Stephanie Song, qui travaillait auparavant dans l’équipe chargée du développement de l’entreprise et des entreprises chez Coinbase, était souvent frustrée par le volume des tâches de diligence raisonnable que son équipe et elle-même devaient accomplir quotidiennement.
« Les analystes passent des centaines d’heures à faire le travail que personne ne veut faire », a déclaré Song à TechCrunch lors d’une interview par e-mail. « Dans le même temps, les fonds déploient moins de capital et cherchent des moyens de rendre leurs équipes plus efficaces tout en réduisant les coûts d’exploitation. »
Inspiré par la recherche d’un meilleur moyen, Song a fait équipe avec Brian Fernandez et Anand Chaturvedi, deux anciens collègues de Coinbase, pour lancer Dili (à ne pas confondre avec la capitale du Timor oriental), une plateforme qui tente d’automatiser les étapes clés de la diligence raisonnable en matière d’investissement et de la gestion de portefeuille pour les sociétés de capital-investissement et de capital-risque à l’aide de l’IA.
Dili, diplômée de Y Combinator, a levé à ce jour 3,6 millions de dollars en capital-risque auprès de bailleurs de fonds tels qu’Allianz Strategic Investments, Rebel Fund, Singularity Capital, Corenest, Decacorn, Pioneer Fund, NVO Capital, Amino Capital, Rocketship VC, Hi2 Ventures, Gaingels et Hyper Ventures.
« (L’IA) affecte toutes les parties d’un fonds d’investissement, des analystes aux partenaires et aux fonctions de back-office », a déclaré M. Song. « Les professionnels de l’investissement dans les fonds cherchent à se différencier dans la prise de décision et peuvent désormais utiliser leur richesse de données pour combiner leur compréhension de l’opération avec la façon dont elle s’intègre dans les fonds… Dili a une opportunité unique d’émerger comme une solution pour les fonds dans un environnement macroéconomique difficile. »
Song n’a pas tort de penser que les fonds sont à la recherche d’un avantage – ou de tout nouveau moyen prometteur d’atténuer le risque d’investissement, d’ailleurs. Les sociétés de capital-risque disposeraient de 311 milliards de dollars de liquidités non dépensées et, l’année dernière, elles ont levé le montant le plus bas – 67 milliards de dollars – en sept ans, alors qu’elles se montrent de plus en plus prudentes à l’égard des entreprises en phase de démarrage.
Dili n’est pas le premier à appliquer l’IA au processus de diligence raisonnable. Gartner prévoit que d’ici 2025, plus de 75 % des examens exécutifs des sociétés de capital-risque et des investisseurs en phase de démarrage seront réalisés à l’aide de l’IA et de l’analyse de données.
Plusieurs startups et opérateurs historiques utilisent déjà l’IA pour analyser des documents financiers et d’énormes quantités de données afin d’élaborer des comparaisons et des rapports sur le marché, notamment Wokelo (dont les clients sont des fonds de capital-investissement et de capital-risque, comme celui de Dili), Ansarada, AlphaSense et Thomson Reuters (par l’intermédiaire de son unité Clear Adverse Media).
Mais M. Song insiste sur le fait que Dili utilise une technologie « inédite ».
« (Nous pouvons) fournir une très grande précision sur des tâches spécifiques telles que l’extraction de métriques financières à partir de grands documents non structurés », a-t-elle ajouté. « Nous avons construit des pipelines d’indexation et d’extraction personnalisés, adaptés à des documents spécifiques, afin de fournir aux modèles (d’IA) un contexte de haute qualité.
Dili s’appuie sur la GenAI, en particulier sur des modèles de grandes langues du type ChatGPT d’OpenAI, pour rationaliser les flux de travail des investisseurs.
La plateforme commence par cataloguer les données financières historiques et les décisions d’investissement d’un fonds dans une base de connaissances, puis applique les modèles susmentionnés pour automatiser des tâches telles que l’analyse de bases de données de sociétés privées, le traitement de listes de demandes de diligence raisonnable et la recherche de chiffres peu connus sur le web.
Dili a récemment ajouté la possibilité d’effectuer des analyses comparatives automatisées et des analyses comparatives sectorielles sur les opérations en cours d’une entreprise. Une fois que les fonds ont téléchargé leurs données, ils peuvent comparer les opportunités d’investissement historiques et actuelles en un seul endroit.
« Imaginez que vous puissiez recevoir un courriel avec une nouvelle opportunité d’investissement ou une mise à jour sur une société en portefeuille et qu’une plateforme produise instantanément des signaux d’alerte générés par l’IA, une analyse concurrentielle, une analyse comparative du secteur et un résumé préliminaire ou un mémo s’appuyant sur les schémas d’investissement historiques de votre fonds », a déclaré M. Song.
La question est de savoir si l’on peut faire confiance à l’IA de Dili – ou à toute autre IA – pour gérer un portefeuille.
Crédits d’image : Dili
L’IA n’est pas nécessairement connue pour s’en tenir aux faits, après tout. Fast Company a testé la capacité de ChatGPT à résumer des articles et a constaté que le modèle avait tendance à se tromper, à omettre des éléments et à inventer carrément des détails non mentionnés dans les articles qu’il résumait. Il n’est pas difficile d’imaginer comment cela pourrait devenir un véritable problème dans le cadre d’un travail de due diligence, où l’exactitude est primordiale.
L’IA peut également introduire des préjugés dans le processus de décision. Lors d’une expérience menée par la Harvard Business Review il y a plusieurs années, il a été constaté qu’un algorithme formé pour faire des recommandations d’investissement dans des startups choisissait des entrepreneurs blancs plutôt que des entrepreneurs de couleur et préférait investir dans des startups dont les fondateurs étaient des hommes. Cela s’explique par le fait que les données publiques sur lesquelles l’algorithme avait été formé reflétaient le fait que moins de femmes et de fondateurs issus de groupes sous-représentés ont tendance à être désavantagés dans le processus de financement – et, en fin de compte, à lever moins de capital-risque.
Il y a aussi le fait que certaines entreprises peuvent ne pas être à l’aise avec l’utilisation de leurs données privées et sensibles dans le cadre d’un modèle tiers.
Pour tenter de dissiper toutes ces craintes, Mme Song a déclaré que Dili continuait à affiner ses modèles – dont beaucoup sont en source ouverte – pour réduire les cas d’hallucination et améliorer la précision globale. Elle a également souligné que les données privées des clients ne sont pas utilisées pour entraîner les modèles de Dili et que Dili prévoit d’offrir aux fonds un moyen de créer leurs propres modèles entraînés sur des données propriétaires et hors ligne.
« Alors que les fonds spéculatifs et les marchés publics ont beaucoup investi dans la technologie, les données des marchés privés ont un potentiel inexploité que Dili pourrait débloquer pour les entreprises », a déclaré Mme Song.
Dili a mené un premier projet pilote l’année dernière avec 400 analystes et utilisateurs de différents types de fonds et de banques. Mais au fur et à mesure que la startup agrandit son équipe et ajoute de nouvelles capacités, elle cherche à s’étendre à de nouvelles applications – pour devenir finalement une solution « de bout en bout » pour le contrôle préalable des investisseurs et la gestion de portefeuille, selon Song.
« À terme, nous pensons que la technologie de base que nous construisons peut être appliquée à toutes les parties du processus d’allocation d’actifs », ajoute-t-elle.