Manifeste
La finance de l'intelligence : l'IA comme thèse d'investissement
Les stratégies LBO se sont construites sur le levier financier : taux bas, multiples en hausse, optimisation de la structure de capital. L'IA générative fait émerger une nouvelle économie et un nouveau levier : l'intelligence. Reste à le traduire en thèses d'investissement.
En 90 secondes : l'IA générative fait de l'intelligence une ressource abondante ; la valeur ne vient plus de l'outil, mais de son intégration dans les process d'une entreprise. Pour un fonds, c'est un nouveau levier de création de valeur, à objectiver avant l'investissement et à déployer après le closing.
1. Une nouvelle ressource : l'intelligence
En dix mille ans, la source de la valeur économique s'est inversée à plusieurs reprises : de la terre au travail, puis au capital. L'IA générative déclenche l'inversion suivante en introduisant une nouvelle ressource productive : l'intelligence elle-même, accessible à la demande via l'inférence des modèles. Comme la monnaie ou le pétrole avant elle, cette ressource n'a pas de valeur en tant que telle : sa valeur vient de ce qu'on en fait.
Les grandes plateformes (OpenAI, Anthropic, Google, Microsoft, Amazon) jouent ici un rôle systémique : elles concentrent l'accès à cette ressource, faite de capacité de calcul, de modèles d'IA à la frontière technologique, d'architectures cloud, de puces spécialisées et d'équipes capables de construire et de déployer ces technologies. Les montants donnent la mesure du basculement : OpenAI a annoncé Stargate, jusqu'à 500 milliards de dollars d'infrastructure IA ; McKinsey chiffre à 6 700 milliards les besoins mondiaux en data centers d'ici 2030, dont 5 200 pour l'IA ; Amazon a réinvesti 5 milliards dans Anthropic, qui s'engage à plus de 100 milliards de compute auprès d'AWS.
Le résultat de cet effort capitalistique massif est paradoxal : l'intelligence elle-même, mesurée en coût d'inférence, est en train de devenir une commodité. Bien intégrée, elle se substitue à du coût jusque-là humain à une fraction du prix : une heure de travail intellectuel qualifié, longtemps facturée plusieurs dizaines de dollars, s'obtient désormais pour une fraction de centime par requête. Le choix entre OpenAI, Anthropic ou Google n'est pas la question stratégique : ces fournisseurs sont des banques au sens où ils mettent une ressource à disposition.
2. Un nouvel actif : les processus métiers agentiques
En finance, la monnaie fiduciaire est une ressource. Les actifs sont ce qu'on en fait et génèrent des avantages économiques futurs : sociétés, immobilier, créances. La même logique s'applique à l'intelligence : longtemps une forme de travail, rare et enfermée dans les cerveaux humains, elle devient une forme de capital, copiable à l'infini et qui s'améliore de façon récursive. Elle ne crée pas de valeur en soi, mais devient un actif lorsqu'elle est intégrée sous forme de processus métiers agentiques, taillés sur mesure pour une entreprise. Certaines vont jusqu'à l'autonomie complète : dans le test Vending-Bench d'Andon Labs, un agent IA gère seul un commerce de distribution automatique, du réassort à la tarification.
Concrètement, ces actifs apparaissent au bilan : des workflows automatisés, opérés à coût marginal quasi nul, souvent sur des modèles open-source bien intégrés, pour des gains de productivité disproportionnés, voire l'exploration de marchés jusque-là non rentables. Ces actifs n'existent pas encore dans la majorité des sociétés. Ce déplacement de la force de travail vers le capital est décisif : l'entreprise a tout intérêt à en prendre conscience tôt et à internaliser ce capital dans ses propres murs, plutôt que de ne rien construire et de rester dépendante de tiers. Leur construction suppose des changements de paradigme dans le fonctionnement même de l'entreprise : refonte mesurée des opérations, des données, des workflows et de l'organisation, pas un vernis technologique. C'est cette stratégie de fond, et non l'outil, qui sépare un pilote sans lendemain d'un impact durable sur l'EBITDA.
La valeur, mesurée en EBITDA, ne réside donc ni dans le compute ni dans le choix d'un modèle frontière, mais dans l'intégration, au bon endroit dans la chaîne de valeur, avec les bons processus et les bonnes primitives données aux systèmes agentiques pour traduire la profusion d'intelligence en baisse de coûts, en gain de productivité, voire en accès à de nouveaux marchés.
3. Le nouveau paradigme du capital investissement
On a connu l'ère du LBO, où une part substantielle de la création de valeur provenait du levier financier, de la baisse des taux, de l'expansion des multiples et de l'optimisation de la structure de capital : l'expression financière de l'inversion précédente, celle du capital. Un nouveau levier émerge aujourd'hui, l'intelligence, qui vient s'ajouter à ces dynamiques : McKinsey estime désormais que l'alpha viendra moins du levier financier et des dynamiques de marché que de la capacité à créer tôt et systématiquement de la valeur opérationnelle, à discipliner le prix d'entrée et à exploiter l'IA. Les ordres de grandeur justifient cette montée en puissance : McKinsey chiffre le potentiel économique annuel de la generative AI entre 2 600 et 4 400 milliards de dollars.
Pour les fonds de PE, ce levier d'intelligence a deux faces. D'une part, transformer leurs propres méthodes d'analyse : la profondeur de due diligence jusqu'ici réservée aux hedge funds quantitatifs capables de mobiliser budgets outils et équipes dédiées pour valider ou invalider une thèse devient accessible à tout fonds de capital investissement grâce à l'IA. D'autre part, intégrer systématiquement la question IA dans l'analyse des cibles et le pilotage des sociétés en portefeuille. Une due diligence classique analyse le marché, le management ou les systèmes IT, mais répond rarement à trois questions devenues critiques :
- La thèse est-elle fragilisée par l'IA ? Un concurrent peut-il recréer rapidement un actif logiciel vendu par la société, automatiser une partie de l'offre ou un service ? Un client peut-il internaliser ce qu'il achetait ? Un nouvel entrant peut-il attaquer avec une structure de coûts radicalement différente ?
- Quel EBITDA additionnel est raisonnablement atteignable ? Non pas « 10 % de productivité », mais des cas d'usage rattachés à des métriques opérationnelles, avec un taux et une vitesse d'adoption réalistes et comparables à de précédents cas d'usage.
- La cible a-t-elle les données, les processus et la maturité ? Un fort potentiel ne se capte pas sans données propres et systèmes accessibles.
Ces questions doivent être posées avant l'investissement, et la thèse doit être objectivée non seulement par des entretiens et des benchmarks de marché, mais par la donnée : sources alternatives massives, signaux compétitifs, intensité prix, cohortes reconstruites.
4. FDE Partners : une boutique d'advisory indépendante
Une banque ne vend pas seulement de l'argent : elle structure une décision financière complexe, entre conseil stratégique, opérations de haut de bilan, M&A et levée de capital ou de dette. Cette nouvelle économie engendre le même besoin autour de l'intelligence. Un fonds n'a pas seulement besoin d'accéder aux produits d'OpenAI ou d'Anthropic (c'est aujourd'hui aussi simple, voire plus simple, que d'ouvrir un compte chez JP Morgan Chase) ; il a besoin de comprendre ce que ces technologies changent dans une thèse : risque de disruption, potentiel d'automatisation, upside EBITDA, dépendance aux données, maturité des systèmes, coûts de transformation, enjeux de souveraineté.
C'est l'espace d'une boutique d'advisory indépendante, sans conflit d'intérêt avec un fournisseur de modèle ou un intégrateur, à l'image des boutiques M&A qui ne concurrencent pas le bilan de Goldman Sachs mais structurent la décision. Les mouvements récents en sont la preuve, et la justification : OpenAI a créé une unité de déploiement dotée de plus de 4 milliards de dollars, et Anthropic a lancé une société de services IA avec Blackstone, Hellman & Friedman et Goldman Sachs. La traduction opérationnelle est désormais l'enjeu, raison supplémentaire pour disposer d'un advisory indépendant de ces alliances.
FDE Partners (Forward Deployed Engineers Partners) se spécialise sur le small et mid cap et intervient sur des formats courts, calés sur le rythme d'un deal, à l'image des partners d'une boutique M&A.
Car la valeur ne réside pas dans l'outil. La ressource est devenue une commodité et les modèles sont accessibles à tous : ce qui reste rare, et seul crée de la valeur, c'est l'intégration au bon endroit dans la chaîne de valeur, avec les bons process et les bonnes données. Le véritable enjeu n'est pas technologique mais humain, et une vision ne s'achète pas : repenser une entreprise à l'ère de l'IA se joue de l'intérieur.
C'est là que nous intervenons : objectiver une thèse par la donnée avant l'investissement, mesurer l'upside d'EBITDA et le risque de disruption, puis aider à construire les actifs qui le concrétisent, des process automatisés aux logiciels sur mesure. Nous n'intervenons qu'auprès des sociétés réellement décidées à prendre de l'avance, pas de celles qui cherchent un vernis technologique, et nous concentrons l'offre là où l'IA se déploie vite, comme les groupes de build-up aux filiales, franchises ou implantations multiples, où un cas d'usage validé se réplique.