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 : la couche technologique elle-même se décompose en deux risques de nature différente. 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, relève d'une hypothèse de l'auteur : Wiz parle d'un « systemic risk » sans le chiffrer et Beazley ne mentionne pas cette faille. Un cat bond cyber pourrait servir de modèle de structure, par analogie, sans que les sources l'établissent. 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. Jusqu'à 20 milliards de dollars de valeur assurée par site, un capex hyperscaler mondial attendu au-delà de 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. Ces chiffres, attribués au sigma insights 07/2026 de Swiss Re, n'ont pas pu être vérifiés indépendamment à la date de publication.
- 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. Wiz qualifie la faille NVIDIAScape de « systemic risk to the AI ecosystem » et écrit qu'elle pourrait affecter « thousands of organizations », sans chiffre ni lien avec des sinistres. Le communiqué de Beazley sur l'obligation PoleStar Re, qui couvre des « remote probability catastrophic and systemic cyber events », ne mentionne ni cette faille ni les data centers IA. Rattacher ce risque aux outils du transfert de risque cyber est un raisonnement par analogie de l'auteur, non un constat de ces sources.
Mes réserves
Ce qui invaliderait cette lecture
- 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.
ISP-ASS24/100· 0-30 % · Preuves très limitées · Swiss Re documente l'axe physique avec précision ; la BIS et la presse financière convergent séparément sur l'axe technologique 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 (document de travail NBER, 2021, non relu par des pairs) mesure l'obsolescence technologique par le déclin des citations de brevets, sur des firmes cotées américaines qui déposent des brevets, de 1986 à 2016 ; elle associe cette obsolescence à des rendements plus faibles, sans établir un facteur de risque et sans porter sur les semi-conducteurs ni sur l'obsolescence matérielle.
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.
Swiss Re documente l'axe physique avec précision ; la BIS et la presse financière convergent séparément sur l'axe technologique 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 (document de travail NBER, 2021, non relu par des pairs) mesure l'obsolescence technologique par le déclin des citations de brevets, sur des firmes cotées américaines qui déposent des brevets, de 1986 à 2016 ; elle associe cette obsolescence à des rendements plus faibles, sans établir un facteur de risque et sans porter sur les semi-conducteurs ni sur l'obsolescence matérielle.
Score de 24/100 (0-30 %) établi le 6 septembre 2026.