L’intelligence artificielle peut amplifier un krach boursier si des valorisations élevées, des stratégies automatisées similaires et des dépendances technologiques se combinent. Le FMI a identifié en octobre 2026 une correction liée à l’IA comme l’un des risques susceptibles de provoquer des tensions sur les marchés. Cela ne signifie pas qu’un effondrement est inévitable : le risque systémique apparaît quand un choc local se propage à plusieurs acteurs et perturbe le financement. Pour comprendre cette chaîne, il faut distinguer l’effet de l’IA sur les entreprises de son rôle dans les décisions de marché. Le scénario d’un prochain krach offre un point de comparaison utile.

Le risque commence par l’écart entre promesses et bénéfices

Le risque lié à l’IA devient financier lorsque les prix des actifs intègrent des gains futurs que les entreprises ne parviennent pas à réaliser. Dans son rapport d’octobre 2026, le FMI cite explicitement une correction des marchés liée à l’IA si les anticipations d’investissement ou de bénéfices déçoivent. Une baisse de cours peut alors toucher des sociétés, des fonds et des prêteurs exposés au même thème.

Une entreprise peut investir des sommes importantes dans des centres de données, des puces et des services logiciels avant d’en tirer des revenus suffisants. Si la demande ralentit ou si la concurrence réduit les marges, les investisseurs réévaluent les bénéfices attendus. Les actions concernées perdent de la valeur. Les fournisseurs et créanciers peuvent aussi subir la révision des projets.

Le risque systémique ne découle pas du seul recul d’un titre. Il dépend de l’ampleur des expositions communes, du levier financier et de la capacité des intermédiaires à absorber les pertes. Une correction reste circonscrite si les pertes sont supportables et les financements disponibles. Elle devient plus préoccupante quand de nombreux portefeuilles reposent sur les mêmes anticipations.

Les phases d’euphorie technologique ont déjà montré que le prix d’une innovation peut grimper plus vite que ses revenus réels. L’article sur les signaux de krach rappelant la bulle internet permet de replacer ce risque dans son contexte historique. Les circonstances diffèrent, mais la question demeure : les profits attendus justifient-ils les investissements engagés ?

Les stratégies automatisées peuvent accélérer une baisse

Les systèmes d’IA peuvent renforcer les mouvements de marché quand plusieurs acteurs réagissent à des signaux semblables au même moment. IOSCO relève que l’IA peut influer sur la négociation algorithmique, le conseil automatisé et la surveillance des marchés. Si des modèles rapprochés interprètent une nouvelle de façon similaire, leurs ordres peuvent accentuer une baisse déjà amorcée.

Un mécanisme de rétroaction peut alors se former. La baisse d’un actif déclenche des ventes automatiques ou une réduction de risque. Ces ordres pèsent sur les prix et alimentent de nouveaux signaux de vente. La vitesse des systèmes réduit le temps disponible pour comprendre le choc et distinguer une variation temporaire d’un problème durable.

Tous les outils algorithmiques ne se comportent pas de la même façon. Les stratégies diffèrent par leurs données, leurs objectifs et leurs garde-fous. Le danger vient surtout d’une similitude cachée : des modèles conçus par des acteurs distincts peuvent réagir aux mêmes indicateurs, aux mêmes seuils de volatilité ou aux mêmes contraintes de risque.

Les autorités surveillent aussi les effets d’une adoption trop concentrée. IOSCO note que des fournisseurs extérieurs au secteur financier peuvent héberger des modèles utilisés par de nombreux établissements. Cette dépendance commune complique la compréhension des expositions. Elle peut aussi rendre plus difficile la supervision si les données et le fonctionnement des outils restent opaques.

Les dépendances communes créent un canal de contagion

Un incident chez un fournisseur d’IA ou de services informatiques pourrait toucher plusieurs institutions à la fois si elles dépendent d’une infrastructure commune. Le Conseil de stabilité financière estime que l’IA apporte des gains d’efficacité et d’évaluation du risque, tout en pouvant introduire de nouveaux risques ou amplifier ceux qui existent. Le point central est l’interconnexion entre banques, sociétés financières et prestataires technologiques.

Facteur de risque Mécanisme de propagation Conséquence possible
Valorisation élevée Révision des profits attendus Baisse simultanée de sociétés liées à l’IA
Modèles similaires Décisions de vente rapprochées Pression accrue sur les cours
Fournisseur commun Interruption ou erreur partagée Perturbation de plusieurs services
Financement par la dette Besoin de refinancement accru Tensions sur la liquidité

Le risque devient systémique lorsque plusieurs canaux se rejoignent. Une correction boursière peut réduire la valeur des garanties. Des prêteurs peuvent alors demander davantage de sûretés ou limiter de nouveaux crédits. Les entreprises dépendantes de financements externes doivent réduire leurs dépenses, ce qui affecte leurs fournisseurs et leurs revenus.

La Banque d’Angleterre a indiqué en juillet 2026 que le financement par la dette des investissements liés à l’IA augmentait et que les conséquences financières d’une baisse des actifs concernés pouvaient s’accroître. Ce constat invite à observer la structure du financement, pas seulement les valorisations boursières. La part financée par les bénéfices, les fonds propres ou l’endettement change la façon dont un choc se transmet.

Les marchés crypto peuvent eux aussi réagir à un mouvement général de réduction du risque, même si leurs mécanismes diffèrent des marchés d’actions. Pour comprendre la dynamique propre aux actifs numériques, le guide sur l’effondrement possible du Bitcoin détaille les scénarios de baisse et leurs ressorts.

Les signaux utiles portent sur les expositions et la liquidité

Aucun indicateur isolé ne permet de prédire un krach lié à l’IA. Les observateurs peuvent cependant suivre des signaux concrets : la progression de la dette associée aux investissements, la concentration des fournisseurs, l’écart entre dépenses et revenus, ainsi que la liquidité des actifs détenus par les intermédiaires. Le FMI a cité en octobre 2026 la déception sur les investissements ou les bénéfices comme déclencheur possible d’une correction.

Il faut aussi examiner si les établissements peuvent expliquer leurs outils. Un modèle opaque complique l’identification des risques communs. Le FSB recommande une adoption responsable de l’IA et insiste sur la nécessité de gérer les risques associés à son intégration dans les entreprises financières. La supervision doit pouvoir déterminer qui fournit les systèmes, quelles décisions ils influencent et quelles solutions de repli existent en cas d’incident.

Pour les investisseurs, la distinction entre volatilité et risque systémique est fondamentale. Une forte baisse peut rester limitée à un secteur. Un risque systémique suppose des transmissions susceptibles de perturber le crédit, les paiements, la liquidité ou la capacité des institutions à fonctionner. Les scénarios de krach boursier aident à séparer ces mécanismes d’une simple correction de marché.

Les actifs numériques ajoutent leurs propres facteurs de fragilité, comme les liquidations automatiques liées à l’endettement garanti par des cryptomonnaies. Le guide sur l’emprunt adossé aux cryptos et les liquidations explique pourquoi une baisse rapide peut déclencher des ventes supplémentaires dans certains marchés.

La gestion du risque repose sur des garde-fous vérifiables

Une gestion prudente repose sur la cartographie des dépendances, des limites de risque adaptées et des procédures de reprise testées. Pour les établissements, cela signifie pouvoir identifier les décisions automatisées, évaluer les fournisseurs communs et mesurer la capacité à maintenir les activités en cas de panne. Pour les autorités, l’enjeu est de suivre les expositions partagées sans attendre qu’une crise révèle les liens entre acteurs.

Les contrôles doivent aussi tenir compte de la vitesse. Une intervention humaine n’est utile que si elle peut réellement interrompre ou corriger une décision automatisée à temps. Les entreprises peuvent tester leurs systèmes dans des scénarios de forte volatilité, vérifier les seuils de déclenchement et conserver des procédures manuelles pour les fonctions essentielles.

L’investisseur individuel ne peut pas neutraliser le risque systémique, mais il peut éviter de le confondre avec une promesse de performance algorithmique. Les outils présentés comme capables de prévoir les mouvements de marché méritent un examen attentif. Les faux robots de trading crypto montrent comment la confiance dans l’automatisation peut être exploitée par des escrocs.

Le risque lié à l’IA ne tient donc pas à une intelligence artificielle qui « décide » seule de provoquer un krach. Il naît de choix humains, d’incitations financières, de systèmes automatisés et de dépendances parfois concentrées. Les analyses de la Banque d’Angleterre, du FMI et d’IOSCO pointent vers les mêmes objets de surveillance : valorisations, dette, similitude des décisions et fournisseurs communs.

Questions fréquentes

L’intelligence artificielle peut-elle provoquer seule un krach boursier ?

Non. Un krach résulte d’interactions entre investisseurs, entreprises, créanciers et infrastructures. L’IA peut accélérer certaines décisions ou renforcer des mouvements communs, mais les facteurs financiers restent déterminants. Le FMI a cité en octobre 2026 une correction liée aux attentes d’investissement ou de bénéfices comme risque de marché, sans présenter un krach comme inévitable.

Qu’est-ce qu’un risque systémique lié à l’IA ?

C’est un risque susceptible de se propager au-delà d’une entreprise ou d’un secteur et de perturber le fonctionnement financier. Une dépendance à un fournisseur commun, des stratégies similaires ou une hausse de l’endettement peuvent créer des liens entre acteurs. Le FSB souligne que l’IA peut amplifier des risques existants dans les établissements financiers.

Quels indicateurs permettent de suivre le risque d’un krach lié à l’IA ?

Il faut observer l’écart entre dépenses d’infrastructure et bénéfices, l’évolution de la dette des entreprises, la concentration des prestataires et la liquidité des actifs. Aucun indicateur ne prédit seul une crise. L’analyse du risque de baisse du Bitcoin montre aussi comment des facteurs propres à un marché peuvent amplifier une correction.

Les algorithmes de trading aggravent-ils toujours les chutes ?

Non. Les systèmes automatisés peuvent aussi exécuter des ordres de façon régulière et contribuer à la surveillance des marchés. Le risque apparaît lorsque des modèles ou des seuils similaires provoquent des décisions rapprochées. IOSCO examine les usages de l’IA dans la négociation algorithmique et les défis associés à l’intégrité des marchés.

Pourquoi les fournisseurs d’IA comptent-ils pour la stabilité financière ?

Un fournisseur commun peut desservir plusieurs banques ou entreprises financières. Une panne, une erreur ou une dépendance mal évaluée pourrait alors perturber plusieurs activités simultanément. Le FSB identifie les risques associés à l’adoption rapide de l’IA. IOSCO relève les enjeux de concentration et d’opacité des prestataires.

À retenir

L’IA peut amplifier un krach boursier lorsque des valorisations fragiles se combinent à des stratégies automatisées similaires, à l’endettement et à des fournisseurs communs. Le FMI a identifié en octobre 2026 une déception sur les investissements ou les bénéfices liés à l’IA comme un risque de correction. Le suivi des expositions et de la liquidité reste déterminant.

Une chaîne de contagion peut relier une correction liée à l’IA à des tensions plus larges sur le financement.

Étape Mécanisme Effet possible
Déception sur les bénéfices Révision des anticipations Baisse des actifs concernés
Baisse des actifs Réduction de la valeur des garanties Demande accrue de sûretés
Crédit plus restreint Réduction des financements externes Baisse des dépenses des entreprises
Difficultés des entreprises Pression sur les fournisseurs et les revenus Propagation du choc
Dépendances communes Perturbation de plusieurs institutions Tensions sur le fonctionnement financier
Étape Mécanisme Effet possible
Déception sur les bénéfices Révision des anticipations Baisse des actifs concernés
Baisse des actifs Réduction de la valeur des garanties Demande accrue de sûretés
Crédit plus restreint Réduction des financements externes Baisse des dépenses des entreprises
Difficultés des entreprises Pression sur les fournisseurs et les revenus Propagation du choc

Sources