Due diligence sur les infrastructures d'IA : énergie, calcul et contrats

IA · Cet article a été créé avec l'aide de l'IA.

By Saachi Baghel

Due diligence sur les infrastructures d'IA : énergie, calcul, contrats, concentration des clients, capex et risque de financement avant la souscription.

Pourquoi la souscription d'infrastructures d'IA diffère de celle des centres de données génériques

Disponibilité énergétique et mise sous tension : les preuves que les investisseurs doivent exiger

Capacité de calcul : mix de générations, taux d'utilisation et concentration fournisseurs

Obsolescence technologique et hypothèses de durée de vie des actifs

Concentration des clients et qualité de crédit des contreparties

Structure des contrats : take-or-pay, durée et droits de résiliation

Besoins en capex : construction initiale ou renouvellement continu

Dépendance à la chaîne d'approvisionnement : GPU, transformateurs, refroidissement et main-d'œuvre

Dette et risque de financement

Tests de scénarios de demande IA sans prévoir la demande

Checklist des preuves et conduite du processus de due diligence

Questions fréquentes

Sources

Que doivent examiner les investisseurs avant de souscrire un investissement dans une infrastructure d'IA ou un centre de données IA? Quatre choses avant tout: l'énergie qui conditionne physiquement l'actif, des mégawatts contractualisés au calendrier de mise sous tension; le mix de générations de la flotte de calcul, son taux d'utilisation et sa durée de vie utile réaliste; la concentration et la qualité de crédit des contreparties qui achètent la capacité; et les conditions contractuelles, le capex de renouvellement et la structure de financement qui déterminent si les flux de trésorerie survivent à une courbe d'adoption plus lente. Une checklist de centre de données générique couvre le site, la connectivité et les engagements des locataires. Une installation IA ajoute une seconde pile d'actifs, à dépréciation plus rapide, par-dessus le bâtiment, et ce sont les économies de cette pile, et non de l'enveloppe, qui décident de la réussite de l'investissement.

L'ampleur de cette construction explique pourquoi le niveau d'exigence de la due diligence doit s'élever. recherche sectorielle estime que les seuls centres de données équipés pour traiter des charges de calcul liées à l'IA pourraient nécessiter 5 200 milliards de dollars de dépenses d'investissement d'ici 2030, dans le cadre d'une course mondiale au calcul de 6 700 milliards de dollars.[1] Deloitte projette que la demande d'électricité des centres de données IA aux États-Unis pourrait être multipliée par plus de trente, passant de 4 GW en 2024 à 123 GW d'ici 2035, et souligne que les plus grands campus que les hyperscalers planifient atteignent jusqu'à 2 GW, avec des campus de 50 000 acres en phase précoce pouvant consommer 5 GW.[2]

Le schéma de capex inverse également l'économie classique des infrastructures. Le Global Data Centre Outlook de PwC projette 31 600 milliards de dollars de capex cumulés d'ici 2050 et calcule que chaque dollar investi dans la construction engage environ 12 dollars d'investissements ultérieurs en équipements TIC, la part des équipements TIC passant d'environ 70 % du capex total des centres de données en 2026 à 93 % d'ici 2050.[3] L'actif durable est de plus en plus le bâtiment et l'énergie; l'actif générateur de revenus est l'équipement qu'il abrite, qui se renouvelle en continu.

Enfin, la composition des acheteurs s'est élargie au-delà des hyperscalers. Neoclouds, développeurs de modèles, entreprises et gouvernements louent désormais des capacités IA, chacun avec un profil de crédit, une discipline contractuelle et une durabilité de la demande différents. PwC décrit les centres de données comme des actifs hybrides au profil de risque complexe, et avertit que cette construction ne soulèvera pas tous les bateaux : capturer les bénéfices économiques exige un positionnement actif.[3] Les sections qui suivent décomposent la due diligence qui en résulte en dimensions testables.

L'énergie contractuelle est l'élément de due diligence déterminant pour toute installation IA, car un centre de données sans mégawatts sous tension n'est qu'une coquille vide assortie d'un risque de livraison. La première distinction à imposer dans la data room est celle entre MW contractés et MW sous tension : un contrat d'achat d'électricité ou une lettre d'intention d'un fournisseur d'énergie ne constitue pas une capacité livrée. L'enquête 2025 de Deloitte sur les infrastructures IA a révélé qu'il existe actuellement une attente de sept ans pour certaines demandes de raccordement au réseau, et que 72 % des dirigeants interrogés de compagnies d'électricité et de centres de données jugent la puissance et la capacité du réseau très ou extrêmement problématiques — le principal obstacle au développement des centres de données.[2]

Position d'interconnexion : numéro dans la file d'attente, région de la file, et calendrier de mise sous tension publié par le fournisseur d'énergie lui-même, à confronter à la montée en charge contractuelle des locataires anchors. Si les engagements minimaux des locataires commencent avant la mise sous tension, l'exploiteur achète un risque de retard qu'il ne contrôle pas.

Tarification de l'énergie : la structure contractuelle en $/MWh ou les frais de pointe, les clauses d'indexation, et la répercussion des variations tarifaires du fournisseur. Sur les marchés où les tarifs résidentiels ont déjà augmenté plus vite que la moyenne nationale, la tolérance politique à subventionner la consommation des centres de données s'amenuise.

Redondance et résilience : niveau de redondance N pour l'alimentation et le refroidissement, capacité de génération de secours, et historique de tension du réseau dans la région. Deloitte documente des distorsions harmoniques, des alertes de délestage et des incidents évités de justesse dans les principales régions de croissance des centres de données.[2]

Génération derrière le compteur et sur site : turbines à gaz, piles à combustible ou géothermie qui contournent la file d'attente d'interconnexion, avec leurs propres contraintes d'autorisation, d'approvisionnement en combustible et d'émissions intégrées au chiffrage.

Les engagements en matière d'énergies renouvelables et de réglementation méritent leur propre chantier. Les hyperscalers sont les principaux acheteurs de contrats d'achat d'électricité renouvelable et se sont fixé des objectifs d'énergie propre, mais Deloitte a constaté que la croissance de la demande dans les principaux marchés des centres de données a récemment été couverte principalement par une production gazière accrue, et que 95 % de la file d'attente d'interconnexion se compose de projets renouvelables et de stockage largement bloqués.[2] Les autorisations constituent une seconde horloge : il faut encore plus de deux ans pour achever une étude d'impact environnemental aux États-Unis, et les restrictions au niveau des États sur les projets se sont multipliées au cours de l'année écoulée. Pour un actif dont les contrats de revenus s'étendent sur une décennie ou plus, un glissement de deux ans dans les autorisations ou un revirement de politique d'un État est une variable de souscription déterminante, pas une note de bas de page.

La pile de calcul est l'endroit où l'infrastructure IA s'écarte le plus de l'orthodoxie des actifs réels. Commencez par la flotte elle-même : quelles générations de GPU sont déployées, dans quelle proportion, à quel taux d'utilisation contractuel, et à quel point l'exploiteur est exposé à un seul fournisseur. Nvidia publie désormais de nouvelles puces IA sur une base annuelle, contre un rythme bisannuel auparavant, et AMD a emboîté le pas.[4] Un cycle d'architecture annuel comprime la fenêtre pendant laquelle une flotte donnée peut prétendre à des prix premium.

Cela fait de l'hypothèse de durée de vie utile le chiffre le plus contesté du modèle. CoreWeave applique des cycles d'amortissement de six ans à son infrastructure depuis 2023, et Google, Oracle et Microsoft ont fixé la durée de vie de leurs serveurs à six ans au maximum, le dernier rapport annuel de Microsoft faisant état d'une fourchette de deux à six ans. Le vendeur à découvert Michael Burry estime que la durée de vie utile réaliste des équipements serveurs d'IA se situe plutôt entre deux et trois ans, et que les plus grands hyperscalers sous-estiment donc leurs amortissements.[4] La contre-argumentation n'est pas négligeable : le directeur général de CoreWeave souligne que ses puces A100 de 2020 restent entièrement réservées, et qu'un lot de H100 de 2022 a été reloué à 95 % du prix d'origine après l'expiration d'un contrat.[4] Les deux peuvent être vrais : les puces restent louables, mais à des tarifs décroissants.

Qui achète la capacité, et à quelles conditions, détermine si le revenu contractuel est un actif ou une option. La concentration dans l'infrastructure d'IA est extrême au regard de toute autre classe d'infrastructure. Le dossier d'introduction en bourse de Nscale révélait plus de 103 milliards de dollars de contrats, dont environ 85 % concentrés sur deux contreparties : 43,8 milliards de dollars avec Microsoft jusqu'en 2033 et 44,6 milliards de dollars avec Anthropic.[5] La même source note que CoreWeave tire 67 % de son chiffre d'affaires de Microsoft, et Applied Digital 67 % du sien d'Oracle.[5] Une note de crédit du fonds spéculatif Sona Asset Management, relayée par le presse spécialisée, a constaté que de nombreux fournisseurs d'infrastructure d'IA dépendent fortement d'un petit nombre de clients, et qu'un simple revers ou un changement stratégique d'un acteur majeur peut affecter l'ensemble du secteur.[5]

La qualité de crédit des contreparties et les conditions attachées comptent autant que le carnet de commandes affiché. Le dossier d'introduction en bourse de Nscale précise que ses accords avec Microsoft et Anthropic, d'un montant pouvant atteindre 43,8 milliards de dollars et environ 44,6 milliards de dollars respectivement, sont soumis à des exigences de livraison et de disponibilité du service.[5] La due diligence doit donc distinguer les revenus signés et inconditionnels des engagements qui dépendent de la capacité de l'opérateur à livrer dans les délais, et soumettre ces derniers à un test de résistance au regard des besoins de financement propres de la contrepartie. Un contrat de 44,6 milliards de dollars avec un développeur de modèles qui dépend lui-même d'un accès continu aux marchés de capitaux est un crédit différent d'un engagement de 43,8 milliards de dollars d'un hyperscaler de qualité investment grade, à notional égal.

La structure des contrats transforme la concentration en protection ou en exposition, selon le cas. Les conditions à tester :

Obligations take-or-pay : l'acheteur paie-t-il la capacité réservée qu'il l'utilise ou non, ou seulement le calcul consommé ?

Engagements minimaux : le plancher de revenu annuel, et savoir si ce plancher survit à une dégradation de notation ou à un changement d'actionnariat chez le client.

Durée contractuelle contre durée de vie de l'actif : un contrat de six ans face à une flotte que le fournisseur renouvelle chaque année expose les dernières années à une renégociation des prix.

Conditions de renouvellement : options de renouvellement au prix du marché, à prix réduit, ou inexistantes ; et savoir qui détient la valeur de l'option.

Indexation des prix : escalateurs fixes, indexation, ou prix fixes dans un marché où les coûts des intrants et les performances des puces évoluent tous deux rapidement.

Droits de résiliation et de sortie : résiliation pour convenance, droits d'annulation liés à des jalons, et clauses de changement de contrôle, qui déterminent le degré de réalité du carnet de commandes.

La structure du capital et le risque de livraison doivent être souscrits ensemble, car tous deux déterminent si l'actif mis sous tension est bien l'actif qui a été financé. La première discipline consiste à séparer le capex de construction initiale du capex de renouvellement continu. Le scénario central de PwC projette 31 600 milliards de dollars de capex cumulé pour les centres de données d'ici 2050, avec une dépense annuelle passant d'environ 800 milliards de dollars en 2026 à 1 800 milliards de dollars en 2050, portée par des mises à niveau récurrentes des puces et d'autres équipements TIC tous les quelques années.[3] Un modèle qui traite le budget de construction comme le besoin en capital sous-estime l'engagement réel d'un facteur que PwC estime à environ 12 dollars de capex TIC par dollar de construction.[6]

Le risque de dette et de financement est le point de convergence du scénario. Les tests à mener : sensibilité des ratios de couverture au coût de l'argent au moment du refinancement ; le coût d'un retard de construction de 12 et 24 mois compte tenu des délais de livraison des transformateurs et des délais d'interconnexion ; les hypothèses de taux d'utilisation et de montée en charge des contrats par rapport à la date de mise sous tension ; et le mur de refinancement qui survient au moment où la première génération de GPU est dépréciée. La dimension systémique n'est plus hypothétique. Le Conseil de stabilité financière estime que le crédit privé a atteint entre 1 500 et 2 000 milliards de dollars d'actifs et avertit que sa concentration dans des secteurs dont la technologie, ainsi que ses structures de levier et de liquidité, pourraient amplifier le stress dans des scénarios défavorables.[7] La couverture des travaux du CSF notait que l'industrie de l'IA représentait plus d'un tiers de l'activité des opérations de crédit privé, ce qui signifie qu'une déception sur la demande d'IA ne resterait pas confinée aux capitaux propres.[8]

La dette et le risque de financement sont le point où le scénario converge. Les tests à mener : la sensibilité des ratios de couverture au coût de l'intérêt au moment du refinancement ; le coût d'un retard de construction de 12 et de 24 mois compte tenu des délais de livraison des transformateurs et des délais d'interconnexion ; les hypothèses de taux d'utilisation et de montée en charge contractuelle par rapport à la date de mise sous tension ; et le mur de refinancement qui survient lorsque la première génération de GPU est dépréciée. La dimension systémique n'est plus hypothétique. Le Conseil de stabilité financière estime que le crédit privé a atteint entre 1 500 et 2 000 milliards de dollars d'actifs et avertit que sa concentration dans des secteurs dont la technologie, ainsi que ses structures de levier et de liquidité, pourraient amplifier le stress dans des scénarios défavorables.[7] Les informations publiées sur les travaux du FSB notaient que l'industrie de l'IA représentait plus d'un tiers de l'activité de transactions de crédit privé, ce qui signifie qu'une déception de la demande d'IA ne resterait pas confinée aux capitaux propres.[8]

Aucun investisseur ne peut prévoir de manière crédible la demande d'IA, et les prévisions publiées divergent trop pour permettre un arbitrage : la fourchette de scénarios de PwC pour le capex cumulé va d'environ 22 000 milliards de dollars à près de 50 000 milliards de dollars d'ici 2050, un écart assez large pour absorber la plupart des hypothèses de souscription.[3] L'alternative disciplinée consiste à ancrer les scénarios sur des intrants observables au niveau des contrats plutôt que sur des courbes de demande, et à se demander ce qui doit être vrai pour que chaque cas atteigne son seuil de rendement.

Cas de référence : montée en charge contractuelle telle que signée, renouvellement de la majorité des contrats arrivant à échéance aux prix du marché, coût de l'électricité selon le tarif du fournisseur, taux d'utilisation selon les données historiques de la flotte de l'exploitant. Le test : l'opération atteint-elle le taux de rendement requis sur les seuls flux de trésorerie contractuels, avant tout potentiel spéculatif ?

Cas optimiste : montée en charge plus rapide, renouvellements à prime, taux d'utilisation plus élevé grâce à la croissance de l'inférence. Le test : quelle part du potentiel est déjà intégrée dans le multiple d'entrée, et le cas optimiste exige-t-il un capex que le plan de financement n'a pas encore couvert ?

Cas pessimiste : adoption plus lente, taux de renouvellement au niveau du marché ou en dessous, prix du calcul stables ou en baisse à mesure que des architectures plus récentes arrivent, et un refinancement à spreads plus larges. Le test : le taux d'utilisation au point mort, et la question de savoir si le capex de renouvellement des dernières années reste finançable si l'adoption ralentit.

La dernière question est de savoir quels actifs chaque scénario pessimiste rend stratés. Les infrastructures électriques, les droits d'interconnexion et les capacités autorisées restent rares quelle que soit la puce du fournisseur qui l'emporte, et PwC identifie l'électricité comme le facteur déterminant qui oriente les flux d'investissement en IA.[3] Les équipements de calcul sont l'inverse : c'est la couche la plus exposée à l'obsolescence et à la réévaluation. L'analyse de recherche sectorielle sur la construction signale explicitement le risque de surcapacité, notant que la demande future est incertaine et que les investisseurs encourent le double danger de manquer la croissance et de construire des capacités qui resteront sans demande.[1] Un scénario pessimiste qui rend stratés le calcul mais préserve l'électricité contractuelle et un locataire solvable constitue une perte très différente d'un scénario qui rend stratés les deux. La due diligence doit dire lequel des deux l'opération ressemble structurellement.

Le cadre se condense en un tableau unique qu'une équipe de transaction peut appliquer à chaque cible d'infrastructure d'IA, chaque dimension étant associée à une demande de document, un signal d'alerte et une implication en cas de scénario pessimiste.

L'obsolescence est économique avant d'être physique. Un GPU de cinq ans peut être pleinement fonctionnel et perdre malgré tout son pouvoir de fixation des prix lorsqu'une architecture plus récente offre de meilleures performances par dollar et par mégawatt ; le propre directeur général de Nvidia a plaisanté qu'avec l'expédition de Blackwell en volume, « on ne pourrait même pas donner les Hoppers ».[4] Le test de due diligence est donc un test de décalage : le calendrier d'amortissement et la durée contractuelle de la dette supposent-ils une vie productive plus longue que ce que le rythme de lancement du fournisseur permet ? La modélisation de PwC suppose que les serveurs, les GPU et les équipements réseau sont remplacés tous les quelques années, ce qui explique pourquoi les équipements TIC dominent le capex de long terme.[3] Une hypothèse de durée de vie des actifs située à l'extrémité optimiste de cette fourchette, financée par de la dette sur dix ans, intègre un événement de refinancement précisément au moment où la garantie est la plus faible.

Appliquer cette liste de contrôle à des milliers de documents, contrats et modèles de data room constitue en soi le goulot d'étranglement de la plupart des processus de transaction. C'est là qu'une plateforme de due diligence structurée justifie sa place dans le flux de travail. La plateforme de Plausity couvre l'ensemble des chantiers que ce cadre implique : Commercial DD, Financial DD, Tech DD, ESG DD et Regulatory & Compliance DD, ainsi que la détection des lacunes de preuves (Evidence Gap Detection) qui révèle quelles demandes ci-dessus la data room ne peut pas encore satisfaire. Sous le capot, l'ingestion de data room se connecte aux VDR et traite contrats, tableurs et modèles financiers en quelques minutes ; le moteur d'analyse IA lit, recoupe et raisonne sur ces documents ; le Risk Radar évalue les constats selon leur matérialité, leur impact financier et leur pertinence pour la transaction ; le Report Builder rédige des livrables prêts pour les investisseurs avec une traçabilité complète des sources ; et le Collaboration Hub maintient l'équipe de transaction et les conseillers alignés en temps réel. Plausity propose une démonstration de ce flux de travail sur demande.

Plausity est un workspace IA-native de due diligence et de deal intelligence qui aide les cabinets de conseil M&A, les fonds VC et PE, les équipes corporate development et les équipes deal en banque d'investissement à structurer preuves, conclusions et questions au sein d'une data room. Plausity soutient l'extraction de preuves, l'ancrage aux sources, la gestion des conclusions et la préparation de l'IC — Plausity ne remplace pas les analystes humains, conseils ou professionnels de l'investissement, ne fournit pas de conseil juridique, fiscal, d'audit, réglementaire ou d'investissement, et ne prend pas de décisions d'investissement autonomes. Toutes les conclusions requièrent un examen humain. Conçu pour les équipes deal et investissement d'aujourd'hui. Utilisé par >200 sociétés.

Pour explorer les capacités sous-jacentes, voir Plausity AI Analysis Engine, Findings & Risk Intelligence et Evidence Gap Detection, ainsi que IC memo et AI Q&A Assistant. Pour les workflows d'équipe, voir fonds VC et PE et cabinets de conseil M&A, ainsi que la due diligence AI Impact, création de valeur, Tech DD et Commercial DD.

1. [1] recherche sectorielle.com — https://www.recherche sectorielle.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers
2. [2] deloitte.com — https://www.deloitte.com/us/en/insights/industry/power-and-utilities/data-center-infrastructure-artificial-intelligence.html
3. [3] pwc.com — https://www.pwc.com/gx/en/news-room/press-releases/2026/global-investment-in-ai-infrastructure.html
4. [4] cnbc.com — https://www.cnbc.com/2025/11/14/ai-gpu-depreciation-coreweave-nvidia-michael-burry.html
5. [5] techcrunch.com — https://techcrunch.com/2026/09/22/nscales-ipo-will-test-wall-streets-appetite-for-concentrated-ai-bets-once-again/
6. [6] datacenterfrontier.com — https://www.datacenterfrontier.com/machine-learning/article/55403120/pwc-maps-316-trillion-ai-data-center-buildout-through-2050
7. [7] fsb.org — https://www.fsb.org/2026/05/report-on-vulnerabilities-in-private-credit/
8. [8] theguardian.com — https://www.theguardian.com/business/2026/may/06/global-finance-watchdog-warns-over-private-credit-industry-fuelling-ai-boom
9. [9] pv-magazine-usa.com — https://pv-magazine-usa.com/2026/05/11/u-s-transformer-market-faces-severe-supply-constraints-as-lead-times-extend-to-four-years/