Le Prix et le Coût du Bitcoin : Démêler la Chaîne Causale

1. Introduction & Aperçu

Cet article, « Le Prix et le Coût du Bitcoin » par Marthinsen et Gordon, aborde une lacune critique dans la recherche sur les cryptomonnaies. Alors que de nombreuses études tentent d'expliquer ou de prédire la volatilité du prix du Bitcoin, peu ont examiné rigoureusement la relation entre son prix et le coût du minage. La croyance dominante, mais largement infondée, a été que les coûts de minage constituent un plancher de prix fondamental. Cette recherche utilise la théorie économique pour réfuter cette notion et expliquer la réalité économétrique observée : les coûts de minage suivent les mouvements de prix, ils ne les précèdent pas.

2. Revue de la littérature

2.1 Facteurs économiques et prix du Bitcoin

Les modèles monétaires traditionnels comme la Théorie Quantitative de la Monnaie (TQM) ou la Parité de Pouvoir d'Achat (PPA) sont inadaptés à l'analyse du Bitcoin. Comme le notent Baur et al. (2018), le Bitcoin n'est pas encore une unité de compte ou un moyen d'échange largement répandu. La plupart des biens et services sont libellés en monnaies fiduciaires, le Bitcoin agissant comme une couche de règlement au taux de change au comptant, rendant impossible la création d'un indice de prix conventionnel.

2.2 L'hypothèse du coût comme plancher de prix

Une hypothèse populaire, suggérée par Garcia et al. (2014), postule que le coût de création d'un Bitcoin (via le minage) établit un niveau de support. La logique est que si le prix tombe en dessous du coût de production, le minage devient non rentable, compromettant la sécurité du registre blockchain. Les travaux connexes de Meynkhard (2019) et Hayes (2019) ont utilisé les coûts de minage pour prévoir les prix.

2.3 Défis économétriques

Des analyses économétriques récentes de Kristofek (2020) et Fantazzini & Kolodin (2020) ont remis en cause cette vision. Leurs résultats indiquent un renversement de la causalité présumée : les changements dans les coûts de minage suivent les changements du prix du Bitcoin. Cependant, ces études se limitent à identifier la corrélation sans fournir d'explication économique théorique sur pourquoi ce décalage se produit—une lacune que cet article vise à combler.

Problème clé identifié

Les modèles autorégressifs (ARIMA, GARCH) peuvent modéliser la volatilité à court terme mais échouent à expliquer ou prédire les variations de prix extrêmes (par ex., des hausses de 8x ou des chutes de 80%) en raison d'un manque de mécanismes causaux sous-jacents.

Objectif de la recherche

Expliquer la chaîne de causalité allant du prix du Bitcoin à ses coûts de minage, clarifiant ainsi pourquoi les modèles économétriques échouent et pourquoi les coûts suivent les prix.

3. Idée centrale : Perspective de l'analyste

Idée centrale

L'article porte un coup fatal au dogme simpliste du « coût comme plancher ». Il identifie correctement que le minage est une activité de marché dérivée pilotée par les anticipations de prix, et non un centre de coût primaire dictant la valeur. Le véritable plancher n'est pas le coût, mais l'équilibre de sécurité du réseau où la sortie/réentrée des mineurs crée une stabilité dynamique.

Enchaînement logique

L'argument est élégamment simple : 1) Le prix est fixé par la demande spéculative sur un marché très inefficace. 2) Une hausse des prix signale des récompenses futures plus élevées, attirant plus de mineurs et de dépenses en capital (CapEx) en matériel et énergie. 3) Cette concurrence accrue augmente le taux de hachage du réseau et, par conséquent, la difficulté et le coût par pièce. 4) Par conséquent, le coût est une variable endogène réagissant aux signaux de prix, et non une ancre exogène. Cela reflète les constats sur les marchés de matières premières où la production s'étend après les pics de prix, et non avant.

Points forts & Limites

Points forts : La plus grande force de l'article est d'appliquer la logique classique de la courbe d'offre microéconomique à un actif nouveau. Il réussit à recadrer le minage comme une industrie compétitive avec des intrants variables. Le lien avec les résultats économétriques (tests de causalité de Granger) est convaincant.
Limites : L'analyse, bien que théoriquement solide, est quelque peu générale. Elle ne quantifie pas pleinement les boucles de rétroaction ni ne modélise les décalages temporels impliqués. Elle minimise également le rôle du minage institutionnel avec des contrats d'énergie à coût fixe, qui peut temporairement découpler le coût des prix spot de l'énergie, une nuance mise en avant dans les rapports d'entreprises comme CoinShares Research.

Perspectives exploitables

Pour les investisseurs : Ignorez les modèles de « coût de production » pour le trading à court terme. Ce sont des indicateurs retardés. Surveillez plutôt les dérivés sur le taux de hachage et les métriques de sortie des mineurs. Pour les décideurs politiques : La réglementation ciblant l'utilisation énergétique du minage peut être moins efficace que prévu si les mineurs sont des « price-takers » (preneurs de prix) et non des « price-setters » (fixeurs de prix). L'accent devrait être mis sur les facteurs côté demande de la volatilité des prix.

4. La chaîne causale : Du prix au coût

4.1 Cadre théorique

Le cœur de la contribution de l'article est la modélisation de la chaîne causale. Il postule que le prix du Bitcoin est principalement déterminé par la demande spéculative et le sentiment de marché—des facteurs largement externes à l'écosystème du minage. Un choc positif sur les prix augmente les revenus attendus pour les mineurs. Cela agit comme un signal, incitant :

L'entrée de nouveaux mineurs : Attirés par la rentabilité perçue.
L'investissement dans du matériel plus performant/efficace : Augmentant la puissance de calcul totale du réseau (taux de hachage).
L'ajustement de la difficulté de minage : Le protocole Bitcoin ajuste automatiquement la difficulté de l'énigme cryptographique pour maintenir un temps de bloc d'environ 10 minutes. Un taux de hachage plus élevé entraîne une difficulté plus élevée.

La difficulté accrue et la concurrence pour les blocs augmentent le coût marginal de production d'un nouveau Bitcoin. Ainsi, la hausse des prix déclenche une séquence d'événements qui finit par augmenter le coût de production.

4.2 Formulation mathématique

La relation peut être conceptualisée à travers un modèle simplifié. Soit $P_t$ le prix du Bitcoin au temps $t$, et $C_t$ le coût moyen de minage. Le taux de hachage $H_t$ est une fonction de la rentabilité attendue, elle-même pilotée par le prix.

$H_t = f(E[P_{t+1}], \text{Coût de l'Énergie})$

La difficulté $D_t$ s'ajuste en fonction de $H_t$ :

$D_{t+1} = D_t \cdot \frac{ \text{Temps de Bloc Cible} }{ \text{Temps de Bloc Réel} } \approx g(H_t)$

Le coût $C_t$ est alors une fonction de l'énergie requise pour résoudre un bloc à la difficulté $D_t$ avec une efficacité matérielle $\eta$ et un prix de l'énergie $E$ :

$C_t \approx \frac{ D_t \cdot \text{Énergie par Hachage} \cdot E }{ \eta \cdot \text{Récompense de Bloc Bitcoin} }$

Puisque $D_t$ est piloté par $H_t$, qui est piloté par $P_t$, nous obtenons la chaîne causale : $P_t \rightarrow H_t \rightarrow D_t \rightarrow C_t$. Cela formalise pourquoi $C_t$ suit $P_t$ avec un décalage.

5. Résultats expérimentaux & Analyse des données

Bien que l'analyse empirique complète figure dans l'article original, les résultats implicites concordent avec les études économétriques antérieures. Un test de causalité de Granger sur des séries chronologiques du prix du Bitcoin et d'un indice composite de coût de minage (intégrant les coûts matériels, les prix de l'énergie et le taux de hachage) montrerait probablement :

Aucune causalité de Granger du coût vers le prix : Rejetant l'hypothèse selon laquelle le coût prédit le prix.
Une causalité de Granger significative du prix vers le coût : Confirmant que les prix passés aident à prédire les futurs coûts de minage.

Description du graphique (conceptuel) : Un graphique à double axe sur une période de 5 ans. L'axe principal (gauche) montre le prix du Bitcoin en USD, présentant une forte volatilité avec des pics et des creux majeurs. L'axe secondaire (droite) montre un indice de coût de minage. Visuellement, la courbe des coûts suit de près la courbe des prix mais avec un décalage notable de plusieurs semaines à plusieurs mois, surtout après les mouvements de prix majeurs. Les zones ombrées mettent en évidence les périodes où le prix a clairement précédé les hausses de coûts (par ex., la hausse post-réduction de moitié de 2020).

6. Cadre d'analyse : Un cas pratique

Cas : Évaluer un investissement en minage après une hausse des prix

Scénario : Le prix du Bitcoin augmente de 50% en un mois. Un fonds envisage d'investir dans une nouvelle opération de minage.

Application du cadre :

Signal de demande : Analyser la cause de la hausse des prix (par ex., nouvelles sur l'adoption institutionnelle, couverture macro). Est-elle durable ?
Évaluation du décalage : Reconnaître que la « rentabilité élevée » actuelle est un instantané. Utiliser le modèle causal : $\text{Prix} \uparrow \rightarrow \text{Nouveaux Mineurs Entrent} \rightarrow \text{Taux de Hachage} \uparrow \rightarrow \text{Difficulté} \uparrow \rightarrow \text{Coût Futur} \uparrow \rightarrow \text{Marge Future} \downarrow$.
Matrice de décision : Projeter le décalage temporel pour l'ajustement du taux de hachage/de la difficulté (historiquement 1-3 mois). Modéliser les coûts futurs sur la base de la croissance projetée du taux de hachage. La thèse d'investissement ne doit pas reposer sur les marges actuelles mais sur les marges projetées après l'ajustement de l'industrie.

Ce cadre évite l'écueil courant de surestimer les rendements à long terme en utilisant des données de coût retardées.

7. Applications futures & Axes de recherche

Modèles prédictifs : Intégrer cette compréhension causale dans de nouveaux modèles de prévision. Au lieu d'utiliser le coût pour prédire le prix, utiliser le prix et les indicateurs de sentiment pour prédire le futur taux de hachage et la difficulté de minage, cruciaux pour l'analyse de la sécurité du réseau.
Analyse ESG & Politique : Comprendre que la consommation énergétique du Bitcoin est une fonction de son prix. Les politiques visant à réduire l'empreinte carbone doivent considérer autant le côté demande (moteurs du prix) que le côté offre (source d'énergie).
Valorisation des actions de sociétés de minage : Appliquer le cadre pour valoriser les sociétés de minage cotées en bourse. Leurs bénéfices futurs ne sont pas simplement « prix moins coût », mais dépendent de leur capacité à devancer les augmentations de difficulté et à gérer les cycles de CapEx déclenchés par les mouvements de prix.
Analyse inter-actifs : Étendre le modèle à d'autres cryptomonnaies en Proof-of-Work et comparer l'élasticité et la structure de décalage de leurs relations prix-coût.

8. Références

Marthinsen, J. E., & Gordon, S. R. (2022). The Price and Cost of Bitcoin. Quarterly Review of Economics and Finance. DOI: 10.1016/j.qref.2022.04.003
Baur, D. G., Hong, K., & Lee, A. D. (2018). Bitcoin: Medium of exchange or speculative assets? Journal of International Financial Markets, Institutions and Money, 54, 177-189.
Hayes, A. S. (2019). Bitcoin price and its marginal cost of production: support for a fundamental value. Applied Economics Letters, 26(7), 554-560.
Fantazzini, D., & Kolodin, N. (2020). Does the hashrate affect the Bitcoin price? Journal of Risk and Financial Management, 13(11), 263.
Kristofek, M. (2020). Bitcoin, mining and energy consumption. Digital Assets Lab.
CoinShares Research. (2023, January). The Bitcoin Mining Network. Retrieved from https://coinshares.com
Isola et al. (2017). Image-to-Image Translation with Conditional Adversarial Networks (CycleGAN). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [Exemple de référence externe pour la rigueur méthodologique].