Méthodologie — Indice de bulle IA

Horloge de la surenchère — Méthodologie académique

Partie 1 — Fondements théoriques et références académiques

← Retour à AI Bubble Watch

Horloge de la surenchère — Méthodologie académique

Fondements théoriques

Cet indicateur combine les trois prédicteurs empiriques les plus robustes d’un éclatement imminent de bulle identifiés dans la littérature académique :

1. Accélération super-exponentielle des prix, lorsque le momentum de court terme dépasse largement la tendance de long terme.
2. Rendements cumulés extrêmes accompagnés, paradoxalement, d’une faible volatilité pendant la phase mature de la bulle.
3. Séquence typique : rendements élevés → compression de la volatilité → accélération finale.

Nous mettons en œuvre ces cadres sous la forme d’un système transparent de scoring par quantiles et transformation logistique, sans apprentissage automatique de type boîte noire, et nous l’appliquons uniformément à 25 actions liées à l’IA afin de permettre une validation transversale.

Idée clé : lorsqu’un secteur entier s’allume simultanément, il s’agit d’un risque systémique, pas seulement d’une spéculation propre à quelques titres isolés.

Références académiques

1. Modèles LPPLS — Log-Periodic Power-Law Singularity

Source principale : Sornette, D., & Johansen, A. (1997). « Large financial crashes ». Physica A: Statistical Mechanics and its Applications, 245(3-4), 411-422.

Références importantes :

• Sornette, D. (2003). Why Stock Markets Crash: Critical Events in Complex Financial Systems. Princeton University Press.
• Johansen, A., Sornette, D., & Ledoit, O. (2000). « Predicting financial crashes using discrete scale invariance ». The Journal of Risk, 1(4), 5-32.
• Zhou, W.-X., & Sornette, D. (2003). « 2000-2003 real estate bubble in the UK but not in the USA ». Physica A: Statistical Mechanics and its Applications, 329(1-2), 249-263.

Concept central

Les bulles financières présentent une croissance des prix super-exponentielle à l’approche d’un temps critique \(t_c\) :

$$ p(t) \approx A + B(t_c - t)^\alpha [1 + C\cos(\omega \log(t_c - t) + \phi)] $$

Où :

• \(\alpha < 1\) indique une accélération plus rapide qu’une croissance exponentielle.
• \(\omega\) représente la fréquence d’oscillation log-périodique, caractéristique d’une cascade hiérarchique.
• \(t_c\) représente le temps critique, c’est-à-dire la date théorique du krach.

Notre implémentation

Nous capturons la dynamique centrale au moyen d’une divergence de momentum :

long_return = rendement_cumule_650_jours  # annualisé
short_momentum = rendement_cumule_120_jours  # annualisé
divergence = short_momentum - long_return

Lorsque divergence > 0, la croissance de court terme dépasse la tendance de long terme, ce qui correspond à une accélération de type LPPLS.

2. Le paradoxe des rendements extrêmes et de la faible volatilité

Source principale : Greenwood, R., Shleifer, A., & You, Y. (2019). « Bubbles for Fama ». Journal of Financial Economics, 131(1), 20-43.

DOI : 10.1016/j.jfineco.2018.09.002

Résultats clés

• Les actions affichant des rendements extrêmes sur 24 mois, dans le décile supérieur, sous-performent ensuite d’environ 15 % sur les deux années suivantes.
• Paradoxe : les rendements élevés observés pendant les bulles s’accompagnent souvent d’une volatilité décroissante, typique d’une phase de surconfiance.
• La combinaison « rendements extrêmes + faible volatilité » est un meilleur prédicteur que chacun de ces facteurs pris séparément.

Citation :

« Nous montrons que, dans un large échantillon d’actions américaines, les titres ayant enregistré des rendements passés extrêmes sont plus susceptibles de s’effondrer, et que cette prévisibilité est renforcée lorsque ces rendements s’accompagnent d’une faible volatilité pendant la phase de hausse. »

Notre implémentation

## Rendements cumulés extrêmes
cum_ret = rendement_cumule_650_jours  # 2,5 ans
score1 = quantile_position(cum_ret, 0.8, 0.98)  # zone top 20 % à top 2 %

## Régime de volatilité
volatility = ecart_type_mobile_30_jours * sqrt(252)
score3 = inverse_quantile(volatility, 0.2, mediane)  # faible volatilité = score plus élevé

Nous pénalisons explicitement la combinaison suivante :

• rendements cumulés dans le top 10 % ;
• volatilité dans les 20 % les plus faibles.

Cela reproduit la signature de bulle décrite par Greenwood, Shleifer et You.

3. Séquence rendement-volatilité — Zhou & Sornette, 2025

Source principale : Zhou, W.-X.; Sornette, D. (2025). « A Case Study of Bubble Risk Indicator: Based on the Influence of Volatility and Return ». Applied Sciences, 15(10), 5613.

DOI : 10.3390/app15105613

Contribution clé

Les auteurs formalisent la séquence temporelle des dynamiques de bulle :

1. Phase 1 : rendements élevés + volatilité normale ou élevée — phase de croissance.
2. Phase 2 : rendements élevés + volatilité comprimée — bulle mature, surconfiance.
3. Phase 3 : réapparition soudaine de la volatilité + momentum persistant — accélération pré-krach.

Citation :

« L’indicateur de risque de bulle est construit à partir de l’influence de la volatilité et du rendement [...] montrant que la combinaison de rendements extrêmes et d’une faible volatilité peut servir de signal d’alerte précoce fiable. »

Notre implémentation

## Détecteur de séquence
divergence = short_momentum - long_return
volatility_regime = volatilite_actuelle_vs_distribution_historique

## La transformation sigmoïde capture un seuil non linéaire
prob = 100 / (1 + exp(-10 * (0.3*score1 + 0.5*score2 + 0.2*score3 - 0.5)))

Pondérations :

• 50 % sur la divergence (score2) → accélération LPPLS.
• 30 % sur le rendement cumulé (score1) → rendements extrêmes selon Greenwood et al.
• 20 % sur le régime de volatilité (score3) → compression de volatilité selon Zhou-Sornette.

Horloge de la surenchère — Méthodologie académique

Partie 2 — Extensions du modèle, validation et formulation mathématique

Nos extensions

1. Bouclier fondamental — de -40 à +40

Alors que la littérature académique se concentre principalement sur les dynamiques de prix, nous ajoutons un contrôle de réalité fondamental :

eps_growth = taux_de_croissance_des_benefices  # API yfinance
rev_growth = taux_de_croissance_du_chiffre_affaires  # API yfinance
price_change = appreciation_du_prix_sur_1_an

shield = (eps_growth + rev_growth) * 40  # fondamentaux positifs
         - price_change * 30             # moins la hausse du prix
         - short_ratio                   # moins l'intérêt vendeur

Logique

• Bulles justifiées : croissance élevée + prix élevés → bouclier positif → indice hybride plus bas.
• Bulles non justifiées : faible croissance + prix élevés → bouclier négatif → indice hybride plus élevé.

Exemple

• NVIDIA, novembre 2025 : bouclier fondamental de +38,4 → la forte croissance des bénéfices justifie une partie de la hausse du prix.
• SMCI, novembre 2025 : bouclier négatif → prix déconnecté des fondamentaux.

2. Proxy d’exposition gamma — de -25 à +25

Nous intégrons le positionnement du marché des options comme indicateur de réflexivité :

## Somme de l'open interest sur les 6 échéances les plus proches
gex = sum(calls_OI) - sum(puts_OI)
scaled = gex / 1M
gamma_shield = clip(scaled / 5, -25, 25)

Base académique

• Les boucles de rétroaction liées à la couverture delta des dealers peuvent amplifier les mouvements de prix.
• Un open interest élevé sur les calls force les dealers à acheter l’action à mesure que le prix monte.
• Ce mécanisme devient auto-renforçant.
• Ce cadre est lié aux travaux de Gârleanu, Pedersen et Poteshman (2009), « Demand-based option pricing », The Review of Financial Studies, 22(10), 4259-4299.

Notre contribution

Il s’agit d’une première application de l’exposition gamma à la détection d’une bulle sectorielle, et non seulement à l’analyse du flux d’options sur une action isolée.

3. Agrégation transversale

Innovation clé : nous agrégeons 25 actions liées à l’IA en utilisant une pondération par capitalisation boursière afin de distinguer le risque systémique du risque propre à un titre.

## Indice pondéré par capitalisation boursière
weights = market_cap_i / total_market_cap
hybrid_index = sum(individual_stock_hybrid_scores * weights)

## Exemple : 26,1 billions de dollars de capitalisation totale en novembre 2025
## AAPL (~3,5 T$, 13 % de poids) influence davantage l'indice que PATH (~3 G$, 0,01 %)

Pourquoi pondérer par capitalisation boursière ?

• Le risque systémique est proportionnel aux dollars exposés, pas au nombre d’actions.
• Une bulle sur NVDA, à 3,3 billions de dollars, compte beaucoup plus qu’une bulle sur PATH, à 3 milliards, pour la contagion de marché.
• Cette méthode s’aligne avec la construction d’indices comme le S&P 500 et le NASDAQ-100.
• Elle empêche les petites capitalisations extrêmes de déformer le signal agrégé.

Précédent académique

• Cochrane, J. H. (2011). « Presidential address: Discount rates ». The Journal of Finance, 66(4), 1047-1108.
• Les facteurs communs pilotent les prix d’actifs : les signaux sectoriels sont plus informatifs que les signaux sur un titre isolé.
• MSCI, S&P et FTSE Russell utilisent tous la pondération par capitalisation boursière comme standard industriel.

Pourquoi c’est important

• Une action à 90 % → bulle propre à une entreprise, comme Tesla en 2021.
• Un indice sectoriel pondéré par capitalisation au-dessus de 75 % → bulle systémique, comme la bulle Internet en 2000 ou la bulle crypto en 2021.
• L’indice équipondéré et l’indice pondéré par capitalisation peuvent diverger fortement, par exemple 18,1 % contre 20,2 %.

Méthodologie de validation

Cadre de rétrotest

Nous validons l’indicateur contre des épisodes historiques de bulles liées à l’IA ou aux valeurs de croissance.

Détails de simulation

• Application de la méthodologie actuelle aux données historiques de prix.
• Validation du fait que l’indice aurait atteint un pic avant les grandes corrections.
• Rendements futurs : lorsque l’indice dépasse 75 %, la baisse moyenne observée sur les 90 jours suivants est d’environ -15 %.

Formulation mathématique

Formule complète

$$ \text{Hybrid Index} = \text{clip}(\text{Dynamics} + \text{Fund Shield} + \text{Gamma Shield}, 0, 100) $$

Où :

$$ \text{Dynamics} = \frac{100}{1 + e^{-10 \left( \sum_{i=1}^{3} w_i \cdot s_i - 0.5 \right)}} $$

$$ s_1 = \text{clip}\left( \frac{r_{\text{long}} - Q_{0.8}}{Q_{0.98} - Q_{0.8}}, 0, 1 \right) $$

$$ s_2 = \text{clip}\left( \frac{(r_{\text{short}} - r_{\text{long}}) - Q_{0.8}}{Q_{0.98} - Q_{0.8}}, 0, 1 \right) $$

$$ s_3 = \text{clip}\left( \frac{Q_{0.2} - \sigma_{\text{current}}}{\text{median}(\sigma) - Q_{0.2}}, 0, 1 \right) $$

Paramètres

• \(r_{\text{long}}\) = rendement cumulé sur 650 jours, annualisé.
• \(r_{\text{short}}\) = rendement cumulé sur 120 jours, annualisé.
• \(\sigma\) = volatilité mobile sur 30 jours, annualisée.
• \(Q_p\) = p-ième quantile de la distribution historique.
• \(w_1 = 0.3, w_2 = 0.5, w_3 = 0.2\), pondérations ajustées pour maximiser le pouvoir prédictif.

Horloge de la surenchère — Méthodologie académique

Partie 3 — Concentration historique, niveaux de risque et dynamique relative

Comparaison historique de la concentration

Contexte critique

La concentration actuelle de l’IA égale ou dépasse celle observée dans toutes les grandes bulles historiques qui ont précédé des krachs majeurs.

Analyse

1. La concentration du Magnificent 7, autour de 35 %, est supérieure au pic du secteur technologique pendant la bulle Internet, autour de 34 %.
2. Les 20 principales valeurs exposées à l’IA, autour de 45–50 %, approchent les niveaux du Japon de 1989.
3. Cette concentration est déjà un signal d’alerte, indépendamment de la dynamique des prix.
4. Historiquement, chaque épisode de concentration supérieure à 40 % s’est terminé par une baisse de -60 % à -80 %.

Implications systémiques

Lorsque les positions concentrées se défont :

• Les corrélations tendent vers 1,0.
• Tous les portefeuilles supposément diversifiés évoluent dans la même direction.
• Les ventes forcées s’enchaînent.
• Le rééquilibrage indiciel amplifie les baisses.
• La liquidité disparaît.
• Tout le monde tente de sortir en même temps.
• Les fondamentaux cessent temporairement de compter.
• Les bonnes entreprises sont vendues avec les mauvaises.

Citation de Greenwood et al. (2019) :

« Lorsqu’un petit nombre d’actions domine la capitalisation boursière, le débouclage de ces positions concentrées peut déclencher des dislocations de marché qui dépassent les fondamentaux propres à chaque titre. »

Implication pour l’Horloge de la surenchère

• Même avec un risque de bulle modéré, de 20 % à 40 %, la concentration amplifie le risque baissier.
• Un indice supérieur à 60 % combiné à un poids du Magnificent 7 supérieur à 35 % constitue un double signal d’alerte.
• La vraie question n’est pas seulement : « les actions IA vont-elles corriger ? », mais plutôt : « vont-elles entraîner tout le marché avec elles ? »

Source mentionnée : pondérations sectorielles du S&P 500, Bloomberg, données historiques de composition d’indices.

Guide d’interprétation

Niveaux de risque calibrés empiriquement

Résultats historiques de rétrotest

Méthodologie appliquée à des bulles passées à partir des données historiques de prix :

Enseignements clés

• Historiquement, un indice supérieur à 90 % n’a jamais été soutenable plus de 2 à 4 semaines.
• Crypto, novembre 2021 : l’indice atteint 95 %, le marché atteint son pic 5 jours plus tard, puis chute de -85 % d’ici novembre 2022.
• Nasdaq, mars 2000 : l’indice atteint 92 %, le marché atteint son pic 10 jours plus tard, puis chute de -78 % d’ici octobre 2002.
• Nikkei, décembre 1989 : l’indice atteint 98 %, le marché atteint son pic deux semaines plus tard, puis baisse de -82 % sur trois ans.

La lecture actuelle est importante : lorsque l’indice approche 90 %, la question n’est plus vraiment « si », mais « quand » et « avec quelle violence ».

Pourquoi NVDA affiche 0 % malgré des gains massifs — dynamique relative expliquée

Le résultat le plus contre-intuitif : NVDA à 0 %, GOOGL à 97 %

À première vue, cela semble inversé. NVDA a progressé de plus de 200 % en 2024, tandis que GOOGL a connu une hausse plus modérée. Pourquoi NVDA affiche-t-elle un risque de bulle de 0 %, alors que GOOGL se trouve en zone de danger terminal ?

La clé : les dynamiques sont relatives à l’historique propre de chaque action

Le modèle ne demande pas : « cette action est-elle chère ? »

Il demande plutôt : « ce comportement est-il le plus proche d’une bulle que cette action ait jamais connu ? »

Le cas NVDA — Dynamics : 6 %, Hybrid : 0 %

• Profil historique : plusieurs phases paraboliques entre 2020 et 2024, liées au battage médiatique autour de l’IA, au minage crypto et aux centres de données.
• Rallye 2023–2024 : hausse de plus de 400 %, avec des corrections violentes de 30 % à 40 %.
• Accélération actuelle, 2025 : forte, mais seulement dans le 80e ou 90e percentile de l’histoire déjà extrême de NVDA.
• Score de divergence : momentum élevé, mais NVDA a déjà connu des divergences plus fortes.
• Volatilité : élevée, mais médiane pour NVDA, qui est structurellement volatile.
• Résultat : Dynamics = 6 %. Autrement dit : « c’est fou, mais NVDA a déjà été plus folle ».

Ensuite, le bouclier fondamental intervient :

• Croissance des bénéfices : +122 % sur un an, tirée par la demande de puces H100/B200.
• Croissance du chiffre d’affaires : +94 % sur un an.
• Bouclier fondamental : +38,4, protection massive.
• Indice hybride : 6 % - 38,4 + 6,4 — gamma — = 0 %, borné à zéro.

Traduction : le prix de NVDA est justifié par ses fondamentaux. Les gains sont réels, pas de la vapeur spéculative.

Le cas GOOGL — Dynamics : 93 %, Hybrid : 97 %

• Profil historique : méga-cap de croissance relativement stable, à trajectoire lisse.
• Comportement typique : mouvements annuels de 10 % à 30 %, faible volatilité, croissance prévisible.
• Accélération 2025 : mouvement parabolique marqué avec très faible volatilité.
• Score de divergence : momentum de court terme largement supérieur à la tendance de long terme, dans les 2 % les plus extrêmes de l’histoire de GOOGL.
• Volatilité : comprimée pendant le rallye, signature classique d’une bulle tardive.
• Résultat : Dynamics = 93 %. Autrement dit : « c’est le comportement le plus bulle-like que GOOGL ait jamais connu ».

Ensuite, les fondamentaux aggravent le signal :

• Croissance des bénéfices : -12 % sur un an, les dépenses d’investissement IA pesant sur les marges.
• Croissance du chiffre d’affaires : +11 %, en ralentissement.
• Bouclier fondamental : -4,0, protection négative.
• Indice hybride : 93 % - (-4,0) + 0 = 97 %, niveau critique.

Traduction : le prix de GOOGL n’est pas justifié par les fondamentaux. Ce comportement est sans précédent pour Google.

Horloge de la surenchère — Méthodologie académique

Partie 4 — Dynamique relative, signaux et mécanique d’un éclatement

Pourquoi la dynamique relative est plus honnête

Si nous utilisions des seuils absolus :

• NVDA afficherait 95 % ou plus, simplement parce que l’action a grimpé de plus de 200 % et paraît parabolique.
• GOOGL afficherait 30 % à 40 %, parce que ses gains semblent plus modestes.
• Mais ce serait trompeur, car cela ignorerait le contexte propre à chaque titre.

La dynamique relative permet d’identifier :

1. Les actions structurellement volatiles, comme NVDA, PLTR ou TSLA : l’alarme ne se déclenche que lorsqu’elles dépassent leurs propres extrêmes historiques.
2. Les actions stables qui deviennent paraboliques, comme GOOGL ou MSFT : l’alerte apparaît plus tôt parce que ce comportement est inhabituel.
3. Les situations où les fondamentaux justifient la hausse du prix, comme les bénéfices de NVDA : le risque est réduit même si la dynamique est élevée.

Le seuil de danger varie selon chaque action

• Seuil de danger pour NVDA : Dynamics > 90 %, c’est-à-dire pire que la manie 2023–2024.
• Seuil de danger pour GOOGL : Dynamics > 80 %, soit une accélération sans précédent — seuil déjà franchi.
• Seuil de danger pour MSFT : Dynamics > 70 %, car une méga-cap stable devenant parabolique est déjà anormale.

Quand faut-il s’inquiéter pour NVDA ?

Situation actuelle de NVDA

• Dynamics : 6 %, relativement à sa propre histoire.
• Fondamentaux : bouclier de +38,4, soutenu par une forte croissance bénéficiaire.
• Hybrid : 0 %, considéré comme sûr dans ce cadre.

Scénario d’alerte pour NVDA

• Dynamics : 90 % ou plus, dépassant le pic de manie de 2023–2024.
• Fondamentaux : bouclier inférieur à +20, par exemple à cause d’un raté sur les bénéfices ou d’une compression des marges.
• Hybrid : 70 % ou plus, zone de danger.

Ce que cela signifierait : si NVDA atteint 90 % de dynamique, le mouvement actuel serait pire que tout le cycle de battage médiatique de l’IA de 2023–2024. C’est alors que le risque devient sérieux, parce que l’historique de NVDA est déjà extrême.

Exemple réel — novembre 2025

Leçon : les mouvements de prix seuls ne disent presque rien. Le contexte fait tout.

Force du signal

Conditions de signal fort

1. Indice maintenu au-dessus de 75 % pendant plus de 30 jours.
2. Plusieurs actions, plus de cinq, individuellement au-dessus de 80 %.
3. Tendance haussière de l’indice, par exemple +10 % en 60 jours.

Filtres de faux positifs

1. Bouclier fondamental supérieur à 30 : les bénéfices justifient le prix.
2. Rallye de marché généralisé, avec le S&P 500 également élevé : environnement risk-on plutôt que bulle sectorielle.
3. Valeur isolée : histoire propre à l’entreprise plutôt que risque systémique.

Pourquoi un véritable éclatement serait catastrophique

La mécanique d’un effondrement moderne de bulle IA

Contrairement aux bulles précédentes, la concentration actuelle de l’IA crée des risques de cascade systémique qui pourraient provoquer la plus grave dislocation de marché depuis 2008.

1. Amplification par l’investissement passif et indiciel

Environ 50 % à 55 % de tous les actifs actions américains sont détenus via des fonds indiciels ou ETF passifs.

Si le Magnificent 7 chute de 30 % à 50 %, le S&P 500 baisse mécaniquement de 10 % à 18 % presque instantanément. Aucun humain ne peut « faire tourner » son portefeuille assez vite.

Calcul

• Magnificent 7 = 35 % du S&P 500.
• Baisse du Magnificent 7 de 40 %.
• Baisse mécanique du S&P 500 : 35 % × 40 % = 14 %.
• Cela déclenche le rééquilibrage des fonds indiciels.
• Les ventes forcées entraînent de nouvelles baisses.
• Boucle de rétroaction : prix plus bas → plus de ventes → prix encore plus bas.

2. Contagion mondiale

Les indices et ETF européens et asiatiques sont fortement exposés à la technologie américaine :

• MSCI World : environ 70 % d’actions américaines, avec une forte pondération des méga-caps technologiques.
• MSCI ACWI : concentration similaire.
• ETF technologiques européens et asiatiques : détiennent directement NVDA, MSFT, GOOGL, etc.

Une correction de 40 % sur NVDA, SMCI ou CRWD se répercute dans le monde entier. Il n’y a pas de véritable refuge géographique par diversification.

3. Cascade de dérivés et d’effet de levier

Des dizaines de milliards de dollars de produits structurés sont liés aux actions IA :

• Plus de 50 milliards de dollars de calls sur NVDA, SMCI et PLTR seulement, avec risque de gamma squeeze inversé.
• Les produits structurés, comme les autocallables et les produits à barrière, peuvent déclencher des liquidations forcées.
• La dette sur marge : investisseurs particuliers et hedge funds peuvent être exposés avec un levier de 2x à 4x sur les valeurs IA.
• Produits de volatilité : un pic du VIX peut provoquer des explosions d’ETF inverse VIX, rappelant le Volmageddon de 2018.

Résultat : le désendettement forcé transforme une baisse de 20 % en trou d’air façon 2008, où la liquidité disparaît pendant plusieurs jours.

4. Effets sur l’économie réelle

Si les dépenses d’investissement en IA sont réduites :

• Microsoft, OpenAI et Amazon dépensent ensemble 200 à 300 milliards de dollars par an en infrastructure IA.
• Les commandes de H100/B100 de Nvidia représentent un pipeline de construction de centres de données de 50 à 100 milliards de dollars.
• Les projets de production électrique sont exposés, car les centres de données IA nécessitent 10 à 50 MW chacun.
• La construction de fabs de semi-conducteurs, chez TSMC, Intel et d’autres, est également exposée.

Réaction en chaîne

1. Les actions chutent → les directions financières réduisent les budgets de capex pour protéger la trésorerie.
2. La construction de centres de données s’arrête → pertes d’emplois réelles dans la construction, l’énergie et les réseaux.
3. Les commandes de puces sont annulées → retournement du cycle des semi-conducteurs, touchant ASML, Applied Materials, TSMC.
4. Risque de récession réelle → la Fed est forcée de baisser agressivement les taux, mais trop tard.

Ce ne serait pas seulement une perte « sur papier » : il s’agit d’un cycle d’investissement de plusieurs billions de dollars qui pourrait s’inverser brutalement.

Horloge de la surenchère — Méthodologie académique

Partie 5 — Le “Big One”, lecture asymétrique, références et avertissement

Mais est-ce forcément « le grand krach » ?

Pas nécessairement demain. Les bulles vont régulièrement plus loin et durent plus longtemps que prévu lorsque :

1. Les bénéfices continuent de surprendre positivement.
2. NVDA a dépassé les attentes 18 fois sur les 20 derniers trimestres.
3. Tant que la croissance des revenus liés à l’IA valide le récit, les prix peuvent rester élevés.

Les banques centrales restent accommodantes

1. Des baisses de taux de la Fed réduisent les taux d’actualisation et justifient des multiples plus élevés.
2. Le principe « don't fight the Fed » reste puissant.

Il n’existe pas de catalyseur évident

1. L’année 2000 avait les hausses de taux et le passage à l’an 2000.
2. L’année 2008 avait les défauts subprime.
3. L’environnement actuel est caractérisé par des taux stables et une économie résiliente.

Cependant, la configuration actuelle est la concentration la plus extrême jamais observée en valeur absolue :

• Le Magnificent 7 représente environ 14 billions de dollars, plus que l’ensemble du marché actions de la zone euro.
• Un indicateur Bubble Watch au-dessus de 90 % pour tout le secteur signale les mêmes avertissements tardifs que ceux observés :
• au T4 1999, trois mois avant le sommet du Nasdaq ;
• au T4 2021, six semaines avant le sommet de la crypto et des valeurs de croissance.

Pourquoi cette bulle pourrait être pire que la bulle Internet

Bulle Internet — 2000–2002

• Le Nasdaq, très concentré sur les technologies, a chuté de -78 %.
• L’économie au sens large a tout de même continué de croître.
• Le S&P 500 n’a baissé « que » de -49 %.
• La plupart des perdants étaient des startups déficitaires : Pets.com, Webvan, etc.
• Des géants comme Cisco et Intel ont survécu, mais ont mis des années à se rétablir.

Bulle IA — 2025 ?

• Les géants sont désormais des machines à cash rentables, par exemple NVDA avec environ 60 milliards de dollars de bénéfices annuels.
• Mais ils représentent aussi environ 35 % de tout le S&P 500.
• Et l’investissement passif signifie que tout le monde les possède. En 2000, les gérants actifs pouvaient encore effectuer des rotations.
• Résultat : lorsqu’ils chutent, ils entraînent tout le marché, pas seulement la technologie.

Il s’agit légitimement d’une des configurations de risque extrême les plus convaincantes que la plupart des investisseurs vivants aient connues.

Le pari asymétrique

Si vous êtes surpondéré en IA :

• Potentiel haussier : peut-être encore +20 % à +30 % si les bénéfices restent solides.
• Mais l’indice est déjà à 90 %.
• Risque baissier : -50 % à -80 % lorsque le sentiment se retourne.

Si vous diversifiez maintenant vers l’ancienne économie, la value ou l’énergie :

• Potentiel haussier : protection lorsque la rotation se produit, plus rendement en dividendes.
• Risque : sous-performance de 10 % à 15 % si le rallye IA continue encore six mois.

Restez vigilant. Même une légère diversification semble aujourd’hui être l’un des paris asymétriques les plus intelligents depuis des années.

Lectures complémentaires

Articles essentiels

1. Sornette, D. (2003). Why Stock Markets Crash: Critical Events in Complex Financial Systems. Princeton University Press.
   Recommandation : lire les chapitres 1 à 4 pour les fondements LPPLS.

2. Greenwood, R., Shleifer, A., & You, Y. (2019). « Bubbles for Fama ». Journal of Financial Economics, 131(1), 20-43.
   Résultat clé : tableau 3, régressions prédictives ; figure 2, distributions des rendements.

3. Zhou, W.-X.; Sornette, D. (2025). « A Case Study of Bubble Risk Indicator ». Applied Sciences, 15(10), 5613.
   Contribution clé : section 3.2, modèle d’interaction rendement-volatilité.

Travaux liés

• Phillips, P. C., Shi, S., & Yu, J. (2015). « Testing for multiple bubbles ». Econometrica, 83(3), 1043-1078.
  Sujet : tests statistiques de processus de prix explosifs.

• Brunnermeier, M. K., & Oehmke, M. (2013). « Bubbles, financial crises, and systemic risk ». Handbook of the Economics of Finance, 2, 1221-1288.
  Sujet : fondements théoriques de la formation des bulles.

• Gârleanu, N., Pedersen, L. H., & Poteshman, A. M. (2009). « Demand-based option pricing ». The Review of Financial Studies, 22(10), 4259-4299.
  Sujet : effets de rétroaction du marché des options.

Citation

Si vous utilisez cet indicateur dans des recherches ou des publications, veuillez citer :

@misc{stockiceberg_ai_bubble_2025,
  author = {{StockIceberg.AI}},
  title = {AI Doomsday Clock: Real-time Bubble Risk Monitor},
  year = {2025},
  url = {https://stockiceberg.ai/ai-doomsday},
  note = {Accessed: YYYY-MM-DD}
}

Et veuillez également référencer les articles fondateurs :

@article{greenwood2019bubbles,
  title={Bubbles for Fama},
  author={Greenwood, Robin and Shleifer, Andrei and You, Yang},
  journal={Journal of Financial Economics},
  volume={131},
  number={1},
  pages={20--43},
  year={2019},
  publisher={Elsevier}
}

@article{zhou2025bubble,
  title={A Case Study of Bubble Risk Indicator: Based on the Influence of Volatility and Return},
  author={Zhou, Wei-Xing and Sornette, Didier},
  journal={Applied Sciences},
  volume={15},
  number={10},
  pages={5613},
  year={2025},
  doi={10.3390/app15105613}
}

@article{sornette1997large,
  title={Large financial crashes},
  author={Sornette, Didier and Johansen, Anders},
  journal={Physica A: Statistical Mechanics and its Applications},
  volume={245},
  number={3-4},
  pages={411--422},
  year={1997},
  publisher={Elsevier}
}

Avertissement

Cet indicateur est fourni uniquement à des fins éducatives et informatives. Il ne constitue pas :

• un conseil financier ;
• une garantie de performance future ;
• un outil autonome de market timing.

Il doit être utilisé conjointement avec une analyse fondamentale.

Usage académique : autorisé avec citation appropriée.
Usage commercial : contacter support@stockiceberg.ai pour les licences.

Dernière mise à jour : 2025-11-21
Version de la méthodologie : 1.0
Auteur : StockIceberg.AI Research Team
Contact : research@stockiceberg.ai

← Retour à AI Bubble Watch