Capital risque : une course à l’IA se profile

Bien que de nombreux secteurs de la finance aient adopté la prise de décision algorithmique assez tôt, les sociétés de capital-risque (Venture capitalists) et le capital-investissement (Private Equity) ont mis beaucoup plus de temps à se familiariser avec l’intelligence artificielle (IA). Thomas Åstebro, professeur d’entrepreneuriat à HEC Paris, a récemment publié un article dans le Journal of Financial Data Science avec Portfolio Management Research (2021) [1] dans lequel il analyse l’évolution rapide du paysage de l’IA dans le secteur du capital-investissement et des sociétés de capital-risque. Il souligne comment l’IA devrait transformer rapidement ces secteurs au cours des prochaines années.  

 

Qu’est-ce qui vous a inspiré à mener des recherches sur l’IA dans les sociétés de capital-investissement et de capital-risque ?

Thomas Astebro : Lorsque j’ai découvert Jolt Capital, une petite société de capital-risque à Paris, j’ai remarqué qu’ils prenaient leurs décisions de façon très intéressante et d’une manière dont je n’avais jamais entendu parler auparavant.
Ils utilisaient un algorithme pour prédire leurs préférences en matière d’investissement à partir d’une base de données relationnelle répertoriant différents objets, comme des entreprises ou d’autres produits. L’investisseur clique sur « j’aime » pour les objets qui l’intéressent, ce qui permet à l’algorithme de construire progressivement un avatar virtuel de cet investisseur qui se nourrit ainsi chaque jour de ce qui intéresse cette personne.
Le résultat est que l’IA est capable de suggérer des projets de plus en plus adaptés à leurs préférences. Cela leur permet de trier efficacement les produits qui pourraient les intéresser. Et je pense que c’était assez intelligent.

 

Vous mentionnez qu’il existe des obstacles à l’adoption de l’IA dans les sociétés de capital-investissement et de capital-risque. Pourquoi ?

Thomas Astebro : Les sociétés de capital-risque et de capital-investissement ont adopté l’IA relativement lentement par rapport à d’autres secteurs financiers. Cela pourrait découler de leur approche au travail. Par exemple, les hedge funds sont remplis d’IA, car ils essaient de se surpasser les uns les autres à la microseconde près. Il n’est pas possible de se fier uniquement à la prise de décision humaine. Mais les spécialistes du capital-risque prennent leur temps. La délibération est nécessaire, ils discutent de chaque aspect de l’entreprise. C’est un peu leur fonds de commerce.
Mes recherches avaient montré, dès les années 2000, qu’un modèle de prédiction simple pouvait battre l’intuition d’un associé en capital-risque. Néanmoins, jusqu’à récemment, il y avait encore une certaine aversion à l’égard des algorithmes qui ralentissait leur adoption dans le secteur. La plupart des associés préféraient suivre leur instinct.
Cependant, au cours des dix dernières années, la perfection des bases de données textuelles disponibles en ligne (comme Linkedin, AngelList, Kickstarter et Crunchbase) a permis l’avènement de nouveaux acteurs puissants utilisant l’IA sur le marché. Cela a incité davantage de sociétés de capital-investissement et de capital-risque à envisager d’intégrer l’IA dans leurs flux de travail.

 

Vous avez constaté, à travers vos recherches, que la mise en œuvre de l’IA peut être très variée dans les sociétés de capital-risque et de capital-investissement. Pouvez-vous nous en dire plus ?

Thomas Astebro : L’IA dans les sociétés de capital-risque et de capital-investissement va de la simple vérification à des systèmes complets d’aide à la décision.
Par exemple, lorsque j’ai rédigé mon article en 2021, les fonds de capital-risque Kleiner Perkins et Sequoia Capital utilisaient des algorithmes uniquement pour vérifier combien de fois une start-up était mentionnée sur Twitter. À l’autre bout du spectre, d’autres entreprises étaient entièrement basées sur l’IA.
SignalFire, basée en Californie, a été fondée dans le but d’appliquer l’IA à l’ensemble du processus de décision en capital-risque. Son logiciel Beacon, lancé en 2013, suit 8 millions de start-ups dans le monde entier.
Il analyse divers documents en ligne pour aider à évaluer ces entreprises, des articles académiques aux dépôts de brevets, en passant par d’autres sources. Le logiciel a permis à SignalFire de se concentrer sur des entreprises sous-estimées et de renoncer à celles qui recevaient des investissements d’ailleurs.
De même, Motherbrain d’EQT Ventures, lancé en 2016, collecte des informations auprès de 40 sources de données, notamment les téléchargements d’applications, le trafic sur les sites web et les CV des entrepreneurs, afin d’identifier les start-ups susceptibles de recevoir un financement, avant même qu’elles ne se présentent à l’entreprise.

 

Quels ont été les avantages liés à l’utilisation de l’IA signalés par ces sociétés ?

Thomas Astebro : Ma recherche a montré que les entreprises qui utilisaient l’IA constataient une augmentation considérable de leur efficacité opérationnelle et transformaient la manière dont les partenaires exerçaient leur travail. Jolt Capital, par exemple, m’a dit qu’auparavant ils passaient la majeure partie de leur temps dans les avions.
Ils parcouraient toute l’Europe, rencontraient des entreprises pendant une heure, puis passaient à la suivante. Lorsque je leur ai parlé en 2021, les associés ont déclaré qu’ils ne voyageaient plus autant. Ils se déplaçaient toujours pour des réunions spécifiques et pour établir des relations, mais ils n’avaient plus besoin de prendre l’avion simplement pour prendre rapidement une décision négative.

Selon ma recherche, les sociétés de capital-risque et de capital-investissement qui ont adopté l’IA ont également cherché des transactions sortant de l’ordinaire. L’utilisation de l’IA a permis à certaines entreprises de pénétrer des marchés impénétrables sans aucune expérience préalable.
C’est le cas de Hone Capital, la branche capital-risque de la société de private equity chinoise CSC Group. Elle est devenue l’un des investisseurs en capital amorçage les plus actifs de la Silicon Valley en utilisant un seul modèle de sélection basé sur l’IA.
Ils ont ainsi évité la file d’attente, pour ainsi dire, en partenariat avec AngelList, une plateforme américaine de recherche d’emploi, de conclusion de transactions et d’investissement providentiel. En croisant la base de données de 30 000 transactions d’AngelList avec des données sur les transactions et les investisseurs provenant de Crunchbase, Mattermark et Pitchbook, Hone a pu prédire si une entreprise avait des chances de parvenir au premier tour de financement.

 

Comment le marché a-t-il évolué depuis la publication de votre article de recherche ?

Thomas Astebro : Lorsque j’ai publié l’article, j’ai prédit qu’il y aurait une course à l’IA qui entraînerait un bouleversement de l’industrie. J’ai également prédit que l’IA éliminerait davantage de postes juniors et perturberait les flux de travail internes.
Depuis lors, il y a eu d’énormes perturbations économiques qui ont incité les investisseurs à tirer le frein à main. L’industrie est actuellement totalement à l’arrêt. À ce stade, l’IA n’est plus la priorité. Cependant, il y a des indications que l’inflation pourrait diminuer au cours des six prochains mois, il est donc possible que les entreprises reviennent à l’introduction de l’IA dans leurs flux de travail.

 

Interview menée par Marianne Guenot.

Cet article fait partie de la série “IA & Business”, en partenariat avec Polytechnique Insights. Découvrez le premier épisode “Trading à haute fréquence : quelles performances et quels risques pour les marchés financiers ?”