Décision possible
Décision concernée
Faut-il créer une classe d'actifs « risque data center IA » distincte pour les réassureurs spécialisés ?
Non, pas comme un bloc unique : ce que j'appelle les trois couches du risque data center IA, physique, dépréciation, logiciel, relèvent chacune d'un traitement distinct. La couche physique et géographique, que les modèles de catastrophe naturelle savent déjà pricer depuis des décennies, justifie une extension raisonnée de l'expertise existante, sous contrôle d'accumulation renforcé. La dépréciation de valeur liée à la concentration des financements autour d'un fournisseur unique échoue au premier critère d'assurabilité de Berliner, l'indépendance des sinistres, et relève des outils du crédit structuré plutôt que de la souscription dommages, à condition que la base d'investisseurs de ces instruments s'élargisse réellement au-delà des acteurs déjà exposés via le financement circulaire hyperscaler, faute de quoi le remède ne ferait que déplacer la même concentration. La corrélation par monoculture logicielle, elle, peut se structurer avec un point d'attache adapté, sur le modèle des cat bonds cyber déjà placés sur ce marché. Ces deux derniers remèdes, crédit structuré et cat bond, comme la piste d'assurance paramétrique évoquée pour la dépréciation, restent conditionnés à une infrastructure de données tierce et indépendante, indice de prix ou registre d'incidents corrélés, qui reste à construire.
L'essentiel en 3 points
- Un risque d'accumulation réel, déjà en partie maîtrisé. Le coût complet de construction d'un seul site peut dépasser 20 milliards de dollars et ce montant peut doubler une fois les GPU et le reste de la technologie installés, avec une dépense d'investissement des cinq grands fournisseurs de cloud dont une prévision largement partagée attend qu'elle dépasse 600 milliards de dollars en 2026 : sur le seul axe géographique et physique, ce risque reste compatible avec les modèles de catastrophe naturelle déjà utilisés pour d'autres actifs industriels à forte valeur unitaire. Je lis ces chiffres dans le sigma insights 07/2026 de Swiss Re, mais le réassureur ne les produit pas tous : le coût de construction est d'Allianz Commercial, la prévision de dépense de MUFG Americas, et lui les reprend. Je n'ai lu aucune de ces publications d'origine. Le seul résultat chiffré qu'il présente comme issu de sa propre modélisation est l'exposition américaine aux aléas naturels, et c'est là qu'il publie sur un risque qu'il porte lui-même.
- Un second axe qui échoue au test des critères d'assurabilité. La dépréciation des GPU et la concentration des financements autour de Nvidia créent une corrélation qui touche potentiellement tout un portefeuille au même moment, indépendamment de la localisation des sites : sur le premier critère de Berliner, l'indépendance des sinistres, cet axe échoue et relève davantage du crédit structuré que de l'assurance dommages.
- Un troisième axe, cyber, qui dispose déjà d'une structure de marché. La faille NVIDIAScape révèle une monoculture logicielle transposable au modèle du cat bond cyber, sur le modèle du véhicule PoleStar Re placé par Beazley en décembre 2025, ce qui invite à traiter ce risque avec les outils du transfert de risque cyber plutôt qu'avec ceux, encore inadaptés, de la dépréciation de valeur.
Mes réserves
Ce qui invaliderait cette lecture
- Je n'ai lu aucune des publications d'origine des deux chiffres du premier axe : le coût complet de construction d'un site vient d'Allianz Commercial, la prévision de dépense d'investissement des grands fournisseurs de cloud vient de MUFG Americas, et je ne les connais que repris par Swiss Re. Les ouvrir pourrait leur donner un périmètre, une date ou une définition qui ne sont pas ceux sous lesquels je les cite.
- Un test de résistance empirique documenté sur un portefeuille réel de data centers IA, montrant qu'un choc de dévaluation GPU ne se propage pas simultanément à l'ensemble des sites d'un même souscripteur, invaliderait la distinction retenue ici entre couche physique diversifiable et couche technologique corrélée.
- Une décomposition indépendante et auditée des chiffres de dépréciation des GPU, aujourd'hui issus d'un seul acteur, American Compute, assureur de valeur résiduelle GPU directement intéressé au chiffre qu'il publie, pourrait réviser sensiblement l'ampleur retenue pour cet axe dans l'ensemble des pièces de ce dossier.
- Une extension documentée du modèle de Böhme et Kataria à un cas empirique réel de dépréciation matérielle corrélée, ou à un incident de sécurité effectivement exploité à grande échelle sur l'infrastructure IA, confirmerait les transpositions faites ici par analogie plutôt que par preuve directe.
- L'émergence d'un indice de valeur résiduelle GPU indépendant et audité rendrait testable la piste d'assurance paramétrique évoquée dans ce dossier, aujourd'hui purement prospective faute de base de mesure fiable.
- Un cat bond couvrant explicitement la monoculture logicielle des data centers IA, plutôt que le risque cyber en général, confirmerait la transposition de structure proposée ici entre le marché cyber existant et ce risque précis.
- Une donnée publique sur la composition de la base d'investisseurs qui achèterait un produit de crédit structuré adossé aux GPU permettrait de vérifier si ce remède diversifie réellement le risque de dépréciation ou s'il le reconcentre sur les mêmes acteurs déjà exposés par le financement circulaire hyperscaler, une lecture croisée de ce dossier qui reste, à ce stade, une inférence et non une donnée observée.
Biais cognitifs que cette situation peut déclencher
- Biais d'autorité (Cialdini, 1984) : accorder au sigma insights de Swiss Re un statut de cartographie complète du risque du seul fait qu'il émane d'un réassureur de premier plan, sans interroger son intérêt commercial direct à cadrer le sujet autour de ce qu'il sait déjà pricer.
- Heuristique de disponibilité (Tversky et Kahneman, 1973) : sur-pondérer le risque physique et géographique, largement chiffré et illustré, au détriment du risque de dépréciation technologique, plus difficile à chiffrer précisément et donc moins spontanément disponible à l'esprit d'un souscripteur.
- Biais de confirmation (Nickerson, 1998) : un lecteur déjà convaincu que les data centers IA relèvent d'une simple extension du risque industriel classique peut lire le rapport Swiss Re comme une validation de ce prior, sans chercher activement ce qu'il omet sur la couche technologique.
- Excès de confiance dans les outils existants : un souscripteur habitué au risque property catastrophe peut sous-estimer à quel point la corrélation technologique diffère structurellement de la corrélation géographique qu'il maîtrise déjà, faute d'un signal d'alerte aussi visible qu'une carte de risque climatique.
Écart au Standard Probans
Je ne montre nulle part ce que disent déjà les meilleurs contenus concurrents sur ce risque précis : Reinsurance News, Insurance Business et Carrier Management ont tous couvert le même rapport Swiss Re en juillet 2026. J'ai croisé les sources institutionnelles primaires, pas le paysage éditorial autour.
Le cadre que je nomme « les trois couches du risque data center IA » (physique, dépréciation, logiciel) reste une formulation en prose : je ne l'ai pas encore décliné en matrice couche × critère de Berliner × remède, qui le rendrait citable tel quel.
Enfin, ma section décision suppose une connaissance préalable des critères de Berliner et des mécanismes de cat bond : un lecteur qui arrive directement ici, sans avoir lu les pièces qui composent le dossier, devra travailler pour suivre certains passages denses.
ISP-ASS19/100· 0-30 % · Preuves très limitées · Sur l'axe physique, ce que je prenais pour deux sources convergentes n'en fait qu'une : le compte rendu de presse que je citais en second reprend le rapport que je citais en premier. Le rapport lui-même rassemble plus qu'il ne mesure, et ses chiffres portent des producteurs distincts (Allianz Commercial pour le coût de construction, Aon pour les primes, FM Global pour le coût des sinistres, l'Uptime Institute pour les pannes, le Department of Energy pour la capacité par comté) dont je n'ai lu aucune publication d'origine : les nommer ne les vérifie pas, et le statut de partie prenante se pose à chaque maillon plutôt qu'une seule fois. Le seul résultat chiffré que le réassureur présente comme issu de sa propre modélisation est le zonage grêle et tornade : il nomme son outil sur la grêle, aucun instrument sur la tornade, et il ne publie ni la méthode ni les points de données de ce zonage, les figures qui les porteraient n'étant pas lisibles. Il croise cette estimation avec une donnée de capacité dont le fournisseur signale lui-même une forte incertitude sur l'achèvement des projets planifiés. Le même rapport pose deux bornes différentes sur le chiffre de la tornade selon qu'on lit son résumé ou le chapitre qui le produit. Aucune réplication indépendante n'est documentée, sur cet axe ni sur les deux autres. Sur l'axe technologique, la BIS et la presse financière convergent séparément sans jamais croiser explicitement les deux constats dans une même source. Les modèles de Berliner et de Böhme et Kataria sont mobilisés par analogie sur ce marché précis, non validés empiriquement sur les data centers IA ; l'étude de Song Ma établit l'obsolescence comme facteur de risque mesurable au niveau du marché actions dans son ensemble, pas spécifiquement sur le secteur des semi-conducteurs.
L'Indice de Solidité des Preuves évalue la base empirique de cette analyse sur quatre critères pondérés : type de preuve (40 %), convergence (30 %), réplication (20 %), puissance (10 %). L'axe type de preuve est calibré par champ : 100 y désigne le meilleur dispositif que l'échelle ISP-ASS sache produire, et non une preuve absolue.
Sur l'axe physique, ce que je prenais pour deux sources convergentes n'en fait qu'une : le compte rendu de presse que je citais en second reprend le rapport que je citais en premier. Le rapport lui-même rassemble plus qu'il ne mesure, et ses chiffres portent des producteurs distincts (Allianz Commercial pour le coût de construction, Aon pour les primes, FM Global pour le coût des sinistres, l'Uptime Institute pour les pannes, le Department of Energy pour la capacité par comté) dont je n'ai lu aucune publication d'origine : les nommer ne les vérifie pas, et le statut de partie prenante se pose à chaque maillon plutôt qu'une seule fois. Le seul résultat chiffré que le réassureur présente comme issu de sa propre modélisation est le zonage grêle et tornade : il nomme son outil sur la grêle, aucun instrument sur la tornade, et il ne publie ni la méthode ni les points de données de ce zonage, les figures qui les porteraient n'étant pas lisibles. Il croise cette estimation avec une donnée de capacité dont le fournisseur signale lui-même une forte incertitude sur l'achèvement des projets planifiés. Le même rapport pose deux bornes différentes sur le chiffre de la tornade selon qu'on lit son résumé ou le chapitre qui le produit. Aucune réplication indépendante n'est documentée, sur cet axe ni sur les deux autres. Sur l'axe technologique, la BIS et la presse financière convergent séparément sans jamais croiser explicitement les deux constats dans une même source. Les modèles de Berliner et de Böhme et Kataria sont mobilisés par analogie sur ce marché précis, non validés empiriquement sur les data centers IA ; l'étude de Song Ma établit l'obsolescence comme facteur de risque mesurable au niveau du marché actions dans son ensemble, pas spécifiquement sur le secteur des semi-conducteurs.
Score de 19/100 (0-30 %) établi le 30 août 2026.