Tous les fonds parlent d’IA, la plupart la financent, et les échanges sur son utilisation dans leurs propres processus de due diligence sont désormais saturés des mêmes discours promotionnels qu’ils entendent lors de centaines de présentations chaque année. Dans ce brouhaha, il devient réellement difficile de discerner ce qui change.
Il faut donc être clair. L’IA transforme la due diligence en capital-risque, mais pas partout ni au même rythme. La question utile n’est pas de savoir si elle transforme le travail, mais quelles tâches elle transforme et où le jugement humain doit conserver sa place. Certaines vérifications sont mécaniques et portent sur de gros volumes : l’IA les transforme rapidement. D’autres reposent sur l’appréciation d’un fondateur ou d’un marché dont dépend la qualité d’un investissement. L’IA ne sait pas porter cette appréciation, quoi qu’une démonstration puisse laisser croire.
Il faut distinguer deux phases, car le rôle de l’IA diffère nettement de l’une à l’autre. D’un côté, la due diligence réalisée avant d’investir : recherche d’opportunités, examen de la data room, étude du marché. De l’autre, la due diligence continue qui devrait se poursuivre pendant toutes les années où le fonds détient une participation. L’essentiel des discussions porte sur la première. Le changement le plus profond, et le moins remarqué, concerne la seconde. C’est aussi celui qui réduit les risques qui font réellement du tort aux fonds.
État des lieux
Avant d’examiner ce qui change, il faut regarder la situation en face, car l’écart entre les discours et les pratiques est considérable.
Au cours des deux dernières années, l’IA est passée de l’expérimentation à un usage courant dans la due diligence en capital-risque, mais de façon inégale et moins complète que les discours ne le suggèrent. Les usages mécaniques en amont de la sélection sont désormais répandus. Une grande partie des fonds utilise une forme de recherche et de présélection assistées par l’IA, s’en sert pour enrichir les données sur les opérations et s’appuie sur elle pour lire plus vite les documents. Ces usages sont bien réels et largement adoptés. Un fonds qui n’en fait pas au moins autant accuse désormais un certain retard.
Les usages plus poussés sont moins matures et plus disparates. L’utilisation réelle de l’IA au cœur de l’évaluation d’une opération, au-delà de la collecte et de la synthèse, reste émergente. Les résultats sont suffisamment mitigés pour que de nombreux investisseurs expérimentés restent sceptiques, à juste titre. L’adoption varie aussi selon la taille et le type de fonds. Les grandes structures disposant d’équipes dédiées aux données ont développé de véritables capacités, tandis que beaucoup de petits fonds utilisent plus ponctuellement des outils prêts à l’emploi. La situation continue d’évoluer chaque trimestre à mesure que les outils progressent.
Deux constats méritent d’être retenus. Premièrement, la vague actuelle se concentre sur les tâches de due diligence qui ont toujours été mécaniques, ce qui explique précisément la rapidité de leur adoption et le peu de débats qu’elle suscite. Deuxièmement, le changement le plus déterminant, celui de la due diligence continue après investissement, est aussi l’un des moins développés. C’est donc probablement cet aspect qui aura le plus changé dans un an. Le domaine évolue vite : tout état des lieux, y compris celui-ci, décrit un instant donné, pas une situation stabilisée.
Les points forts de l’IA et ses limites
Commençons par poser les limites, car c’est ce qui donne son intérêt à la suite. Vous financez l’IA dans le cadre de votre métier : vous savez distinguer une capacité réelle d’une promesse exagérée. Pourquoi prétendrais-je que cette distinction n’existe pas ?
Alors, quels sont les véritables points forts de l’IA ? Les tâches de due diligence qui portent sur de gros volumes et reposent largement sur le repérage de régularités. Elle lit des ensembles de documents et de données que personne n’a le temps de parcourir. Elle repère des tendances dans des dizaines d’entreprises à la fois. Elle fait ressortir des signaux qu’il vous faudrait des semaines pour trouver manuellement. Elle prépare une première analyse. Elle apporte une réelle valeur dès que l’essentiel du travail consiste à traiter de gros volumes.
Et où est-elle faible, voire dangereuse si vous lui faites confiance ? Dans le jugement. Ce fondateur est-il à la hauteur ? La thèse de marché tient-elle vraiment ? Est-ce le projet à soutenir ? Voici le piège à éviter : dans une note de due diligence, un signal erroné présenté avec assurance ressemble exactement à un signal correct et entraîne les mêmes actions. C’est pire qu’une lacune, car une lacune a au moins le mérite d’être visible. Une erreur formulée avec assurance ne l’est pas.
Une règle s’applique donc à l’ensemble de ces usages, comme à tout recours à l’IA lorsque les enjeux sont réels. L’IA accélère le travail et fait ressortir les informations. Vous décidez. Et toute affirmation du modèle doit renvoyer à un élément que vous pouvez consulter et vérifier vous-même. Respectez cette règle, et l’IA vous permettra de mieux vous informer. Abandonnez-la, et vous ne ferez que présenter la supposition d’une machine comme une analyse.
L’IA dans la due diligence avant investissement
C’est avant l’investissement que les changements les plus visibles se sont produits. Ils sont réels, à condition de les décrire avec précision sans leur prêter des pouvoirs magiques.
Recherche et présélection d’opportunités
L’IA peut examiner des milliers d’entreprises pour en extraire celles qui correspondent réellement à une thèse d’investissement, classer les opportunités reçues et compléter les informations dont dispose un fonds sur une entreprise bien avant le premier appel. Elle transforme réellement les premières étapes de la sélection. Une petite équipe peut désormais couvrir une partie du marché que la recherche manuelle n’aurait jamais permis d’atteindre. Mais il faut être clair sur un point : mieux repérer les opportunités ne signifie pas mieux juger. Ce qui change, c’est ce qui arrive sur le bureau de l’associé, pas la qualité de la décision qu’il y prendra. Un fonds qui confond un flux d’opportunités plus important avec une sélection plus pertinente se méprend fondamentalement sur l’apport de l’outil.
Examen de la data room
L’IA peut parcourir une data room, ses états financiers, contrats et tableaux de capitalisation, plus vite qu’un analyste, en extraire les clauses, signaler les incohérences et en résumer le contenu. Le gain de temps est réel et utile. Mais elle résume et signale ; elle ne comprend pas l’entreprise. Or c’est précisément dans l’écart entre une synthèse claire des chiffres et la compréhension de ce qu’ils signifient que se situe le jugement d’investissement.
Analyse du marché et de la concurrence
Cartographier un marché, dresser un panorama concurrentiel, réunir des informations sur un secteur : l’IA peut ramener ce travail de plusieurs jours à quelques minutes. C’est réellement utile et cela constitue un bon point de départ. La limite reste toujours la même : la qualité du résultat dépend de celle des éléments sur lesquels il repose. Sur les marchés non cotés qui évoluent vite, les sources disponibles sont souvent peu nombreuses et déjà dépassées. Considérez donc une analyse de marché produite par l’IA comme une première version à mettre à l’épreuve, et non comme une conclusion sur laquelle fonder une décision.
Signaux sur les références et les antécédents
L’IA peut recueillir des signaux publics sur les fondateurs et les entreprises plus vite et sur un périmètre bien plus large que la recherche manuelle. Elle raccourcit ainsi une étape de due diligence jusque-là lente et incomplète. Mais le verbe compte : elle fait ressortir ces signaux. Elle ne les vérifie pas et ne les interprète pas. Cet écart importe ici plus que presque partout ailleurs dans le processus. Une affirmation sur un fondateur que l’IA a fait ressortir et que personne n’a vérifiée n’est pas un constat sur lequel agir : c’est une piste à approfondir. Traitez-la comme un constat, et votre fonds prendra des décisions sur la base d’un élément qui n’a jamais été confirmé.
Le fil conducteur est simple : l’IA réduit le temps consacré aux tâches mécaniques de due diligence, à la collecte, à la lecture et à la première analyse. Elle donne ainsi à l’équipe d’investissement davantage de temps pour exercer son jugement, pas une raison de moins l’exercer. Le modèle ne prend pas le pari. Il prépare le terrain pour qu’une personne puisse le prendre en connaissance de cause.
L’IA dans la due diligence continue, la phase que tout le monde oublie
Presque toutes les discussions sur l’IA dans la due diligence en capital-risque s’arrêtent à l’opération. Pourtant, la due diligence ne s’achève pas au versement des fonds, ou ne devrait pas s’y arrêter. C’est là que se produit le changement le plus profond, largement passé sous silence.
Le problème a toujours été pratique. Assurer une due diligence continue sur un portefeuille, en revérifiant les entreprises, les fondateurs et les contreparties qui leur sont liées pendant des années de détention, demandait trop de travail pour être fait en permanence. La plupart des fonds s’y livraient donc rarement, lors d’une revue annuelle dans le meilleur des cas, et acceptaient simplement de manquer de visibilité entre deux contrôles. Cet angle mort est loin d’être mineur, car les événements qui nuisent à un fonds surviennent généralement après l’investissement : la révélation du comportement d’un fondateur, l’arrivée d’un acteur sanctionné au capital lors d’un tour ultérieur, une société du portefeuille qui fait la une pour de mauvaises raisons. Aucun de ces événements n’est visible lors d’un contrôle réalisé au moment de l’investissement.
Ces tâches portent précisément sur les gros volumes et le repérage de régularités auxquels l’IA se prête. C’est pourquoi elle rend enfin la surveillance continue du portefeuille réalisable. Il devient possible de suivre les sociétés du portefeuille, leurs fondateurs et les entités qui les entourent dans plus de 100 000 sources, et de faire ressortir les changements significatifs, sanctions, médias défavorables, évolutions de l’actionnariat, usurpations d’identité et événements juridiques dès qu’ils surviennent, sans attendre une revue qui pourrait n’avoir lieu que des mois plus tard, voire jamais. La due diligence passe ainsi d’un contrôle ponctuel à une discipline continue. Ce changement répond aux risques qui font réellement du tort aux fonds, car ces risques se matérialisent dans les années qui suivent l’opération, et non dans les semaines qui la précèdent.
C’est pour cette surveillance continue que Beady AI a été conçue : suivre en permanence les sociétés du portefeuille et les contreparties auxquelles un fonds est exposé, qu’il s’agisse de sanctions, de médias défavorables, de changements d’actionnariat ou d’usurpations d’identité, en reliant chaque signal à une source primaire au lieu de s’en remettre à l’affirmation d’un modèle. Cette traçabilité applique la règle énoncée plus haut là où elle compte le plus : un signal de due diligence que vous ne pouvez pas vérifier est une rumeur ; un signal vérifiable est un élément de preuve. Les raisons pour lesquelles cette surveillance doit être continue plutôt que périodique sont détaillées ici. Le périmètre que doit réellement couvrir la due diligence continue d’un portefeuille est présenté ici.
Les domaines où le jugement humain reste irremplaçable
Malgré toutes les transformations que l’IA apporte à la due diligence, le cœur d’une bonne décision en capital-risque reste intact, et doit le rester. Il faut préciser ce que cela recouvre, car affirmer vaguement que le jugement reste important est aussi facile à écrire qu’à ignorer. Certaines tâches échappent à l’IA. Ce sont justement celles qui distinguent les bons investisseurs des investisseurs moyens.
Évaluer un fondateur
Dans l’investissement en phase d’amorçage, le jugement le plus important porte sur les personnes. C’est aussi celui que l’IA est la moins à même d’exercer. Un fondateur a-t-il la résilience nécessaire pour traverser les années à venir ? Sa conviction est-elle sincère ou jouée ? Comment réagit-il sous pression lors d’un échange ? Rien de cela n’apparaît dans les données que traite l’IA. Cela se révèle dans une conversation. L’interpréter relève d’une compétence humaine qu’un modèle résumant les informations publiques sur un fondateur ne reproduit pas.
Le pari à contre-courant
Les rendements du capital-risque proviennent, dans une proportion considérable, d’investissements qui semblaient être de mauvais choix à la plupart des observateurs au moment où ils ont été réalisés. Entraînée sur les régularités de données passées, l’IA présente un biais structurel en faveur du consensus, de ce qui a déjà fonctionné et de ce qui ressemble aux réussites précédentes. Soutenir à contre-courant un projet que les données évalueraient mal précisément parce qu’il rompt avec les schémas existants est presque à l’opposé de ce qu’un système de reconnaissance de régularités sait faire. Or c’est là que se crée une grande partie de la valeur de cette classe d’actifs. Un fonds qui laisserait l’IA écarter toutes les opportunités qui ne s’imposent pas d’emblée éliminerait ses meilleurs rendements potentiels.
Juger dans l’incertitude
Les décisions de due diligence reposent rarement sur des données parfaitement claires. Vous travaillez avec des informations incomplètes, contradictoires, réellement ambiguës. La compétence consiste à mettre en balance des signaux qui pointent dans des directions opposées et à déterminer lesquels comptent. L’IA est parfaitement à l’aise lorsque les données sont bien structurées et que les régularités sautent aux yeux. Le problème, c’est que les décisions les plus importantes se présentent rarement ainsi. Lorsque les données sont confuses et que la réponse reste réellement incertaine, ce qui décrit la plupart des décisions d’investissement déterminantes, le jugement humain accomplit précisément le travail que vous ne pouvez pas confier à un modèle.
Les relations et la dimension humaine de l’opération
Une grande partie du capital-risque repose sur les relations humaines, sans équivalent dans les données. Remporter une opération disputée parce qu’un fondateur vous fait confiance. Comprendre la dynamique réelle entre cofondateurs, ce qu’ils ne disent pas à voix haute. Négocier les conditions. Décider si vous souhaitez réellement siéger face à cette personne au conseil d’administration pendant les huit prochaines années. Ces appréciations humaines se forment dans les échanges et influencent les résultats d’une manière qu’aucune puissance de calcul ne peut remplacer.
Il faut nommer clairement un danger, car il est facile d’y glisser. Lorsque vous laissez l’IA prendre ces décisions ou les orienter fortement, vous n’améliorez pas votre due diligence. Vous présentez la supposition d’une machine comme une analyse et donnez à un résultat que personne ne peut vraiment expliquer les apparences d’une rigueur qu’il n’a pas acquise. Une conclusion de due diligence générée par un modèle et vérifiée par personne reste exactement cela : une affirmation assurée dont les fondements sont inconnus. Dans un métier fondé sur le jugement, ce n’est pas de l’efficacité, mais un risque qui en prend l’apparence. Les meilleurs fonds que j’ai observés utilisent l’IA pour mieux s’informer et couvrir un périmètre plus large, rien de plus. Ils ne lui délèguent pas les décisions évoquées ci-dessus. Cette différence entre éclairer une décision et la prendre discrètement à la place d’une personne sépare un fonds devenu réellement plus pertinent grâce à l’IA d’un fonds qui assume un peu moins la responsabilité de ses propres paris.
Les évolutions à venir
La trajectoire est assez claire. Une part croissante du travail mécanique s’automatise. Les outils passent de la synthèse des éléments de due diligence à la constitution de dossiers complets. Et la surveillance continue du portefeuille, aujourd’hui pratiquée par quelques fonds, devient une pratique attendue. Dans quelle direction allons-nous ? Vers davantage d’IA.
Mais la réserve qui traverse cet article demeure, quelle que soit l’évolution de la technologie. Quels fonds tireront réellement parti de l’IA ? Ceux qui lui confient les volumes et réservent le jugement à leurs équipes. Ceux qui traitent ses résultats comme des pistes à vérifier, et non comme des constats auxquels se fier. Ceux qui exigent de la traçabilité, précisément parce que les outils deviennent à la fois plus performants et plus convaincants. C’est le point à retenir : une IA plus performante renforce l’importance de cette discipline. Elle ne la réduit pas. Plus les outils progressent, plus il est essentiel de pouvoir remonter de chaque affirmation à sa source.
Questions fréquentes
Conclusion
L’IA transforme réellement la due diligence en capital-risque, surtout dans les tâches mécaniques ou, dans le cas de la surveillance continue du portefeuille, auparavant trop laborieuses pour être réalisées. Elle transforme le moins le jugement au cœur d’un investissement, et c’est souhaitable : apprécier un fondateur, prendre un pari à contre-courant, peser des informations ambiguës sont précisément les tâches que l’IA maîtrise le moins et sur lesquelles repose le capital-risque. Les fonds qui en tirent de la valeur l’utilisent pour traiter les volumes et confient les décisions à leurs équipes, en veillant à ce que chaque élément qu’elle fait ressortir puisse être relié à une source.
Le changement le plus important et le moins médiatisé intervient après l’opération : la due diligence continue après investissement, qui suit l’évolution d’un portefeuille pendant les années de détention, est enfin réalisable. C’est là que se matérialisent les risques qui font réellement du tort aux fonds, et c’est là que l’IA apporte le plus de changements.
Pour ce volet précis de surveillance continue, qui consiste à suivre les sociétés du portefeuille et les contreparties auxquelles un fonds est exposé en reliant chaque signal à sa source, Beady AI a été conçue pour cette tâche. Une démonstration vous montrera ce qu’elle fait ressortir sur un portefeuille réel. Pour comprendre plus largement comment l’IA permet à un fonds d’accroître ses capacités en matière de conformité, et dans quels cas elle aide ou fait du tort, vous trouverez davantage d’informations ici.
