La plus grande révolution technologique de notre époque pourrait-elle devenir le point de départ d’une crise financière historique ? C’est le scénario redouté par Matthew Piepenburg, associé de VON GREYERZ, qui alerte sur l’ampleur des capitaux engagés dans l’intelligence artificielle, l’endettement qui finance son développement et les profits considérables que les marchés attendent en retour. Après près de trente ans d’expérience sur les marchés financiers, l’analyste estime que l’économie mondiale s’expose à un risque majeur si les promesses de productivité ne se concrétisent pas. Dans cette perspective, il invite les investisseurs à examiner la place de l’or physique dans leur réflexion patrimoniale, notamment en prenant connaissance des pièces d’or Napoléon de 20 francs disponibles à l’achat, sans confondre diversification et garantie contre les pertes.
Le message de Matthew Piepenburg est direct : le problème n’est pas l’existence de l’intelligence artificielle, ni même son potentiel de transformation de l’économie, mais le prix payé aujourd’hui pour des bénéfices qui restent en partie à démontrer. Les géants technologiques construisent des centres de données, achètent des processeurs, développent des infrastructures informatiques et financent des entreprises spécialisées à une échelle considérable. Tout ce dispositif repose sur une hypothèse centrale : les revenus et les gains de productivité futurs permettront de justifier les dépenses présentes. Si cette hypothèse se révèle trop optimiste, les conséquences pourraient dépasser largement le secteur technologique. Pour les investisseurs qui cherchent à diversifier leur patrimoine face à ce type de risque systémique, les différentes pièces d’or d’investissement constituent une solution physique à examiner, en tenant compte des frais, des primes et de l’horizon de détention.
L’avertissement prend une dimension particulière lorsqu’on examine le rôle du crédit. Une entreprise peut investir massivement pendant plusieurs années avant de dégager des bénéfices, mais cette stratégie devient plus fragile lorsque les dépenses augmentent plus vite que les flux de trésorerie disponibles et que le financement dépend de la confiance des marchés. Selon Piepenburg, la concentration des investissements dans un nombre limité d’acteurs de l’intelligence artificielle rend l’ensemble du système plus vulnérable à une déception. Si les prêteurs deviennent plus prudents, si les obligations perdent de leur valeur ou si les investisseurs révisent brutalement leurs anticipations, le financement peut se contracter au moment même où les entreprises ont le plus besoin de liquidités. Dans ce contexte, les lingots d’or physiques disponibles à l’achat méritent d’être étudiés comme une forme de diversification patrimoniale, distincte des actions et des obligations, sans pour autant être considérés comme un placement à capital garanti.
Le risque décrit par l’analyste ne s’arrête pas aux actionnaires des entreprises spécialisées. Une baisse importante des valeurs technologiques pourrait affecter les indices boursiers, les fonds de placement et les portefeuilles d’épargne exposés aux grandes capitalisations américaines. Elle pourrait également peser sur la confiance des ménages, les décisions d’investissement des entreprises et les conditions d’octroi du crédit. Autrement dit, un investisseur qui ne détient directement aucune action liée à l’intelligence artificielle peut tout de même être exposé à ses conséquences par l’intermédiaire de son épargne financière ou de fonds diversifiés. Cette possibilité conduit certains épargnants à s’intéresser aux actifs tangibles, dont les pièces d’or d’investissement proposées par OR.FR, afin d’évaluer les moyens de réduire leur dépendance à un portefeuille exclusivement financier.
C’est précisément sur ce point que Matthew Piepenburg fait le lien entre le risque boursier et la détention d’or physique. Dans son analyse, une crise provoquée par un investissement excessif dans l’intelligence artificielle pourrait contraindre les autorités à soutenir l’économie, les marchés et le système de crédit. Si ces interventions prennent la forme d’un assouplissement monétaire ou d’un soutien budgétaire important, elles pourraient raviver les inquiétudes concernant la dette publique et le pouvoir d’achat des monnaies. L’or occupe une place particulière dans ce raisonnement parce qu’il ne constitue pas une créance sur une entreprise ou un État et qu’il ne dépend pas du remboursement d’une obligation. Les lingots d’or d’investissement peuvent ainsi entrer dans une stratégie de diversification à long terme, même si leur prix fluctue et qu’ils ne produisent ni intérêts ni dividendes.
La question centrale reste donc entière : l’intelligence artificielle générera-t-elle suffisamment de valeur économique pour justifier les sommes engagées, ou les marchés ont-ils anticipé des gains trop importants, trop rapidement ? Piepenburg considère que les deux à trois prochaines années seront déterminantes pour juger la solidité de ce pari. Il invite les investisseurs à conserver une trace de son avertissement afin de pouvoir le confronter aux résultats futurs, tout en reconnaissant explicitement qu’il peut se tromper. Cette prudence n’annule pas la gravité de son scénario ; elle rappelle que le risque doit être évalué avant que les résultats soient connus. Pour les épargnants qui souhaitent étudier une diversification hors des actifs financiers traditionnels, les pièces Napoléon de 20 francs en or représentent une possibilité concrète à comparer avec d’autres formes de détention d’or physique.
Une révolution technologique qui pourrait devenir un piège financier
Matthew Piepenburg ne conteste pas les capacités de l’intelligence artificielle. Il reconnaît au contraire que cette technologie pourrait transformer profondément les entreprises, les méthodes de travail et la production de biens et de services. À l’image de l’électricité, du chemin de fer, de l’automobile ou d’Internet, l’IA peut ouvrir des possibilités considérables. Mais l’histoire économique montre qu’une innovation utile ne garantit pas que tous les investissements réalisés autour d’elle seront rentables. La qualité d’une technologie, la valeur d’une entreprise et le prix de ses actions sont trois questions différentes.
Le cœur de son argumentation repose sur cette distinction. Les marchés peuvent avoir raison d’anticiper une transformation technologique tout en se trompant sur sa vitesse, son ampleur ou les entreprises qui en tireront réellement profit. Une infrastructure peut être indispensable à long terme et néanmoins avoir été construite trop rapidement, financée trop cher ou dimensionnée pour une demande qui ne se matérialise pas comme prévu. Dans ce cas, la technologie continue d’exister, mais les investisseurs qui ont payé des valorisations excessives peuvent subir des pertes importantes.
C’est le mécanisme classique d’une bulle financière : l’enthousiasme pour une innovation attire des capitaux, la hausse des valorisations renforce la confiance et les anticipations de profits encouragent de nouveaux investissements. Lorsque les dépenses et les prix finissent par dépasser ce que les revenus peuvent raisonnablement soutenir, le marché devient dépendant d’une croissance toujours plus forte. La moindre déception peut alors provoquer une révision des valorisations, un retrait des financements et une baisse des actifs.
Piepenburg estime que le développement de l’IA présente une caractéristique particulièrement préoccupante : la concentration simultanée des investissements, des valorisations et des attentes de croissance. Le risque ne concerne donc pas seulement une entreprise qui échouerait, mais potentiellement un ensemble d’acteurs dont les trajectoires financières sont étroitement liées.
Des centaines de milliards de dollars engagés dans l’intelligence artificielle
Les montants consacrés aux infrastructures d’IA permettent de comprendre pourquoi cette question dépasse le simple débat technologique. Les grands groupes du numérique investissent dans les centres de données, les puces spécialisées, les capacités de calcul, les réseaux et les services cloud nécessaires à l’entraînement et à l’utilisation des modèles. Ces dépenses peuvent soutenir la croissance future, mais elles mobilisent immédiatement des capitaux considérables.
Les investissements dans ces infrastructures exercent une pression croissante sur les flux de trésorerie des grandes entreprises technologiques. Les dépenses couvrent notamment les équipements informatiques, la construction des centres de données, les systèmes de refroidissement et l’alimentation électrique. Une partie de ces investissements peut produire des revenus pendant de nombreuses années, mais leur rentabilité dépend du taux d’utilisation des infrastructures, du prix des services et de la capacité des clients à payer pour les nouvelles fonctionnalités.
Cette dynamique ne signifie pas que les investissements sont nécessairement irrationnels. Les infrastructures informatiques peuvent répondre à une demande réelle et soutenir des revenus durables. Le problème apparaît lorsque la rentabilité attendue dépend d’hypothèses trop favorables concernant l’adoption des services, le prix des prestations, les marges ou la croissance des revenus.
Pour Matthew Piepenburg, le marché fait précisément courir ce risque : il valorise aujourd’hui une partie des bénéfices futurs comme si leur réalisation était presque certaine. Or, les dépenses sont engagées maintenant, tandis que les profits attendus dépendent de l’évolution de la technologie, du comportement des clients et de la capacité des entreprises à transformer leurs investissements en revenus récurrents.
Le véritable test : transformer la puissance de l’IA en productivité réelle
L’un des points les plus importants de l’analyse concerne la productivité. Une technologie peut améliorer les performances d’une tâche particulière sans entraîner une hausse équivalente de la productivité de l’ensemble de l’économie. Pour justifier des investissements gigantesques, il ne suffit pas que les modèles soient impressionnants ou qu’ils permettent d’automatiser certaines opérations. Il faut que leurs bénéfices économiques soient suffisamment importants, mesurables et largement diffusés pour compenser les coûts de développement, d’équipement, d’énergie et d’exploitation.
Cette question divise les économistes. Dans son étude The Simple Macroeconomics of AI, publiée en 2024, Daron Acemoglu, économiste au MIT, estimait que les gains de productivité totale des facteurs associés aux applications de l’IA pourraient rester modestes au cours des dix années suivantes. Son estimation centrale, fondée sur les tâches susceptibles d’être affectées et sur les gains de coûts attendus, se situait autour de 0,66 % cumulés sur dix ans, avec la possibilité que les effets soient encore plus faibles. Il s’agit d’une estimation issue d’un modèle économique, et non d’une mesure définitive de l’impact futur de l’IA.
Cette estimation contraste avec les scénarios beaucoup plus ambitieux défendus par certains acteurs de l’industrie technologique, qui anticipent une accélération majeure de la croissance économique grâce à l’automatisation, à l’assistance intellectuelle et à la création de nouveaux services. Les différences entre ces projections sont essentielles : elles montrent que les conséquences macroéconomiques de l’IA ne font pas l’objet d’un consensus.
Matthew Piepenburg considère que cette incertitude rend le niveau actuel des investissements particulièrement risqué. Si les gains de productivité sont rapides et massifs, les infrastructures pourraient générer des revenus capables de justifier les dépenses. Si les gains sont plus lents, plus limités ou concentrés dans quelques secteurs, les entreprises pourraient découvrir que leur capacité de production excède largement la demande solvable.
Une concentration boursière qui amplifie les conséquences d’une correction
Le deuxième pilier de l’avertissement concerne la concentration du marché. Lorsqu’une part importante de la performance boursière dépend d’un nombre limité de grandes entreprises, les indices deviennent sensibles à leurs résultats, à leurs valorisations et aux anticipations qui entourent leur croissance.
Cette concentration crée un effet de transmission. Si plusieurs grandes valeurs technologiques déçoivent simultanément, la baisse peut affecter les indices auxquels sont exposés les fonds indiciels, les fonds de retraite et les portefeuilles diversifiés. Les investisseurs qui pensent être protégés parce qu’ils ne détiennent pas directement des actions spécialisées dans l’IA peuvent ainsi conserver une exposition indirecte à la même dynamique.
Il faut cependant distinguer deux phénomènes. Une baisse des valorisations technologiques ne provoque pas automatiquement une récession, et une correction boursière ne signifie pas que toutes les entreprises d’un indice sont fragiles. L’ampleur des conséquences dépendrait notamment de la vitesse de la correction, du niveau d’endettement, de la réaction des banques, de la confiance des ménages et de la capacité des entreprises à maintenir leurs investissements.
L’inquiétude de Piepenburg tient au fait que l’IA est devenue, dans son analyse, une hypothèse structurante pour les marchés. Si les investisseurs révisent brutalement leurs anticipations de croissance, les effets pourraient dépasser les entreprises directement concernées et toucher l’ensemble des actifs dont les valorisations dépendent de perspectives économiques favorables.
Le crédit : le maillon susceptible de transformer une correction en crise
Une baisse des actions et une crise du crédit ne sont pas la même chose. La seconde devient particulièrement dangereuse lorsque les pertes financières se combinent à des échéances de remboursement, à des besoins de refinancement et à une diminution de la liquidité disponible.
Les infrastructures d’IA nécessitent des dépenses initiales élevées et peuvent s’appuyer sur plusieurs sources de financement : trésorerie des groupes technologiques, émissions obligataires, emprunts bancaires, financements privés et contrats conclus entre fournisseurs et clients. Lorsque les entreprises financent leur croissance par la dette, elles doivent être capables de générer suffisamment de revenus ou de refinancer leurs engagements pour continuer à investir.
Piepenburg attire également l’attention sur les liens financiers entre certains fournisseurs d’IA et les entreprises qui achètent leurs services. Dans certaines configurations, un fournisseur peut bénéficier d’un financement ou d’un engagement commercial provenant d’un acteur qui constitue également son client ou son partenaire stratégique. Ces relations ne sont pas automatiquement problématiques, mais elles peuvent rendre l’analyse de la demande finale plus complexe et créer des dépendances mutuelles.
Si la croissance ralentit, plusieurs difficultés peuvent se cumuler : baisse des revenus anticipés, hausse du coût du financement, dépréciation des actifs, réduction des investissements et durcissement des conditions de crédit. Les entreprises les plus endettées ou les moins rentables seraient alors particulièrement exposées.
Cette combinaison de risques explique pourquoi l’évolution du crédit mérite une attention particulière. Une dégradation des conditions de financement pourrait amplifier les conséquences d’une baisse des valorisations, notamment si plusieurs entreprises dépendent simultanément de nouveaux capitaux pour poursuivre leurs projets.
Pourquoi Matthew Piepenburg évoque-t-il 2000, 2008 et même 1929 ?
Les références historiques de l’analyste correspondent à des mécanismes différents. La bulle Internet du début des années 2000 a illustré les dangers de valorisations excessives fondées sur des perspectives de croissance qui ne se sont pas toujours concrétisées. La crise de 2008 a montré comment l’endettement, la fragilité des bilans et les interconnexions financières pouvaient amplifier les pertes et provoquer une crise systémique. La crise de 1929 reste, quant à elle, associée à l’effondrement boursier et à ses conséquences économiques majeures.
Piepenburg estime que le boom actuel de l’IA pourrait réunir certains éléments de ces épisodes : enthousiasme technologique, concentration des valorisations, investissements importants et dépendance au crédit. Son inquiétude porte notamment sur la possibilité qu’une déception concernant la rentabilité de l’IA se transforme en problème de financement, puis en contraction de l’activité économique.
La comparaison ne doit toutefois pas être prise comme une prédiction certaine. Les structures financières, les réglementations, les politiques monétaires et les caractéristiques des entreprises diffèrent d’une période à l’autre. Les précédents historiques permettent d’identifier des mécanismes de risque, mais ils ne suffisent pas à déterminer la date, l’ampleur ou la forme d’une éventuelle crise.
L’enseignement essentiel est ailleurs : une innovation peut être durablement utile tout en provoquant des pertes importantes lorsque les capitaux investis, les prix des actifs et les niveaux d’endettement deviennent incompatibles avec les revenus réellement générés.
Épargne, retraite et patrimoine : pourquoi les investisseurs ne sont pas nécessairement à l’abri
L’un des aspects les plus préoccupants du scénario présenté par Matthew Piepenburg est son extension possible à l’épargne des ménages. Une personne qui n’achète jamais directement d’actions technologiques peut être exposée aux grandes entreprises américaines par l’intermédiaire d’un fonds indiciel, d’un fonds diversifié ou d’un produit d’épargne investi sur les marchés.
Cette exposition indirecte ne signifie pas que tous les contrats d’assurance, tous les fonds de retraite ou tous les portefeuilles subiront les mêmes pertes. Leur sensibilité dépend de leur composition, de leur niveau de diversification, de leur horizon d’investissement et de leurs éventuelles garanties contractuelles. Elle rappelle néanmoins qu’il faut examiner les actifs détenus réellement plutôt que de se fier uniquement au nom ou à la catégorie d’un produit financier.
Une correction boursière importante pourrait également affecter la consommation. Lorsque la valeur des portefeuilles diminue, certains ménages se sentent moins riches et réduisent leurs dépenses. Les entreprises peuvent alors ralentir leurs recrutements ou leurs investissements, ce qui accentue le ralentissement économique. Si les difficultés financières se diffusent au crédit, le choc initial peut produire des effets plus larges.
Pour Piepenburg, cette interdépendance explique pourquoi le pari sur l’IA mérite une attention particulière : il ne concerne pas uniquement les actionnaires des entreprises technologiques, mais aussi l’équilibre général des marchés et les conditions financières de l’économie.
Pourquoi l’or physique occupe-t-il une place centrale dans son raisonnement ?
Matthew Piepenburg défend depuis longtemps l’intérêt de l’or physique dans un environnement marqué, selon lui, par l’endettement, les déséquilibres monétaires et les risques financiers. Son raisonnement repose sur un scénario précis : si les investissements dans l’IA provoquent une crise financière, les autorités pourraient être contraintes de soutenir les marchés, les banques et l’économie par des mesures monétaires ou budgétaires importantes.
De telles interventions ne conduisent pas systématiquement à une dépréciation monétaire durable. Leurs effets dépendent notamment de l’inflation, des taux d’intérêt, de la croissance, de la demande de monnaie et de la crédibilité des institutions. Néanmoins, si une crise s’accompagne d’une hausse de l’endettement public et d’une perte de confiance dans le pouvoir d’achat des monnaies, l’or pourrait bénéficier d’une demande accrue de la part des investisseurs cherchant à diversifier leurs avoirs.
Contrairement à une obligation, une pièce ou un lingot d’or physique ne représente pas une promesse de remboursement d’un émetteur. En revanche, l’or ne génère aucun revenu régulier, son cours peut baisser et sa détention implique des coûts de transaction, de conservation et éventuellement d’assurance. Son prix dépend également des taux d’intérêt réels, des mouvements de change, des achats des banques centrales et du comportement des investisseurs.
Il ne faut donc pas interpréter le raisonnement de Piepenburg comme la preuve que l’or progressera nécessairement en cas de crise de l’IA. Il s’agit d’une thèse patrimoniale fondée sur l’éventualité d’une dégradation des conditions monétaires et financières.
Le scénario à surveiller jusqu’en 2028 ou 2029
Dans sa vidéo, Matthew Piepenburg fixe un horizon de deux à trois ans pour évaluer la pertinence de son avertissement. À partir de son intervention d’octobre 2026, cette période conduit à surveiller les évolutions jusqu’en 2028-2029. L’enjeu sera de déterminer si les investissements engagés depuis 2025 se traduisent par des gains de productivité, des revenus récurrents et des bénéfices suffisants.
Plusieurs indicateurs méritent une attention particulière : l’évolution des dépenses d’investissement des grands groupes technologiques, la croissance de leurs revenus liés à l’IA, leurs marges opérationnelles, leurs flux de trésorerie disponibles, leurs besoins de financement et les conditions auxquelles ils peuvent emprunter. La rentabilité des infrastructures de centres de données, la demande des entreprises clientes et la capacité à monétiser les nouveaux services seront également déterminantes.
Un deuxième groupe d’indicateurs concerne les marchés financiers : concentration des indices, évolution des valorisations, écarts de rendement des obligations d’entreprises, qualité du crédit et conditions de refinancement. Une dégradation simultanée de plusieurs de ces variables signalerait une fragilité accrue, sans suffire à elle seule à annoncer un effondrement.
Enfin, il faudra examiner les effets économiques réels de l’IA : évolution de la productivité, diffusion des outils dans les entreprises, transformation des emplois, coûts d’intégration et répartition des gains entre salariés, clients et actionnaires. Une hausse des capacités technologiques ne se traduit pas automatiquement par une hausse proportionnelle du revenu national.
Conclusion : le risque n’est pas l’intelligence artificielle, mais le prix du pari financier
L’avertissement de Matthew Piepenburg repose sur une distinction fondamentale : le succès d’une technologie ne garantit pas le succès financier de tous ceux qui investissent dans son développement. L’intelligence artificielle peut transformer durablement l’économie, améliorer certaines tâches et créer de nouvelles activités. Mais les sommes engagées aujourd’hui supposent que ces gains arrivent suffisamment vite et qu’ils génèrent des revenus capables de justifier les investissements.
Si cette condition n’est pas remplie, les conséquences pourraient dépasser les seules valeurs technologiques. La baisse des valorisations, les difficultés de refinancement, la réduction des investissements et le recul de la confiance pourraient se renforcer mutuellement. C’est cette possibilité de transmission du risque que Piepenburg juge particulièrement préoccupante.
Pour autant, un scénario de crise historique ne constitue pas un fait établi. Les investissements pourraient produire des résultats supérieurs aux attentes, les entreprises pourraient ajuster leurs dépenses et les marchés pourraient absorber les déceptions sans crise systémique. L’analyse doit donc être confrontée aux résultats financiers, aux données économiques et à l’évolution effective du crédit.
Le point central reste néanmoins clair : plus les marchés anticipent des gains exceptionnels, plus ils deviennent vulnérables à une croissance qui ne répondrait pas aux attentes. Dans ce contexte, l’or physique peut constituer un élément de diversification pour certains patrimoines, mais il doit être évalué en fonction des objectifs, de l’horizon de placement, des risques et des coûts de détention.
La question que soulève Matthew Piepenburg n’est donc pas simplement de savoir si l’intelligence artificielle va changer le monde. Elle consiste à déterminer si les marchés ont engagé trop de capitaux, trop rapidement et avec trop peu de marge pour absorber une déception. Les prochaines années permettront de mesurer l’écart entre les promesses technologiques, les profits réellement générés et le prix payé aujourd’hui pour les anticiper.
