Newsletter
Crédit on-chain : financer les GPU de l’IA15 min de lecture2 994 mots

Crédit on-chain : financer les GPU de l’IA

Comment la DeFi finance les petits opérateurs de GPU : garanties, taux, liquidité et risques d’un crédit on-chain encore marginal face aux banques.

crédit on-chainfinancement des GPUDeFi et intelligence artificiellestablecoins et prêtsrisques du crédit DeFi
Crédit on-chain : financer les GPU de l’IA

Crédit on-chain : la DeFi peut-elle financer les GPU de l'IA ?

L'essor de l'intelligence artificielle ne dépend pas seulement des modèles et des centres de données. Il y a une question plus terre-à-terre : qui peut emprunter pour acheter des GPU, et à quelles conditions ? Les gros opérateurs trouvent des financements auprès des banques. Pour les entreprises plus petites, l'accès au crédit reste souvent trop cher, trop lent, ou carrément impossible.

C'est là que s'installent des prêts garantis par des GPU, financés grâce à des dépôts en stablecoins. Le montage ressemble à un crédit d'équipement, mais la mécanique repose sur des structures juridiques dédiées et une gestion de la liquidité plus « DeFi ». Cela peut aider de nouveaux opérateurs à démarrer plus vite. En contrepartie, les prêteurs prennent un risque sur des actifs qui peuvent perdre de la valeur assez rapidement.

À partir des données publiées sur USD.AI et du marché du financement des infrastructures IA, cet article situe le déficit de financement, explique comment marche un prêt garanti par des GPU, d'où vient le rendement des déposants, et pourquoi liquidité et prix des tokens ne bougent pas de la même façon.

Pourquoi le financement des GPU laisse-t-il des opérateurs de côté ?

Les GPU sont devenus des actifs financés par la dette. Concrètement, un opérateur achète des puces, les installe dans un centre de données, puis les loue à des entreprises qui ont besoin de puissance de calcul. Les revenus de location servent ensuite à rembourser l'emprunt. On est donc sur un modèle d'infrastructure, pas seulement sur une activité logicielle.

Les « neoclouds » se spécialisent justement dans la location de GPU. À la différence des fournisseurs généralistes comme Amazon, Google ou Microsoft, elles se concentrent sur le calcul accéléré. Certaines atteignent une taille assez grande pour aller chercher des financements auprès des banques et des marchés de capitaux. Pour celles qui opèrent avec quelques centaines de puces, l'équation devient moins favorable.

Le montant du prêt change l'économie du dossier

L'analyse juridique, la vérification des contrats de location, l'évaluation du matériel... tout cela prend du temps, que l'opération fasse 1 milliard de dollars ou « seulement » quelques dizaines de millions. Sur un prêt plus petit, ces coûts peuvent suffire à rendre le dossier peu intéressant pour une banque.

Et ça se voit dans les taux. Les prêts adossés à des contrats de location jugés solides ont été rapportés autour de SOFR + 2,25 à 3 points. Les dossiers moins bien notés montent plutôt vers SOFR + 4,5 à 5,5 points, ou des taux fixes proches de 9 à 10 %. SOFR est un taux de référence américain ; la marge reflète notamment le risque perçu par le prêteur. Attention : ces chiffres ne sont pas universels. Ils varient selon le contrat, le débiteur, la durée et la structure du prêt.

Une demande forte ne rend pas tous les emprunteurs solvables

Les données citées dans le secteur font état de 110 financements publics de GPU et de centres de données depuis 2023, pour 197 milliards de dollars. Une grosse partie de ces montants a été levée en 2025 et 2026. Dans le même temps, les signaux de consolidation et la hausse du coût de certains emprunts suggèrent que tous les opérateurs ne passent pas la période.

La tension est donc double : la demande de calcul peut rester forte, mais les prêteurs deviennent plus sélectifs. Un prix de location plus élevé améliore les revenus attendus d'un parc de GPU, sans pour autant garantir un contrat durable ni un niveau d'utilisation suffisant. Le crédit on-chain vise justement les emprunteurs « entre deux chaises » : trop petits pour absorber les coûts d'analyse bancaire, mais assez structurés pour offrir des garanties et des flux de revenus vérifiables.

Comment fonctionne un prêt garanti par des GPU ?

USD.AI donne un exemple de ce modèle. D'après les informations communiquées par le protocole, l'emprunteur place les GPU dans une SPV. Le prêteur détient alors un privilège de premier rang sur les serveurs et sur les parts de cette société. En cas de défaut, le recours se fait d'abord sur cette structure et ses actifs, pas forcément sur l'ensemble de l'entreprise qui l'a créée.

L'objectif est de rendre le collatéral identifiable et saisissable. Mais ça ne supprime pas le risque : ça organise surtout ce qui se passe si le remboursement ne se déroule pas comme prévu.

Du dépôt au remboursement

Le processus peut se résumer en cinq étapes :

  1. L'opérateur crée une SPV qui détient les GPU et, selon le montage, les contrats de location associés.
  2. Le prêteur évalue le matériel, les revenus attendus, la durée des contrats et la capacité de l'opérateur à exploiter les serveurs.
  3. Le prêt finance généralement 70 à 80 % du coût du matériel ; l'emprunteur apporte le solde.
  4. Les fonds peuvent rester sous séquestre jusqu'à l'installation et à la vérification des serveurs.
  5. Les revenus de location servent au remboursement. En cas de défaut, un nouvel opérateur peut être recherché, ou la SPV peut vendre les GPU avant d'envisager une liquidation « pièce par pièce ».

On retrouve l'idée d'un crédit adossé à un actif productif. La différence, ici, vient du financement (dépôts en stablecoins) et de la rapidité annoncée : USD.AI indique pouvoir finaliser certains prêts en moins de sept jours. En contrepartie, les taux annoncés sont élevés. Sur un échantillon de prêts suivis de janvier à août 2026, ils se situaient entre 10 et 15 %, avec une médiane de 12 %. En clair : l'accès et la vitesse sont la « valeur vendue », et le coût du financement n'est pas forcément meilleur qu'en banque.

Un collatéral qui vieillit vite

Un GPU haut de gamme peut générer des revenus, mais il ne tient pas la même durée de vie économique qu'un immeuble. Une nouvelle génération de puces peut réduire l'attrait locatif et faire baisser la valeur de revente des modèles plus anciens. Résultat : le collatéral peut perdre de la valeur au moment même où un emprunteur en difficulté a le plus besoin de pouvoir rembourser.

Les prêts décrits durent généralement autour de trois ans. Les règles de garantie se concentrent sur des générations récentes de puces. Une garantie de valeur résiduelle peut couvrir une partie du risque de revente, moyennant un coût. Mais elle ne transforme pas les GPU en actifs sans risque : l'état du matériel, l'énergie, le refroidissement, la localisation du centre de données, et l'existence d'un locataire comptent tout autant.

D'où vient le rendement et où se trouve le risque de liquidité ?

Dans le modèle USD.AI décrit, USDai est adossé à des réserves en dollars et ne verse pas de rendement « automatique » en tant que tel. Les utilisateurs peuvent déposer dans sUSDai, un coffre qui finance des prêts. Le rendement vient surtout des intérêts payés par les emprunteurs, pas d'une création mécanique de revenus par le stablecoin.

Le protocole a annoncé un objectif de rendement, appelé CHIP Hurdle Rate, de 7 %. Ce chiffre n'est pas un taux garanti. Les prêts peuvent rapporter davantage, mais le rendement brut doit couvrir plusieurs postes : coûts de garantie, part conservée par le protocole et liquidités qui ne sont pas encore prêtées.

Le rendement affiché dépend du déploiement des fonds

Sur les prêts suivis de janvier à août 2026, le taux médian rapporté était de 12 %. Une partie de l'écart avec l'objectif de 7 % vient de la garantie de valeur résiduelle, facturée autour de 1,5 point par an, et d'une marge prise par le protocole sur les intérêts. Les fonds en attente de déploiement rapportent en général moins que les prêts GPU, par exemple quand ils restent placés en actifs liquides à court terme.

Autrement dit : le rendement dépend autant du taux des prêts que du niveau d'utilisation du capital. Un coffre très « demandé » mais qui prête peu peut accumuler des dépôts sans atteindre le rendement visé sur l'ensemble des fonds. Les données rapportées indiquent que les dépôts ont atteint près de 700 millions de dollars au pic, alors que les prêts accordés étaient alors limités. À la mi-octobre, USD.AI affichait environ 177 millions de dollars de prêts actifs et 134 millions de dollars conservés en attente de livraison des puces.

Des durées qui ne s'alignent pas

Les prêts durent autour de trois ans, tandis que les retraits de sUSDai sont traités par lots tous les 30 jours, selon la liquidité disponible. Cette différence crée un risque structurel. Le délai de 30 jours peut lisser les sorties, mais il ne rend pas les prêts immédiatement liquides.

Si beaucoup de déposants veulent récupérer leurs fonds en même temps, le protocole peut devoir attendre des remboursements, vendre des prêts, ou mobiliser ses réserves. Une vente « vite » se fait souvent à un prix inférieur à la valeur attendue. C'est un vieux problème de transformation de maturité, qu'on retrouve aussi dans la finance classique : la blockchain ne le supprime pas.

Pour juger un coffre de ce type, il faut donc regarder au-delà du taux annoncé : proportion des dépôts réellement prêtée, échéances, conditions de retrait, concentration des emprunteurs, qualité des contrats de location, et procédure en cas de défaut. Ce sont ces détails qui déterminent la tenue du produit quand le marché devient moins favorable.

Que change la revente des prêts pour le protocole et le token ?

USD.AI a lancé GLX pour découpler davantage les dépôts du rythme auquel les prêts arrivent à échéance. L'idée : financer un prêt, attendre plusieurs mois de remboursements réguliers, puis le vendre à un investisseur. Le capital récupéré sert ensuite à financer un nouvel emprunteur.

Le mécanisme vise à faire tourner le capital plus vite et à éviter que le coffre conserve chaque crédit jusqu'au bout. Mais il déplace aussi une partie du risque vers l'acheteur du prêt. La revente dépend de l'existence d'investisseurs, de la qualité des dossiers, et du prix qu'ils acceptent de payer. En bref : une infrastructure de vente ne fabrique pas, à elle seule, un marché liquide.

Le cas Duos Edge AI

En juin 2026, USD.AI a annoncé un prêt de 98,1 millions de dollars sur trois ans à une filiale de Duos Technologies, garanti par 2 304 GPU Nvidia B300. En septembre, Axe Compute a acquis la SPV concernée et a remboursé environ 87,8 millions de dollars de dette restante. Le prêteur a ainsi récupéré une grande partie de son capital en moins de quatre mois.

C'est un exemple parlant, mais ça ne prouve pas que tous les prêts se cèdent rapidement. L'acquéreur a repris une infrastructure opérationnelle avec un contrat de location de longue durée. Un dossier sans locataire, avec du matériel moins recherché, ou avec un emprunteur en difficulté pourrait se vendre moins cher, voire ne pas trouver d'acheteur dans les délais souhaités.

Les règles de vente prévues par la gouvernance fixent des prix planchers et organisent le partage des gains. Elles encadrent les décisions, mais elles ne garantissent ni le prix de revente ni une demande suffisante. Au final, la valeur de GLX dépend de sa capacité à remettre le capital au travail avec un rendement supérieur aux liquidités en attente, après prise en compte des coûts et des risques.

Des revenus de protocole ne garantissent pas la valeur du token

Le token CHIP est lié à un mécanisme de rachat financé par la marge nette d'intérêts de sUSDai, après certains coûts de fondation. Les frais d'octroi et les gains issus des cessions suivent des règles distinctes. L'intérêt économique du mécanisme dépend donc du volume de prêts réellement déployés, des taux perçus, et des pertes éventuelles.

La nuance est importante : la croissance d'un protocole ne fait pas automatiquement monter le prix du token. Les rachats peuvent soutenir la demande, mais l'effet dépend de leur montant, de l'offre émise sous forme de récompenses, de la liquidité du marché et des règles de gouvernance. Les revenus ou rachats observés dans le passé ne sont pas, à eux seuls, une promesse de rendement futur.

Quels risques peuvent freiner le crédit on-chain ?

Le crédit on-chain répond à un vrai problème d'accès au financement. Mais il ne rend pas « par nature » les petits opérateurs plus solides. Au contraire : ceux qui peinent le plus à obtenir un prêt bancaire peuvent aussi être plus exposés à la baisse des prix de location, au manque de contrats, ou à une trésorerie insuffisante.

Le risque principal, c'est la corrélation entre revenus et valeur du collatéral. Si une nouvelle génération de puces fait baisser les loyers des modèles plus anciens, l'opérateur gagne moins tout en ayant un actif qui se revend moins cher. Le même mouvement technologique peut donc dégrader la capacité de remboursement et la garantie du prêteur.

Les risques opérationnels et juridiques restent hors chaîne

La blockchain peut enregistrer des dépôts, des créances et des règles de gouvernance. Elle ne pilote pas physiquement les serveurs. Il faut donc vérifier que les puces existent, qu'elles sont installées, correctement assurées, et exploitées conformément aux contrats. Il faut aussi clarifier qui peut reprendre le centre de données ou vendre les actifs en cas de défaut.

La qualité des SPV, des privilèges, des contrats et de leur exécution dépend du droit applicable et des juridictions concernées. Pour des investisseurs européens, cette dimension compte : la conformité d'un stablecoin ou d'un protocole ne suffit pas à clarifier tous les aspects du prêt, du recouvrement, ou de la protection des déposants. Une analyse juridique locale reste nécessaire.

Une décision à prendre sur l'ensemble du montage

Avant d'évaluer un produit de crédit GPU, il faut au minimum regarder :

  • Le débiteur : concentration par emprunteur, expérience opérationnelle et qualité des contrats de location.
  • Le collatéral : génération de puces, décote retenue, assurance et scénario de revente.
  • La structure : droits du prêteur sur la SPV, séquestre des fonds et procédure en cas de défaut.
  • La liquidité : durée des prêts, fréquence des retraits, réserves disponibles et conditions de vente anticipée.
  • La rémunération : taux réellement encaissé, frais, part de liquidités non prêtées et pertes potentielles.
  • Le token : émissions, gouvernance et distinction entre les revenus du protocole et la valeur de marché du jeton.

Le crédit on-chain peut avoir du sens pour financer des équipements productifs lorsque le circuit bancaire ne traite pas les petits dossiers. Mais il faut le voir comme un crédit spécialisé : risque de défaut, collatéral dépréciable. Pas comme un simple dépôt rémunéré.

Conclusion : une solution de financement, pas une garantie de rendement

Le crédit on-chain appliqué aux GPU essaie de combler un déficit concret : les banques financent surtout les opérateurs suffisamment gros pour absorber leurs coûts d'analyse, tandis que les plus petits ont souvent besoin d'un accès plus rapide au capital. Les prêts adossés à des serveurs et à leurs revenus de location apportent une réponse possible, mais avec un coût souvent supérieur et des risques spécifiques.

La solidité du montage dépend moins des promesses DeFi que de paramètres vérifiables : qualité des contrats, valeur de revente des puces, droits sur la SPV, taux d'utilisation des fonds, et cohérence entre les échéances des prêts et les retraits des déposants. Pour un prêteur comme pour un déposant, la vraie question n'est pas seulement le rendement affiché, mais ce qui se passe quand les loyers baissent et que les GPU doivent être revendus.

Le financement on-chain peut devenir une brique utile du marché du calcul pour l'IA. Reste qu'il s'agit bien d'un crédit spécialisé, lié au cycle technologique et au risque de liquidité. Protocole en croissance et token qui monte ne sont pas des équivalents.

Questions frequentes

C’est un financement accordé à un opérateur, avec des GPU et parfois les parts d’une société de projet en garantie. Les revenus de location servent au remboursement. Les fonds peuvent provenir de dépôts en stablecoins, mais les actifs physiques et les recours juridiques restent soumis à des contrats hors chaîne.
Ces prêts ciblent souvent des opérateurs plus petits, dont les dossiers sont coûteux à analyser et présentent davantage de risques. Le prêteur peut aussi facturer la rapidité d’exécution et la complexité du collatéral. Le taux dépend notamment des contrats de location, de la génération de GPU et de la solidité de l’emprunteur.
Non. L’objectif de rendement annoncé n’est pas une garantie. Le rendement dépend des intérêts effectivement payés, de la part des fonds prêtée, des frais, des pertes éventuelles et des conditions de retrait. Les dépôts peuvent rester immobilisés ou ne pas être remboursés immédiatement si la liquidité manque.
Non. Un mécanisme de rachat peut créer une demande financée par les revenus du protocole, mais il ne garantit pas une hausse du prix. L’offre de tokens, les émissions, la liquidité du marché, les coûts et la performance des prêts influencent aussi la valeur du token.

Articles similaires