Que change l’intelligence artificielle à la création de valeur en private equity ?
L’IA ne change pas ce qu’un fonds cherche — de la croissance d’EBITDA — mais elle change qui peut aller la chercher, et à quel coût. Elle absorbe le travail d’analyse qui occupait des équipes entières : lire une data room entière, consolider les reportings de dix participations, préparer une revue mensuelle. Un opérateur senior outillé couvre aujourd’hui ce qui demandait une équipe, ce qui rend la création de valeur opérationnelle accessible aux fonds small et mid-cap. Et elle déplace la frontière du livrable : la recommandation ne suffit plus, ce qui compte est l’outil qui la met en œuvre et qui reste en service après le départ du prestataire.
Pourquoi les fonds s’y mettent-ils maintenant ?
Parce que les leviers d’hier ne produisent plus. Dans son Global Private Equity Report 2026, Bain résume la décennie qui s’ouvre par une formule : « 12 is the new 5 ». Avec des coûts d’emprunt élevés et des multiples d’entrée qui ne se détendent pas, atteindre le rendement qu’on obtenait avec 5 % de croissance annuelle d’EBITDA en demande désormais 10 à 12 %. Le levier financier et l’expansion des multiples ne comblent plus l’écart : il faut aller le chercher dans l’exploitation.
Et l’adoption est déjà massive du côté des transactions. L’enquête GenAI in M&A de Deloitte (2025, environ un millier de dirigeants seniors) relève que 86 % des dealmakers utilisent l’IA générative dans leurs processus M&A, dont 65 % ont commencé dans l’année écoulée, et que 88 % des fonds de private equity interrogés ont investi plus d’un million de dollars dans le sujet.
Sur quoi l’IA agit-elle concrètement dans le cycle d’un investissement ?
Avant l’investissement, sur la lecture. La même enquête Deloitte situe les usages à 40 % en stratégie de deal, 35 % en identification de cibles et 35 % en due diligence. Concrètement : dépouiller une data room complète en quelques heures, extraire les contrats atypiques, croiser les données de marché, faire ressortir les incohérences qu’un échantillonnage aurait manquées.
Après le closing, sur le pilotage et sur l’exécution. Consolider des reportings hétérogènes sans attendre la clôture, tenir un plan de création de valeur à jour au lieu d’un fichier retravaillé la veille du comité, et surtout automatiser les process qui coûtent cher dans les participations : traitement des devis, réponses aux appels d’offres, service client, planification industrielle.
La distinction utile n’est pas entre « stratégie » et « technologie ». Elle est entre ce que l’IA fait gagner en analyse — du temps — et ce qu’elle fait gagner en exploitation — de la marge. Le premier gain se voit en semaines, le second se mesure au compte de résultat.
Pourquoi la plupart des investissements dans l’IA ne produisent-ils rien ?
Parce qu’ils commencent par l’outil au lieu de commencer par le sujet. Un fonds qui déploie un assistant générique dans dix participations obtient dix expérimentations et aucune ligne de résultat. Ce qui produit un effet, c’est le chemin inverse : identifier les deux ou trois processus qui pèsent réellement sur la marge, puis construire l’outil qui les traite.
La seconde raison est l’adoption. Un outil que personne n’utilise ne vaut rien, et l’usage ne se décrète pas : il se construit avec les équipes qui feront le travail, pendant la mission, pas dans une formation après coup.
La troisième est la propriété du sujet. Dans un fonds small ou mid-cap, l’IA n’a souvent personne pour la porter : ni l’équipe d’investissement, occupée par les opérations, ni les participations, qui attendent une doctrine. Sans propriétaire, le sujet reste un point d’ordre du jour.
Qui fait ce travail aujourd’hui ?
Trois familles d’acteurs, qui ne servent pas les mêmes fonds. Les grands cabinets — Alvarez & Marsal, Bain, EY-Parthenon — ont monté des offres de création de valeur outillées par l’IA, dimensionnées pour les grands portefeuilles. Des plateformes européennes se sont constituées sur ce créneau, comme OMMAX et Singulier, qui ont fusionné en 2026 pour former un ensemble de quelque quatre cents personnes entre Paris, Londres et Munich. Enfin, des structures resserrées d’operating partners interviennent sur le small et le mid-cap, là où les précédents ne descendent pas.
Côté fonds, le mouvement est mesurable : d’après le Club Operating Partners de France Invest et Alvarez & Marsal, 84 sociétés de gestion françaises disposaient d’operating partners en 2024, contre 47 en 2019, pour 185 personnes — soit un effectif multiplié par 2,4 en cinq ans. Mais les fonds small et mid-cap ont rarement plus d’une personne, et souvent aucune.
Faut-il un outil du marché ou du sur-mesure ?
Les deux, dans cet ordre. Pour tout ce qui est standard — la bureautique, la recherche documentaire, la retranscription —, les produits du marché sont meilleurs et moins chers que ce que l’on construirait. Le sur-mesure ne se justifie que là où le processus est propre à l’entreprise et où il pèse sur la marge : c’est précisément ce que les éditeurs ne couvrent pas, puisqu’ils vendent le dénominateur commun.
Le vrai critère de choix n’est pas la technologie mais ce qui reste. Un plan meurt avec la mission qui l’a produit ; un outil en production continue de tourner. C’est la raison pour laquelle nous livrons des outils, et pas seulement des recommandations.