'intérêt. Presque tous les actifs boursiers se sont appréciés rapidement, battant des records historiques américains. Jusqu'à ce que la Fed augmente à nouveau les taux d'intérêt en 2022 pour freiner l'inflation, le marché boursier a chuté brutalement, avec Google en baisse de 40% en un an, et Tesla et Meta en baisse de 60%.
Deuxièmement, les investisseurs investissent de manière irrationnelle. Les nouvelles technologies permettent aux investisseurs d'obtenir des rendements relativement élevés grâce à des investissements précoces. Et la nature monopolistique de certains secteurs rend leurs rendements potentiels futurs encore plus élevés. Des opportunités de profit suffisamment élevées conduisent à un optimisme aveugle du marché, amenant les investisseurs à sous-estimer les risques et à surestimer les rendements.
Par exemple, la bulle internet qui a éclaté en 2000. En 1995, d'importants investissements à risque ont afflué dans les domaines liés à Internet tels que le commerce électronique, les télécommunications et les services logiciels, avec des taux de rendement bien supérieurs à ceux d'autres secteurs comme la chimie, l'énergie et la finance. Et lorsque les spéculateurs ont remarqué la croissance rapide des cours des actions, ils ont anticipé une nouvelle hausse et ont acheté. En 1999, le montant des investissements dans les secteurs liés à Internet aux États-Unis a atteint 28,7 milliards de dollars, soit près de 10 fois celui de 1995.
Quelle est la limite de l'investissement dans l'IA ?
Vous vous souvenez des deux conditions préalables à la formation d'une bulle que nous avons mentionnées plus haut ? La première est que le marché doit avoir de l'argent.
Mais la liquidité du marché financier américain n'est actuellement pas optimiste, ce qui signifie que le plafond de la bulle de l'IA ne peut pas être très élevé.
À ce sujet, Weiming Xiong, partenaire de Huachuang Capital, a déclaré : "L'ampleur de cette bulle est en fait loin d'être comparable à celle de la bulle internet d'il y a 20 ans, et même pas à celle de la bulle des crypto-monnaies de 2017, ni à celle de la bulle NFT de 2021. Ces bulles se caractérisaient par des valorisations largement supérieures au cycle de retour sur investissement que les produits et services réels pouvaient obtenir.
Si on devait mesurer en proportion, je pense que l'ampleur de cette bulle pourrait n'être que de 20% à 30% de celle de la bulle dotcom ou NFT. L'ampleur de cette bulle est absolument incomparable aux précédentes."
L'environnement de financement a été relativement mauvais ces deux dernières années. Pour contenir l'inflation la plus élevée depuis 40 ans causée par l'assouplissement monétaire pendant la période de pandémie, la Réserve fédérale américaine a procédé à 11 hausses de taux entre mars 2022 et juillet 2023.
Dans le même temps, la Fed a également commencé une réduction massive de son bilan, réduisant ses avoirs en bons du Trésor de 60 milliards de dollars par mois et ses avoirs en titres adossés à des créances hypothécaires (MBS) de 35 milliards de dollars par mois à partir de juin 2022.
En résumé, pendant la période d'explosion de l'IA, la Fed menait la politique de resserrement monétaire la plus agressive depuis les années 1980.
Le marché n'a pas d'argent, et même si presque tous les VC sont pris de FOMO, la tendance globale du capital-risque américain est en baisse plutôt qu'en hausse. Selon les données de Crunchbase, le montant total du financement mondial au premier semestre de cette année a diminué de 5% par rapport à l'année précédente.
Bien sûr, les startups d'IA ont résisté à contre-courant, avec une augmentation de 24% en glissement annuel, atteignant même le plus grand investissement trimestriel de 24 milliards de dollars au deuxième trimestre de cette année, mais la valeur totale n'est toujours que de 70% de celle de 2021.
C'est parce que l'assouplissement pendant la période de bulle de tout en 2021 a apporté une énorme liquidité, dont les ondes de choc ne se sont pas encore dissipées. Le marché n'a pas autant d'argent qu'en 2021, mais il en a encore pas mal.
Weiming Xiong compare : "Ces deux dernières années, l'IA a peut-être atteint son apogée du point de vue de la capitalisation. En 2021, les États-Unis ont émis 6 000 milliards de dollars en six mois, ce qui est sans précédent dans l'histoire humaine. Cet effet de maturation du capital est sans précédent."
Cependant, les VC sont beaucoup plus serrés qu'en 2021.
D'après les données fournies par COATUE, bien que cet investissement dans l'IA soit animé, les VC n'ont pas donné leur pleine mesure. Les sociétés de capital-investissement disposent encore de 1 000 milliards de dollars de fonds non investis, un niveau historiquement élevé.
Il y a principalement deux raisons à cela.
Premièrement, les voies de sortie sont difficiles, ce qui rend les VC hésitants à investir. Après la dernière "bulle de tout", le nombre de licornes a explosé, passant de 67 en 2016 à 580 en 2021. Mais leur taux de refinancement a chuté en ligne droite. De 2016 à 2022, la proportion de licornes obtenant un refinancement pendant la même période est passée de 50% à moins de 20%.
Et les IPO ? C'est encore pire, avec seulement des chiffres à un seul chiffre depuis 2022.
"En fait, il y a eu 970 IPO sur le marché boursier américain en 2021, ce nombre est tombé à 162 en 2022, et il n'y en a eu qu'environ 44 au premier semestre de cette année. Cela montre que la contraction du marché des capitaux mondial est une tendance évidente."
Dans cette situation, le seul moyen de sortie restant est l'acquisition. Cette voie est trop étroite.
L'autre raison est que le seuil d'investissement est relativement élevé au stade actuel du développement de l'IA, ce qui limite l'entrée de nombreux VC.
"L'industrie de l'internet à ses débuts nécessitait la construction de ses propres serveurs et infrastructures, similaire au domaine de l'IA aujourd'hui. Le coût d'exécution d'un grand modèle varie de plusieurs dizaines de milliers de dollars à plus de 100 millions de dollars, se trouvant aux premiers stades de la construction d'une nouvelle infrastructure."
Nous constatons que l'argent entrant dans le domaine de l'intelligence artificielle va principalement vers les entreprises de la couche fondamentale (Foundational layer), c'est-à-dire les entreprises de grands modèles que nous connaissons bien, comme OpenAI, Anthropic, Gemini, etc.
Ils utilisent ensuite ces fonds pour acheter des puces d'entreprises de la couche de calcul (Computing layer) comme NVIDIA pour entraîner leurs propres grands modèles.