IA et diligence stratégique : instaurer une véritable discipline d’investissement à l’ère de la valeur propulsée par l’IA

Pression familière, nouvelle variable

Les investisseurs sont habitués à prendre des décisions dans un contexte contraint. Les délais de diligence sont serrés, l’accès à l’information est imparfait, mais l’objectif demeure constant : comprendre ce qui crée de la valeur, ce qui la met à risque, et comment ces éléments se traduisent en performance financière et en positionnement concurrentiel sur un horizon d’investissement défini — qu’il s’agisse d’une période de détention en capital-investissement ou d’un horizon de transformation stratégique.

Historiquement, la revue diligente s’est appuyée sur des perspectives financières, commerciales, opérationnelles et technologiques, qui forment ensemble une vision cohérente de la façon dont une entreprise croît, fonctionne et génère de la valeur. Ce modèle reste pertinent, mais l’IA change de plus en plus le contexte dans lequel ces questions sont posées.

Bien que cette évolution soit largement acceptée, l’impact de l’IA reste souvent présenté sous l’angle des gains de productivité ou de l’automatisation. Bien que ces effets soient réels, ils ne racontent qu’une partie de l’histoire. Dans un contexte transactionnel, le changement le plus significatif est plus large : l’IA influence la manière dont la valeur est créée, maintenue et érodée dans l’ensemble de l’entreprise.

À l’échelle du marché, cela peut introduire des formes de disruption qui ne sont pas toujours immédiatement visibles. De nouveaux acteurs peuvent être en mesure de reproduire des résultats avec des structures de coûts plus légères, tandis que les entreprises établies subissent une pression pour faire évoluer leurs offres afin de demeurer pertinentes. Dans certains cas, cela ouvre la porte à de nouveaux services ou à de nouvelles sources de revenus. Dans d’autres, cela réduit la différenciation de façons qui ne se reflètent pas encore nécessairement dans la performance.

Cela change également la façon dont les investisseurs devraient envisager le positionnement concurrentiel. La question n’est plus simplement de savoir si une entreprise a adopté l’IA, mais dans quelle mesure celle-ci est intégrée dans la façon dont l’entreprise crée de la valeur, ainsi que dans sa propre culture d’entreprise. Les capacités étroitement intégrées aux processus clés peuvent renforcer les relations clients et accroître les coûts de changement. À l’inverse, les mises en œuvre plus superficielles sont souvent plus faciles à reproduire, ce qui limite leur impact à long terme.

Ultimement, ces changements se répercutent sur la performance financière. L’IA peut générer des gains d’efficacité et soutenir la croissance des revenus, mais elle peut aussi introduire de nouvelles pressions sur les coûts et une plus grande variabilité des marges. Plusieurs de ces effets — qu’ils soient liés à l’automatisation, à l’utilisation de modèles ou à l’infrastructure — ne sont pas immédiatement apparents dans les données financières historiques, ou l’impact de l’utilisation de l’IA n’est pas encore complètement représenté, mais peuvent avoir une incidence importante sur l’EBITDA et la valorisation au fil du temps.

Présentation de la revue diligente de l’IA : une approche centrée sur le processus transactionnel

La diligence en intelligence artificielle (« AI Due Diligence » ou « AI DD ») vise à offrir une lecture claire et directement exploitable de l’impact de l’IA sur un investissement. Dans un contexte transactionnel, elle met l’accent sur les éléments qui influencent réellement la valeur : où l’IA introduit des risques, où elle crée des opportunités, et ce qui peut être démontré de manière crédible dans les contraintes d’une diligence.

Cette approche structure l’analyse autour de quatre dimensions déjà présentes, de manière implicite, dans la plupart des thèses d’investissement, mais revisitées à la lumière de l’IA.

Marché et produit: Selon une perspective externe, il s’agit de comprendre comment l’IA transforme le marché et le positionnement concurrentiel de la cible, et ce que cela implique pour la performance du chiffre d’affaires à terme. La disruption s’accélère-t-elle sans encore se refléter dans les résultats? De nouveaux acteurs peuvent-ils offrir des résultats comparables avec une structure de coûts différente? En définitive, la proposition de valeur de l’entreprise est-elle renforcée ou progressivement banalisée par l’IA?

Création de valeur: Ces transformations doivent se traduire en résultats financiers. L’analyse porte sur la manière dont l’IA peut soutenir la croissance des revenus, améliorer l’efficacité opérationnelle ou, à l’inverse, introduire de nouveaux coûts. Un élément clé consiste à évaluer à quelle vitesse et avec quel degré de certitude ces impacts se matérialiseront, et dans quelle mesure ils sont déjà intégrés dans la performance actuelle et les multiples de valorisation.

Capacité à gagner (« right-to-win »): Au-delà des effets à court terme, la question de la durabilité de l’avantage concurrentiel se pose. L’IA est-elle réellement intégrée au cœur de la proposition de valeur, ou est-elle facilement reproductible? La réponse dépend notamment de la qualité des données propriétaires, de l’intégration produit, mais aussi de la clarté de la stratégie, de l’alignement du Leadership, de la culture de l’entreprise et de la capacité de l’organisation à exécuter de manière cohérente sur le long terme.

Technologie et données: Enfin, la capacité à déployer l’IA à grande échelle repose sur des fondations technologiques et de données solides. Les données sont-elles accessibles et exploitables en pratique? L’architecture peut-elle évoluer sans générer une complexité ou des coûts disproportionnés? Quel est le niveau de dépendance aux modèles, outils ou infrastructures tiers, et quelles en sont les implications en matière d’évolutivité, de contrôle et de conformité?

Ce que cela signifie pour les investisseurs : trois bénéfices concrets

Pour les investisseurs, la valeur de cette approche ne réside pas dans le cadre en tant que tel, mais dans la clarté qu’elle apporte aux moments clés de décision.

Premièrement, elle permet une lecture plus précise de la valorisation. En rendant explicite l’impact de l’IA sur la croissance, la structure de coûts et le positionnement concurrentiel, les investisseurs sont mieux outillés pour évaluer si les multiples sont justifiés - ou s’ils intègrent des capacités qui restent encore à démontrer.

Deuxièmement, elle favorise des échanges plus ciblés avec les équipes de direction tout au long du processus. La diligence en IA met en lumière les sujets déterminants - qu’il s’agisse des données, du produit, des coûts ou de l’exécution - et permet d’orienter les discussions vers ce qui compte réellement.

Troisièmement, elle offre une lecture plus large des dynamiques sectorielles. Même dans le cadre d’une transaction unique, les enseignements tirés peuvent éclairer l’évolution du marché, affiner les thèses d’investissement et guider l’identification de futures cibles.

Intégrer l’IA dans la discipline de la prise de décision

Les questions fondamentales de la diligence n’ont pas changé. Les investisseurs cherchent toujours à comprendre comment une entreprise croît, où se situent ses risques et comment cela se traduit en performance financière sur un horizon donné. Ce qui évolue, c’est la manière de poser ces questions.

En pratique, cela implique de rapprocher des perspectives qui étaient traditionnellement analysées séparément. Comprendre l’impact de l’IA nécessite de relier plus clairement le positionnement de marché, les opérations, les fondations technologiques et leurs implications financières.

Lorsqu’elle est bien menée, cette démarche ne requiert pas un chantier parallèle ou disruptif, mais une approche plus intégrée, alignée sur le rythme d’une transaction et suffisamment rigoureuse pour soutenir des conclusions solides.