Nous avons récemment été contactés par certains investisseurs en private equity (PE) qui cherchent à exploiter davantage l’intelligence artificielle (IA) dans leur processus de décision d’investissement. Leur première question est généralement la suivante : « comment les autres investisseurs en PE utilisent-ils actuellement l’IA pour les aider à prendre des décisions ? »
Une question très intéressante à se poser. L’utilisation de l’IA dans les investissements en PE est beaucoup moins répandue que sur les marchés publics. Bien qu’il existe des produits disponibles dans le commerce sur les marchés publics, comme les ETF, qui sont investis à 100 % par l’IA, même les investisseurs en PE les plus sophistiqués n’utilisent encore l’IA que comme l’une des entrées du processus de prise de décision en matière d’investissement.
Cela est principalement dû à trois différences structurelles entre le PE et l’investissement sur les marchés publics :
1. Il est difficile de rassembler de grandes quantités de données sur le PE pour entraîner des algorithmes car le nombre de transactions est limité et les informations ne sont pas largement divulguées.
2. Il faut des années pour connaître le résultat d’une décision d’investissement en P, et la performance est généralement impactée par des facteurs alambiqués, tels que l’évolution des taux d’intérêt.
3. Les données non structurées jouent un rôle beaucoup plus critique dans l’investissement en capital-investissement car il n’y a pas de « marché efficient » régissant les évaluations.
Pour surmonter ces défis structurels, certains acteurs du PE cherchent à former les modèles d’investissement différemment. Cela pourrait impliquer de commencer avec des données publiques et de n’utiliser que des données privées pour « affiner » le modèle à la fin, en s’appuyant sur des proxies du marché public pour évaluer l’attractivité d’un investissement PE potentiel. Il pourrait également s’agir d’investir dans des capacités de données de base pour permettre une plus grande utilisation des données non structurées dans le processus de due diligence.
Les cas d’utilisation les plus courants de l’IA dans l’investissement en PE que nous avons vus sont décrits ci-dessous. Notez que, dans ces cas, l’IA fournit des données à un humain chargé de prendre la décision. Nous n’avons pas connaissance de stratégies dirigées par l’IA dans l’espace PE pour le moment.
Sélection du gestionnaire
Les investisseurs en PE disposant d’un modèle d’investissement indirect peuvent facilement rassembler une bonne quantité d’informations sur les gestionnaires de PE externes. Les algorithmes d’IA peuvent ensuite être entraînés à l’aide des informations divulguées dans le cadre du processus de collecte de fonds, des données provenant d’agrégateurs de données sur les gestionnaires, des publications d’experts du secteur, de l’université et de la couverture de presse.
Transactions take-private
Les investisseurs en capital-investissement disposant d’un programme de prise de contrôle peuvent s’appuyer sur l’IA pour identifier très tôt les cibles potentielles se dirigeant vers une situation de détresse (par exemple, par le biais d’une analyse de sentiment basée sur les critiques des fournisseurs sur les sites de médias sociaux) et devancer un processus de vente formel. L’IA peut également aider à identifier les cibles potentielles les plus susceptibles de surpasser les autres pairs cotés en bourse.
Transactions d’austérité
Les investisseurs en capital-investissement qui se concentrent sur la création de valeur par la réduction des coûts et d’autres mesures d’austérité ont l’occasion de tirer parti de l’IA dans le processus de diligence pour obtenir une plus grande transparence dans la base de coûts des cibles potentielles (par exemple, pour passer rapidement au crible les reçus et catégoriser les dépenses avec plus de précision), et utiliser cela comme évaluation.
Bien qu’il soit encore tôt pour l’IA dans le PE, nous pensons que l’IA peut réduire l’asymétrie d’information dans le processus de décision d’investissement, aidant ainsi à débloquer des rendements ajustés au risque supérieurs. Pour les acteurs du PE qui ne se sont pas encore lancés dans l’IA, nous recommandons de commencer par répondre à trois questions :
– Quel risque financier et de réputation sommes-nous prêts à accepter dans notre parcours IA ?
– Quel est le moyen le plus simple d’organiser les données institutionnelles à l’échelle ?
– Quelles applications d’IA simples pouvons-nous expérimenter pour être à l’aise avec la technologie ?
