Personne ne connaît la valeur d’un cluster de GPU d’occasion

• Si xAI fait défaut, les prêteurs peuvent reprendre Colossus, composé de 200 000 GPU, et le louer, mais sa valeur réelle dépend bien davantage de son état opérationnel et du savoir tacite de l’équipe que du matériel lui-même
• Autour de xAI et de CoreWeave, le financement adossé aux GPU s’est développé, mais faute d’infrastructure de valorisation, des risques difficiles à mesurer se reflètent dans des taux d’emprunt supérieurs d’environ 8,5 points de pourcentage au taux de référence
• Le tarif de location des H100 est passé d’environ 8 dollars de l’heure début 2024 à 1,70 dollar en octobre 2025, avant de rebondir à 2,35 dollars en mars 2026, ce qui rend difficiles les prévisions de valeur résiduelle et de revenus locatifs futurs
• Pour les mêmes GPU, CoreWeave retient une durée d’utilité de 6 ans, tandis que Nebius retient 4 ans ; avec le cycle produit de NVIDIA passé de 2 ans à 1 an, l’écart entre valeur comptable et valeur de recouvrement pourrait se creuser
• Pour les GPU pris en garantie, il existe plusieurs valeurs : la valeur faciale comptable, la valeur de vente forcée et la valeur en exploitation normale ; en cas d’échec du transfert opérationnel, il est difficile de maintenir le cluster contractuellement repris comme actif générateur de revenus

---

La valeur de la garantie change si l’équipe d’exploitation s’en va

• Contrairement à un bâtiment, la valeur d’un cluster de GPU dépend de la présence ou non de l’équipe d’exploitation, qui connaît la manière dont il est provisionné, ses performances actuelles et les particularités du matériel
• Le rapport technique de Meta sur Llama 3 a recensé 419 interruptions imprévues pendant 54 jours d’entraînement sur 16 384 H100
  • Cela incluait 148 pannes de GPU et 72 pannes de mémoire HBM3 ; le taux de défaillance annuel des GPU dans les datacenters modernes est estimé à environ 9 %
  • À l’échelle de 200 000 GPU, environ 50 GPU tombent en panne chaque jour ; à l’échelle d’un million de GPU visée par xAI, Epoch AI anticipe une panne environ toutes les 3 minutes
• Dans le risque de crédit, les pannes évidentes ne sont pas le seul enjeu
  • La corruption silencieuse des données (SDC) produit des résultats erronés sans que le GPU ne s’arrête, et peut corrompre les poids du modèle même après plusieurs jours d’entraînement apparemment normal
  • Une défaillance en cascade, où un seul GPU interrompt une tâche d’entraînement répartie sur des milliers de machines, peut faire perdre plusieurs jours de calcul
  • Throttling thermique, erreurs de mémoire ECC, instabilité NVLink et disparition de GPU du bus continuent également de se produire
• NVIDIA NVSentinel traite les limites du monitoring classique, qui détecte les problèmes sans les résoudre, tandis que Crusoe AutoClusters réduit le temps d’attente en file, la variable contrôlable la plus importante pour le débit utile d’un cluster
  • Sans ces outils, la remise en état peut prendre de plusieurs heures à plusieurs jours
• L’équipe d’exploitation sait quels racks surchauffent en été, quels circuits de refroidissement sont devenus instables après une mise à jour de firmware, et quels nœuds dégradés mais pas encore totalement en panne doivent être évités
  • Ce savoir reste davantage un savoir tacite au sein de l’équipe qu’une documentation, et ne figure ni au bilan des prêteurs ni dans leur périmètre d’accès

Une structure financière où les GPU eux-mêmes deviennent la garantie

• Au cours des 18 derniers mois, le financement des infrastructures IA est passé de la dette fondée sur le crédit d’entreprise à une dette garantie par les GPU eux-mêmes
• Le véhicule ad hoc (SPV) xAI Colossus 2 comprend environ 7,5 milliards de dollars de fonds propres et 12,5 milliards de dollars de dette
  • NVIDIA apporte jusqu’à 2 milliards de dollars de fonds propres, tandis que Valor Equity Partners mène l’investissement en fonds propres
  • Apollo et Diameter participent à la tranche de dette
  • Le SPV achète des GPU NVIDIA et les loue à xAI pendant 5 ans ; la dette est garantie par les GPU, et non par l’ensemble du bilan de xAI
• Le contrat de prêt de 5 milliards de dollars de xAI, arrangé par Morgan Stanley en juin 2025, donne aux prêteurs le droit, en cas de défaut, de reprendre le cluster Colossus de 200 000 GPU en périphérie de Memphis, de le louer à d’autres entreprises d’IA et de récupérer leur prêt
• Le taux de financement de 5 milliards de dollars de xAI atteignait jusqu’à 12,5 %, et les opérations garanties par GPU de CoreWeave étaient valorisées environ 8,5 points de pourcentage au-dessus du taux de référence avant l’amélioration des conditions
• CoreWeave détient 18,8 milliards de dollars de dette garantie par GPU via plusieurs SPV
• Le contrat de 50 milliards de dollars entre FluidStack et Anthropic utilise une structure différente, dans laquelle Google garantit le paiement des loyers, mais la logique est la même : financiariser les actifs d’infrastructure IA et les flux de trésorerie locatifs
• La plupart des néoclouds et des grands laboratoires de recherche en IA se financent de cette manière

Absence de découverte des prix et d’instruments de couverture

• Les avions, les navires, les voitures, l’immobilier commercial et le pétrole disposent de décennies d’infrastructures de découverte des prix
  • L’aviation dispose d’évaluateurs certifiés ISTAT, de registres mondiaux, de dossiers de maintenance standardisés, de pilotes de convoyage et d’un marché de l’occasion formé depuis les années 1970
  • Les navires disposent du BICA, l’automobile de NADA, et les bureaux de classe A de taux de capitalisation standard et de comparables de vacance
  • Le pétrole possède des courbes de prix à terme depuis le début des années 1980
• Sur le marché des GPU, il n’existe guère que le H100 Rental Index de Silicon Data, lancé sur les terminaux Bloomberg en 2024, et Ornn AI, qui a levé 5,7 millions de dollars en octobre 2025 pour bâtir la première bourse réglementée dédiée aux dérivés de calcul GPU
• Le tarif horaire de location des H100 est passé d’environ 8 dollars début 2024 à 1,70 dollar en octobre 2025, avant de rebondir de 40 % à 2,35 dollars en mars 2026 sous l’effet d’une demande d’inférence inattendue
• Dans les prêts adossés à des avions ou à des navires, il serait difficile de souscrire une dette à 5 ans garantie par un actif dont le prix évolue ainsi, sans instrument de couverture
• Les prêts de CoreWeave garantis par GPU sont environ 8,5 points de pourcentage au-dessus du taux de référence, alors qu’un prêt aéronautique classique se situe 1 à 2 points au-dessus, et que les prêts hypothécaires commerciaux sont généralement encore plus bas
  • Les 6 à 7 points supplémentaires correspondent au prix du risque supporté par les prêteurs en l’absence de marché à terme des GPU, de courbe standard de valeur résiduelle et d’outils permettant de verrouiller les futurs loyers
• Si le marché mûrit avec des produits de couverture, des courbes de valeur résiduelle standardisées et un marché de l’occasion des GPU, les spreads de taux et le coût du capital des infrastructures IA pourraient baisser
  • Les entreprises avantagées ne seront alors pas celles qui ont obtenu aujourd’hui les GPU les moins chers, mais celles qui pourront accéder à une dette à bas coût une fois l’infrastructure financière arrivée à maturité

L’incertitude autour de la durée d’utilité des GPU

• CoreWeave amortit ses GPU sur 6 ans, mais Nebius, qui utilise le même modèle économique et le même matériel, applique une durée de 4 ans
• AWS, Microsoft et Google ont porté en 2023 la durée d’utilité de leurs serveurs de 3–4 ans à 6 ans
  • Sur la base de 300 milliards de dollars de dépenses d’investissement cumulées, cela réduit d’environ 18 milliards de dollars les charges d’amortissement annuelles déclarées
• CoreWeave a appliqué le même changement comptable en janvier 2023, avant son introduction en Bourse, réduisant ses charges déclarées annuelles de plusieurs centaines de millions de dollars
• NVIDIA a annoncé en 2025 raccourcir son cycle de sortie produit de 2 ans à 1 an, ce qui double la vitesse à laquelle les GPU garantissant la dette deviennent d’ancienne génération
• Michael Burry estime que les hyperscalers sous-comptabiliseront environ 176 milliards de dollars d’amortissements cumulés entre 2026 et 2028
  • Selon ses calculs, les bénéfices d’Oracle seraient surévalués d’environ 27 % et ceux de Meta d’environ 21 % d’ici 2028
• Si la durée d’utilité réelle des GPU d’entraînement de pointe est plus proche de 2 à 4 ans, alors qu’ils sont inscrits en comptabilité sur 6 ans, un écart important apparaît entre valeur comptable et valeur de recouvrement
• Si la demande récente d’inférence prolonge la durée productive des H100 au-delà de l’entraînement de pointe, les 6 ans peuvent ne pas être erronés
  • À l’inverse, si la demande faiblit de nouveau en 2026 ou 2027, les prêteurs subiront des pertes de valeur au moment précis où ils auront besoin de la valeur de leur garantie

Trois valeurs pour un même GPU

• La valeur faciale (face value) correspond au prix d’achat enregistré par le SPV, diminué d’un amortissement linéaire selon le calendrier choisi par l’emprunteur
  • Elle détermine les clauses de ratio prêt-valeur et le volume de dette que l’opération peut supporter
• La valeur de liquidation (liquidation value) est le prix payé par les acheteurs en situation de stress
  • Sur un marché de l’occasion normal, des GPU modérément utilisés pendant 2 à 3 ans se négocient entre 50 et 70 % du prix du neuf
  • Si plusieurs néoclouds rencontrent simultanément des difficultés, l’offre bondit alors que le nombre d’acheteurs se réduit, et le taux de recouvrement en vente forcée peut tomber à 30–50 % de la valeur faciale
• La valeur de continuité d’exploitation (going-concern value) est la valeur pour le prochain locataire lorsqu’il utilise l’actif en fonctionnement normal ; elle dépend entièrement du succès du transfert opérationnel
• Lorsque les prêteurs exercent leur droit d’intervention, ils héritent aussi de l’installation de colocation d’un autre propriétaire, ainsi que de ses contrats et contraintes
  • Si l’équipe d’exploitation de l’emprunteur s’en va, les identifiants et la connaissance de la topologie peuvent disparaître avec elle
  • Ils doivent affronter sans couverture un marché où les loyers ont évolué de 60 % dans un sens en 18 mois, puis rebondi de 40 % dans l’autre
  • Dans un environnement où environ 50 GPU tombent en panne chaque jour, il faut aussi disposer des personnes qui savent quels racks ont été constamment instables
• L’écart entre valeur faciale et valeur de continuité d’exploitation reste le risque central non couvert des structures financières actuelles

Les investisseurs qui évitent le financement adossé aux GPU

• KKR investit activement dans les datacenters, mais se concentre sur les bâtiments, l’énergie, le refroidissement et le foncier plutôt que sur le financement adossé aux GPU
  • Avec Global Infrastructure Partners, KKR a acquis CyrusOne pour 15 milliards de dollars en 2022
  • En 2026, KKR a investi 1,5 milliard de dollars dans Global Technical Realty
  • En février 2026, KKR a acquis 75 % de STT GDC pour 5,1 milliards de dollars
• L’infrastructure numérique de KKR est au cœur de son activité d’actifs réels de 186 milliards de dollars, mais le groupe ne participe ni au consortium AIP qui a acquis Aligned Data Centers, ni au SPV xAI, ni aux facilités de dette de CoreWeave
• Ces actifs constituent une couche d’infrastructure fondamentale qui conserve sa valeur quel que soit le laboratoire d’IA gagnant ou la génération de GPU dominante
• Peter Thiel a vendu l’intégralité de sa participation dans NVIDIA au troisième trimestre 2025 et s’est repositionné sur Apple et Microsoft

Les fondations nécessaires au marché des garanties GPU

• Les avions sont devenus des actifs finançables grâce à des registres, des évaluateurs et des dossiers de maintenance ; les navires ont eux aussi mis en place des systèmes comme le BICA
• La forte prime de taux des prêts garantis par GPU existe parce que les prêteurs ne peuvent pas répondre à deux questions fondamentales

  • Le cluster fonctionne-t-il encore correctement aujourd’hui ?

    • Fonctionnera-t-il encore correctement dans trois ans ?
    • Pour que le financement des GPU arrive à maturité, il faudra des systèmes capables de mesurer et de transférer non seulement le prix des équipements, mais aussi l’état opérationnel, l’historique de maintenance, la valeur résiduelle et les loyers futurs

[GN⁺]

Avis sur Hacker News

• Le chiffre selon lequel « des GPU utilisés 2 à 3 ans dans des conditions normales se négocient à 50 à 70 % du prix neuf » concerne des Nvidia H100 en bon état, et reflète aussi la pénurie actuelle d’approvisionnement
  Comme il s’agit de prix après démontage, nettoyage, inspection et remise en état, la valeur de matériel tout juste retiré d’un site en faillite serait plus faible. Sur eBay, plusieurs vendeurs utilisent les mêmes photos de produits neufs emballés, ou publient même des photos portant le logo de concurrents, ce qui ressemble à un signal d’alerte
  https://introl.com/blog/secondary-gpu-markets-buying-selling...
  https://www.ebay.com/shop/nvidia-h100-gpu?_nkw=nvidia+h100+g...

  • Aux États-Unis continentaux, il doit y avoir au plus 30 à 40 vendeurs fiables qui écoulent en volume, via eBay, du matériel de serveurs de datacenter d’occasion ou reconditionné. Acheter plusieurs GPU d’occasion à un vendeur inconnu avec seulement 14 évaluations est très risqué
    Le risque paraît bien moindre avec une entreprise qui vend des serveurs comme des Dell R840 avec 768 Go de RAM, compte des milliers d’évaluations et affiche une note supérieure à 98,5 %
  • Je me demande qui achèterait à 70 % du prix neuf du matériel qui a de fortes chances d’être défectueux. S’il s’agit de l’équipement d’un petit labo de recherche qui a fermé rapidement, pourquoi pas, mais j’ai du mal à croire qu’un cluster exploité pendant des années près de ses limites thermiques puisse atteindre de tels prix en occasion

• Nvidia pourrait conclure avec ses grands clients des accords de rachat façon Ferrari, afin d’éviter qu’un afflux massif de matériel issu des mises à niveau fasse s’effondrer les prix, et pour préserver la rareté
  Sinon, j’espère pouvoir trouver des H100 sur le marché ouvert dans quelques années

  • J’ai travaillé dans une organisation disposant d’un grand datacenter GPU interne, et le contrat de transition à un taux de remise important incluait la condition de remettre tout le matériel existant et de cesser les achats supplémentaires
  • Si les A100 et H100 deviennent complètement dépassés pour faire tourner efficacement les modèles de pointe et que leurs prix s’effondrent, les prochaines années pourraient ouvrir un âge d’or du calcul GPU généraliste
    Ce serait idéal pour les moteurs de requêtes accélérés par GPU, le machine learning traditionnel, et toutes sortes de tâches CPU pouvant être déportées vers le GPU
  • Les datacenters ne se débarrasseront des H100 que lorsque l’efficacité énergétique des nouvelles puces sera tellement meilleure que l’économie d’exploitation ne tiendra plus
    À ce moment-là, les H100 seront comme les V100 d’occasion aujourd’hui : une efficacité énergétique médiocre, pas de prise en charge des derniers formats de données ni des moteurs de calcul récents, des cartes susceptibles de fondre sans adaptateurs étranges et ventilateurs de serveur assourdissants, et un support CUDA terminé depuis longtemps. À moins de n’avoir absolument aucune autre option, ils risquent d’être presque inutiles
  • De tels contrats devraient être illégaux, et cela ressemble fortement à une pratique commerciale trompeuse
  • Si un marché amateur des H100 apparaissait, ce serait assez étrange. On pourrait même imaginer un business consistant à acheter du matériel d’occasion pour le transplanter dans de nouveaux châssis

• Si Huawei met sur le marché des accélérateurs à bas coût, les entreprises américaines d’IA découvriront bientôt la valeur réelle de leurs actifs ; il leur reste sans doute 6 à 9 mois

• Les informations comme les racks qui chauffent en été, les circuits de refroidissement devenus instables après une mise à jour de firmware, ou les jobs à détourner de nœuds proches de la panne devraient toutes se trouver dans le système de monitoring
  Dans ce cas, n’importe quel modèle de pointe peut comprendre la situation en peu de temps ; l’auteur ne semble donc pas bien mesurer les changements apportés par les systèmes qu’il manipule

  • Si les phrases ont été générées par une IA générative, l’auteur ne les a pas écrites lui-même ; le niveau de compréhension de l’auteur n’entre donc pas vraiment en jeu

• Je ne vois pas pourquoi ce problème serait propre aux clusters GPU. En général, les personnes chargées de l’octroi ou de la reprise de prêts n’ont pas la capacité d’exploiter et d’entretenir les actifs pris en garantie ; c’est pour cela que maisons, voitures et équipements sont vendus aux enchères bien en dessous de leur valeur réelle, et que les prêteurs s’assurent

  • Ce n’est pas un problème propre aux clusters GPU. Cela ressemble plutôt à un long texte de quelqu’un persuadé d’avoir découvert une intuition profonde et décisive
    J’ai vu une grande scierie saisie par une banque après l’impossibilité de rembourser un gros prêt. La banque ne voulait pas se retrouver à gérer l’entreprise, mais quand le fondateur a arrêté, elle n’avait pas le choix. Elle ne savait même pas quoi faire du bois fini dans les séchoirs, et encore moins de toute l’infrastructure de la scierie ; faute de trouver un acheteur, elle a engagé le fondateur comme consultant pour procéder à la liquidation. Un datacenter saisi suivra le même parcours
  • Les enchères peuvent être une très mauvaise façon d’acheter des actifs coûteux et risqués. On ne peut pas les vérifier aussi complètement que dans une transaction classique, et le prix d’enchère reflète ce risque

• Si la valeur des GPU baisse relativement lentement, c’est un produit des contraintes d’approvisionnement. Si l’on pouvait choisir librement entre Hopper et Rubin pour l’inférence FP4, même avec du matériel gratuit et seulement l’électricité à payer, Hopper ne serait pas attractif en raison de ses performances par watt
  Aujourd’hui, il est difficile d’obtenir Blackwell, sans parler de Rubin, donc les gens paient pour des H100 ; mais ce phénomène ne durera pas si la capacité de production des fabs augmente

  • Les limites physiques de la lithographie ralentissent aussi fortement le rythme des progrès technologiques, et il sera difficile de revoir les bonds générationnels d’autrefois
    Plus étrange encore : d’énormes volumes de matériel sont en carnet de commandes, et des équipements déjà alloués et opérationnels restent inutilisés en attendant l’achèvement des installations. La construction de ces sites a déjà pris des années de retard, et l’ensemble est enchevêtré dans toutes sortes de crédits et de swaps de dette entre entreprises concernées ; ce n’est pas une simple bulle, mais plutôt un château de cartes bâti sur un ballon
  • La capacité de production des fabs ne peut pas être augmentée facilement. Tout dépend d’ASML, qui ne produit que quelques dizaines de machines EUV par an
  • Je me demande même si les fabs augmenteront vraiment leur capacité. Commercialement, il pourrait être plus avantageux de maintenir des prix élevés sans expansion
  • Je me demande ce qu’il est advenu du prix des pelles après la fin de la ruée vers l’or. Les forgerons ont dû voir affluer autant de ferraille qu’ils le souhaitaient

• Ce que le marché des cryptomonnaies nous a appris, c’est que la fin de vie d’un GPU n’est pas principalement due aux pannes. C’est plutôt l’apparition, dans de nouvelles conditions de marché, d’alternatives qui rendent l’efficacité énergétique du vieux matériel non rentable

  • Cela dit, il n’existe pas de vrai marché de l’occasion pour les cartes SXM

• Le Mac Studio 512 Go se vend sur eBay au double de son prix neuf du début d’année

  • J’ai du mal à comprendre pourquoi, alors que ce n’est ni du HBM ni un vrai GPU. Un modèle peut tout juste tenir en mémoire, et pour quelqu’un habitué seulement à un MacBook, cela peut ressembler à un serveur qu’on laisse tourner en permanence, mais faire tourner un agent de code compétent à une vitesse pratique semble toujours difficile
    Si l’on est prêt à dépenser le prix d’une bonne voiture neuve, mieux vaut construire une vraie workstation. Un ordinateur de la taille d’une Apple TV ne peut pas être le meilleur choix en performance par euro ; je me demande si ce sont des aspirants fondateurs vibe très aisés qui font monter la température entre eux
  • https://news.ycombinator.com/item?id=49005798 indique vouloir vendre un M3 Ultra Mac Studio avec 512 Go de mémoire, avec un prix supérieur à 20 000 dollars
  • Dans mon pays aussi, des produits similaires au DGX Spark se revendent presque deux fois leur prix d’achat. Quel monde absurde
  • Tout ce qui contient de la RAM devient un actif qui prend de la valeur

• L’article décrit les clusters GPU comme de la science spatiale, mais si on les remplace par des centrales électriques, la question ne change absolument pas. Les deux sont complexes, comportent de nombreuses variables, et nécessitent une puissance de sortie actuelle, une maintenance régulière, du personnel qualifié, etc.
  Au final, on résoudra le problème soi-même ou l’on contractera avec une entreprise capable de le faire ; et dans les faits, il y aura beaucoup d’acteurs voulant louer ce type de cluster pour l’IA

• Il y a suffisamment de signes indiquant que des GPU saisis arriveront bientôt massivement sur le marché. Ce sera chaotique pendant un temps, mais si les GPU d’occasion deviennent faciles à obtenir, beaucoup de possibilités s’ouvriront

  • Cela rappelle le marché des armes après l’effondrement de l’Union soviétique. Il n’y a probablement jamais eu de meilleure période pour se procurer des chars fonctionnels ou des composants d’armes nucléaires
  • Je me demande ce qu’on fera de tous ces GPU. Tout le monde pourrait finir avec un excellent PC de jeu
    Plus réalistement, les fermes de minage de cryptomonnaies pourraient exploser à nouveau et faire baisser les prix des cryptos, mais je me demande quels autres changements un afflux massif de GPU bon marché pourrait rendre possibles