Pétrole, inflation, IA : le grand test des marchés privés / Trois crises historiques pour mesurer leurs vulnérabilités actuelles

Le passé est riche d’enseignements, encore faut-il en avoir un. C’est tout le problème des marchés privés, dont les structures actuelles disposent de peu d’historique face aux grandes crises économiques. Pour contourner cet angle mort, PitchBook les a soumises à trois chocs du passé : la stagflation de la fin des années 1970, le choc pétrolier de la guerre du Golfe et l’éclatement de la bulle internet.

Le fournisseur de données s’est appuyé sur ses Private Capital Return Barometers, des modèles qui relient les rendements des différentes stratégies de marchés privés à un ensemble de variables macrofinancières, afin d’estimer comment elles auraient réagi à ces trois épisodes de stress en appliquant aux structures actuelles les conditions observées à l’époque. Publiée fin juillet, l’étude précise que ces trajectoires ne constituent pas des prévisions, mais des projections conditionnelles à la reproduction d’un environnement comparable. L’exercice prend une résonance particulière avec le conflit en Iran. Logiquement, PitchBook considère le scénario du choc pétrolier comme « le plus immédiatement pertinent », alors que les conséquences du choc énergétique actuel ne sont pas encore pleinement visibles dans les rendements publiés des actifs privés, en raison du décalage avec lequel leurs valorisations sont enregistrées.

Un choc pétrolier déjà d’actualité

Le scénario inspiré de la guerre du Golfe montre d’abord que les stratégies de ressources naturelles profiteraient du bond initial des prix du pétrole. Mais cet avantage serait de courte durée. À mesure que les cours de l’énergie se normalisent, l’exposition qui avait soutenu les performances au début du choc finirait au contraire par les freiner. Sur le reste de la période étudiée, les rendements modélisés des ressources naturelles restent ainsi en retrait par rapport au marché dans son ensemble. Le private equity suivrait une trajectoire différente : il amortirait davantage la baisse que les marchés cotés, mais participerait moins à leur rebond. Une fois la volatilité retombée, il se retrouverait privé de ses deux moteurs traditionnels : ni forte dislocation permettant d’investir à bas prix, ni financement suffisamment bon marché pour amplifier les rendements par le levier. La dette privée à taux variable, enfin, bénéficierait moins de la baisse des taux que les obligations à taux fixe, qui profiteraient de l’appréciation de leur prix.

Le venture capital à l’épreuve de la stagflation

Le scénario pétrolier teste la réaction des marchés privés à une secousse brutale. Celui de la stagflation les confronte à une épreuve d’une autre nature : plusieurs années d’inflation élevée, de croissance sous pression et de taux durablement restrictifs. PitchBook prend pour référence la période allant du deuxième trimestre 1979 au deuxième trimestre 1988, qui englobe le choc monétaire de Paul Volcker. Un environnement particulièrement instructif pour un secteur qui s’est largement développé pendant la longue phase de désinflation des années 2000 et 2010 et qui dispose de peu d’historique sous un tel régime.

Le venture capital apparaît alors comme le plus vulnérable. En termes réels, son indice modélisé tombe près de 40 % sous son niveau de départ. Fait notable, cette baisse résulte davantage de l’érosion du pouvoir d’achat que d’un effondrement immédiat des valorisations : les rendements nominaux restent à peu près stables pendant les trois premières années. Le retournement est ensuite tout aussi spectaculaire. Lorsque la désinflation s’installe et que les indicateurs avancés se redressent, les rendements cumulés du VC plus que doublent en deux ans. Le private equity résiste mieux, restant proche de son niveau initial en termes réels durant les trois premières années, mais sans générer beaucoup de rendement jusqu’à la détente de l’inflation et des taux, qui redonne alors à l’effet de levier son rôle de moteur.

La dette privée illustre à nouveau le caractère réversible de certaines protections. Ses taux variables lui évitent une partie des pertes de prix que subissent les obligations à taux fixe lorsque les taux grimpent. Mais lorsque le cycle se retourne, cette caractéristique devient un handicap relatif : les coupons se réajustent à la baisse, tandis que les obligations à taux fixe bénéficient de l’appréciation de leur prix. La structure qui protège pendant la phase de resserrement limite ainsi le potentiel de rebond lorsque les taux diminuent.

Du dot-com à l’intelligence artificielle

Le troisième stress test résonne avec un autre risque très actuel, celui d’une correction des valorisations liées à l’intelligence artificielle. PitchBook prend cette fois pour référence l’éclatement de la bulle internet. Le parallèle a toutefois ses limites : l’étude ne prétend pas que le cycle actuel de l’IA répète celui des dot-com, mais rapproche les deux périodes par la forte concentration des capitaux sur les valeurs de croissance. Dans cette simulation, un choc de type dot-com entraînerait une baisse de 29 % du venture capital actuel entre son pic et son point bas.

L’histoire invite pourtant à prendre ce chiffre avec précaution. Lors de l’éclatement réel de la bulle internet, l’indice américain de VC de PitchBook avait perdu 66 % entre 2000 et 2003, soit plus de deux fois la baisse obtenue par la modélisation. L’écart tient notamment à ce que le modèle mesure la transmission d’un choc systémique à l’ensemble du marché, sans chercher à chiffrer le risque de concentration propre à chaque portefeuille. Or celui-ci est loin d’être théorique aujourd’hui : l’IA représentait 65 % de la valeur des deals de venture capital américains en 2025, tandis qu’une poignée de mégadeals pèse désormais lourd dans la valeur nette agrégée du secteur. Les portefeuilles les plus concentrés pourraient dès lors se comporter davantage comme une véritable « vintage de bulle », c’est-à-dire une génération de fonds particulièrement exposée à un thème au moment où ses valorisations culminent, que ne le suggère la trajectoire moyenne du modèle.