Capital-risque : Vers une meilleure utilisation des données plutôt qu'une IA plus rapide

L'investissement en capital-risque repose traditionnellement fortement sur le charisme et le facteur "X" des fondateurs, créant un goulot d'étranglement important dans l'utilisation des données. Henrik Landgren, co-fondateur de Gilion et ancien VP analytique chez Spotify, soutient que les investisseurs reçoivent souvent des données sélectionnées par les fondateurs, ce qui entraîne une asymétrie de l'information et nuit à la qualité des décisions d'investissement.

Landgren affirme que l'utilisation de l'IA pour accélérer la génération de rapports ou le résumé des pitch decks est superficielle. Le véritable défi réside dans la manière dont les entreprises peuvent construire de meilleures infrastructures de données et utiliser les données objectivement pour comprendre les opérations commerciales réelles. Conformément au principe "garbage in, garbage out" (ce qui entre est mauvais, ce qui sort est mauvais), l'IA n'est efficace qu'à la hauteur des données qu'elle traite.

Les investisseurs devraient viser à accéder directement aux données qui reflètent réellement la réalité opérationnelle d'une entreprise, telles que les données de paiement et de marketing ou les dossiers comptables, plutôt que de se fier uniquement aux informations fournies par les fondateurs. Cela permettrait d'identifier précocement les défauts et les risques cachés, libérant ainsi le temps des analystes pour des tâches plus cruciales, comme l'évaluation de l'équipe.

Landgren souligne qu'un meilleur accès aux données n'entrave pas l'investissement, mais peut au contraire aider à identifier des opportunités potentielles négligées. La concurrence s'intensifie, et la rapidité ainsi que la prise de décision basée sur des données fiables sont des avantages décisifs. À l'avenir, avec la prévalence croissante des technologies basées sur l'IA, les critères d'évaluation traditionnels évolueront, nécessitant de nouvelles approches.