AI Éléments probants sur l'amélioration de marge : ce qu'un acquéreur peut capitaliser dans la valorisation

1. Définir la décision de transaction

L'analyse doit commencer par la décision à prendre. La valorisation des acquisitions, la préparation côté vendeur, l'analyse d'équité, l'investissement de croissance, la prise ferme de dette et la création de valeur post-acquisition exigent des éléments probants et une répartition des risques différents. La date de valorisation, le périmètre de la transaction, le changement d'actionnariat, l'horizon de prévision, la structure de financement et l'intégration attendue doivent être explicites.

La question centrale est de savoir combien de flux de trésorerie incrémentaux, transférables et durables découlent de processus définis activés par AI après prise en compte de tous les coûts, risques et réponses commerciales. Une démonstration de modèle, un nombre de licences utilisateurs ou une réduction du temps d'exécution des tâches ne suffisent pas, à eux seuls, à établir la marge d'entreprise.

Les éléments probants doivent être figés à une date définie. Les lacunes pouvant être comblées relèvent de la due diligence ; l'incertitude résiduelle relève des scénarios, de la structure, des retenues de prix, des covenants ou du prix. Les résultats observés, les initiatives approuvées et les cas d'usage ambitieux doivent rester distincts.

2. Établir le périmètre économique et de contrôle

Le périmètre doit identifier les unités opérationnelles, entités juridiques, processus, produits, zones géographiques, employés, fournisseurs, données, modèles, logiciels, infrastructures et contrats inclus dans le surcroît de valeur revendiqué. Les services partagés et les accords avec des parties liées nécessitent une affectation transparente.

Le contrôle est déterminant. La cible peut détenir du code et des données, prendre un modèle sous licence, consommer un service logiciel ou dépendre d'un fondateur, d'un intégrateur ou du système d'un client. Les avantages qui nécessitent des droits non transférables ou un accès informel peuvent disparaître après la clôture.

Le périmètre économique doit rapprocher les revenus, les coûts de main-d'œuvre, les sous-traitants, le cloud, les licences, la mise en œuvre, les données, la gouvernance, la sécurité, la conformité, la remédiation, le besoin en fonds de roulement et les dépenses d'investissement. Les économies réalisées hors du périmètre acquis ne doivent pas entrer dans la valeur de la cible sans mécanisme opposable.

3. Constituer le registre des éléments probants sur la valeur générée par AI

Tableau 1. Registre des éléments probants sur la marge AI

Chaque affirmation de valeur doit être reliée à une base de référence contrôlée, à un historique d'exploitation, à un propriétaire et à une conséquence en trésorerie.

Le registre doit conserver la source, la définition, l'unité, la période, la population, la version et l'approbateur. Les corrections doivent conserver l'enregistrement d'origine. Les estimations de la direction doivent être signalées dans les feuilles de travail de la transaction, même lorsque les rapports destinés aux lecteurs utilisent des descriptions de scénarios en langage clair.

Un acheteur doit pouvoir sélectionner un ajustement de valorisation et le retracer à rebours via la trésorerie, le résultat opérationnel, l'intervention, la base de référence et les données sous-jacentes. Les liens rompus doivent entrer dans le scénario défavorable.

4. Définir le flux de travail activé par AI

Le flux de travail doit être décrit avant le modèle. Les entrées, décisions, sorties, contrôles, passations, exceptions, effets sur le client et rôles responsables déterminent si une capacité technique modifie l'économie de l'entreprise.

Les cas d'usage peuvent inclure l'assistance client, l'aide à la vente, la programmation, le traitement de documents, la prévision, la détection de fraude, la maintenance, le contrôle qualité, la tarification et la conception de produits. Chacun présente des exigences différentes en matière de latence, de précision, de revue humaine, de responsabilité et d'adoption.

L'acheteur doit identifier l'étape contrainte. Une rédaction plus rapide a une valeur limitée lorsque l'approbation, l'acquisition de clients ou la mise en œuvre reste le goulot d'étranglement. La valeur suit le flux de travail de bout en bout plutôt que la tâche isolée.

5. Figer le protocole de base de référence

Le protocole doit être adapté au flux de travail, à l’horizon de décision et au contrefactuel disponible.

La base de référence doit préciser la période, la population, le volume, le niveau de service, la qualité, la composition, les effectifs, le coût, le prix, le système et les événements exceptionnels. Elle doit utiliser des définitions reproductibles à partir des enregistrements sources.

La saisonnalité, la croissance, l’arriéré, l’inflation, la restructuration et d’autres changements technologiques peuvent faire évoluer les mêmes indicateurs. Le protocole doit définir les ajustements avant l’examen des résultats. Un mois précédent choisi par commodité constitue rarement un contrefactuel suffisant.

La gouvernance de la base de référence doit identifier qui peut modifier les définitions et comment les retraitements sont approuvés. Les changements de systèmes sources, les réorganisations et les règles d’allocation révisées peuvent faire apparaître les périodes ultérieures comme meilleures sans gain opérationnel. L’acheteur doit conserver à la fois la base de référence déclarée et une version normalisée pour la transaction, avec un pont entre les deux. Les mesures financières doivent être rapprochées des comptes du grand livre pertinents ; les mesures opérationnelles doivent être rapprochées des enregistrements d’événements contrôlés. L’échantillonnage peut être proportionné pour les activités à fort volume, sous réserve d’une conception représentative et de tests sur les exceptions.

La capacité et la qualité doivent partager la même frontière. Si le temps de traitement de la base de référence exclut la recherche, l’escalade ou le travail après appel, tandis que la période AI n’inclut que l’étape assistée par le modèle, la comparaison est biaisée. Les effets de file d’attente et de demande comptent également : un temps de traitement plus faible pendant une faible demande peut laisser le débit inchangé. Le protocole doit donc mesurer l’achèvement de bout en bout, l’arriéré, le niveau de service et l’utilisation des ressources parallèlement au temps de tâche. Toute détérioration future supposée de la base de référence, telle que l’inflation salariale ou la hausse des volumes, doit rester un facteur de prévision plutôt que de contaminer l’amélioration observée.

6. Sélectionner une méthode d’identification

Le déploiement randomisé, l’adoption échelonnée, le contrôle apparié, la différence de différences, les séries temporelles interrompues et l’analyse avant-après contrôlée offrent différents niveaux de preuve causale. La méthode doit être adaptée aux contraintes opérationnelles et à la qualité des données.

Le biais de sélection importe parce que les équipes plus performantes ou les utilisateurs plus enthousiastes adoptent souvent en premier. Comparer les adoptants aux non-adoptants peut donc attribuer à AI des différences de performance préexistantes. Les effets de débordement peuvent contaminer le groupe de contrôle lorsque les utilisateurs partagent des résultats ou des pratiques.

L’analyse doit indiquer la taille de l’effet, l’incertitude, la durée et la population. La signification statistique n’établit pas le caractère significatif financier, et une estimation significative reposant sur une identification faible doit se voir attribuer une fourchette de valorisation plus large.

La randomisation peut intervenir au niveau de l’utilisateur, de l’équipe, du client, du dossier ou de la fenêtre temporelle. L’unité doit refléter les effets de débordement et l’indépendance opérationnelle. Une affectation par grappes peut réduire la contamination et aussi réduire la puissance statistique. Un déploiement échelonné peut être pratique lorsque la capacité de mise en œuvre est limitée, à condition que le calendrier ne soit pas choisi en fonction des performances attendues. La différence de différences exige des preuves que le traitement et le contrôle auraient suivi des tendances comparables en l’absence de l’intervention. Les graphiques d’étude d’événement peuvent révéler des tendances préexistantes et des effets différés.

L’équipe de due diligence doit examiner l’attrition, les enregistrements manquants, la non-conformité au traitement et les changements dans la collecte des indicateurs. Les estimations en intention de traiter mesurent l’effet de la mise à disposition de l’outil ; les estimations sur les traités exigent des hypothèses plus fortes et peuvent être utiles pour un futur cas d’adoption. Des résultats multiples et un réglage répété du modèle augmentent la probabilité de résultats positifs sélectifs. Le rapport doit indiquer les mesures prédéfinies, les tests de sensibilité et les résultats négatifs. Lorsqu’une identification contrôlée est impossible, la triangulation entre le temps, les équipes, les systèmes, les entretiens et la trésorerie fournit une fourchette de preuves plus honnête qu’un seul pourcentage précis.

7. Distinguer la productivité des tâches de la productivité de l’entreprise

Le temps par tâche peut diminuer sans réduire les coûts ni augmenter les revenus. Les employés peuvent consacrer le temps libéré à la revue, à la coordination, au travail client, à l'apprentissage ou à de la capacité inutilisée. Les effectifs peuvent rester stables tandis que le service s'améliore.

L'étude de terrain du NBER sur un assistant génératif destiné aux agents de support client a rapporté une augmentation moyenne de la productivité avec une forte hétérogénéité selon l'expérience. Il s'agit de données probantes pour un flux de travail et un contexte spécifiques. Ce n'est pas une hypothèse automatique de marge pour une autre entreprise.

L'acquéreur doit cartographier le gain au niveau des tâches à travers le débit du flux de travail, le goulot d'étranglement, l'utilisation, la décision de capacité et la trésorerie. Le maillon de conversion le plus faible limite la valeur capitalisable.

La productivité de l'entreprise devrait utiliser un dénominateur de production reflétant la valeur pour le client ou pour l'entreprise. Le nombre de documents produits, de lignes de code ou de contacts tentés peut augmenter alors que les versions acceptées, la conversion client ou la contribution stagnent. La composition de la production doit être contrôlée, car un travail plus simple peut migrer vers la population mesurée après le déploiement. Un acquéreur peut examiner les distributions, et pas seulement les moyennes : la variance, les erreurs en queue de distribution et l'escalade peuvent révéler des coûts masqués par la vitesse moyenne.

La capacité libérée a plusieurs usages. Elle peut absorber la croissance sans embauche, réduire les heures supplémentaires ou le recours à des prestataires, soutenir une amélioration du service, raccourcir les délais de traitement, accroître l'activité commerciale ou permettre une réduction des effectifs. Chaque voie présente des échéances, des coûts et un degré de certitude différents. Le modèle financier doit retenir une voie explicite par cohorte et par période. Il doit aussi préserver la capacité nécessaire à la revue, à l'apprentissage, à la résilience et aux pics de demande. Lorsque la direction prévoit un redéploiement, l'activité d'accueil doit avoir une demande, une responsabilité et une contribution mesurable ; sinon, l'économie reste une opportunité opérationnelle.

8. Mesurer l'adoption par cohorte

L'adoption doit distinguer l'attribution de licence, la connexion, l'usage éligible, l'usage actif, la production acceptée, l'usage conforme et l'intégration durable au flux de travail. Un pourcentage agrégé d'utilisateurs peut masquer des licences inactives et une concentration d'utilisateurs intensifs.

Les cohortes doivent être définies par date de démarrage, rôle, site, responsable, performance de référence, flux de travail et version du modèle. Les courbes de rétention peuvent montrer si l'expérimentation initiale devient une pratique durable.

Les bénéfices varient souvent selon l'expérience. Un acquéreur doit éviter d'appliquer à tous les employés le résultat de la cohorte de novices la plus forte. Les résultats pondérés par cohorte doivent utiliser la composition future des effectifs.

Construire la courbe de l'adoption à la valeur

Remplacer la courbe par les utilisateurs éligibles observés, l'adoption durable, l'utilisation du flux de travail et la conversion en trésorerie.

La courbe de conversion doit établir la concordance entre la population éligible et l'usage actif, intégré et générateur de trésorerie. L'abandon peut provenir de l'accès, de la confiance, de la formation, de la qualité, de la latence, des politiques, du soutien du responsable ou d'une inadéquation du flux de travail.

La prévision d'adoption doit utiliser les taux de transition observés et les interventions prévues. Un passage soudain à l'adoption complète sans formation, refonte des processus ni incitations justifie un scénario défavorable explicite.

10. Définir la hiérarchie des résultats

Les résultats doivent être classés en intrants, activité, résultat opérationnel, résultat client et trésorerie. Les licences et les prompts sont des intrants ; les tâches terminées et les suggestions acceptées sont de l’activité ; le temps, les erreurs et le débit sont des résultats opérationnels ; la rétention et la conversion sont des résultats client ; la masse salariale, le prix, le volume et le besoin en fonds de roulement se traduisent en trésorerie.

Les indicateurs avancés peuvent soutenir l’action managériale et ne doivent pas être capitalisés comme si la trésorerie s’était déjà matérialisée. Le pont de valorisation doit indiquer l’hypothèse de conversion entre chaque niveau.

La qualité et le risque vont de pair avec la vitesse. Une production plus rapide qui augmente les corrections, les réclamations, les reprises ou la responsabilité peut anéantir le gain apparent.

Rapprocher le pont des économies

Les valeurs sont indicatives ; les ajustements de transaction doivent provenir de registres opérationnels et financiers contrôlés.

Le pont doit partir de la capacité de tâches observée et déduire les goulots d’étranglement, l’adoption incomplète, la perte de qualité, la mise en œuvre et les coûts récurrents. Il doit ensuite identifier l’action approuvée qui convertit la capacité en trésorerie.

Les économies ne doivent pas être comptées deux fois, à la fois par la réduction des effectifs et par l’augmentation de la production, sauf si le flux de travail peut soutenir les deux. Le pont doit être rapproché des prévisions financières et du tableau des flux de trésorerie.

La capacité brute de tâches doit être calculée à partir du volume éligible, de la variation de temps observée et de l’achèvement ajusté en fonction de la qualité. Elle doit exclure les travaux que le modèle ne peut pas traiter, les cas rejetés par les utilisateurs et la capacité consommée par la préparation des prompts, la revue et la remédiation. La conversion du flux de travail applique ensuite l’étape limitante, le planning de personnel, le niveau de service, la demande et l’action managériale. La conversion financière applique l’économie des coûts salariaux, de sous-traitance, fournisseurs ou de contribution au taux marginal réel plutôt qu’au revenu moyen par salarié.

Le pont doit être rapproché période par période. La mise en œuvre peut créer une baisse initiale de productivité pendant la formation et l’intégration. Les économies peuvent augmenter avec l’adoption, puis s’estomper sous l’effet de la concurrence ou d’un changement de modèle. Les indemnités de licenciement, la résiliation de contrats, la duplication des systèmes et les mesures de rétention peuvent retarder le retour sur investissement. L’acheteur doit présenter le bénéfice brut, le coût, la trésorerie nette et l’investissement cumulé, ainsi que le point où le programme s’autofinance. Cela évite qu’un rythme annualisé en régime permanent soit traité comme des bénéfices actuels.

12. Distinguer les coûts réalisés, évités et prévisionnels

La réduction de coûts réalisée apparaît dans la masse salariale, les sous-traitants, les fournisseurs ou d’autres registres de trésorerie après la mise en œuvre. Le coût évité est une dépense future crédible dont l’entreprise n’a plus besoin. L’économie prévisionnelle dépend d’une action non achevée.

Un recrutement évité exige un plan d’effectifs approuvé, une prévision de la demande et la preuve que le service peut être assuré sans le poste. Un poste vacant ou une ambition managériale ne suffit pas à établir une trésorerie évitée.

La valorisation doit accorder la priorité la plus forte à la trésorerie récurrente réalisée, puis aux coûts évités étayés par des preuves, puis à l'avantage prévisionnel ajusté du risque. La valeur d'option doit rester en dehors du résultat de base, sauf si une méthode transactionnelle la valorise explicitement.

13. Tester la conversion des effectifs

Le pont des effectifs doit rapprocher la capacité en équivalents temps plein, les postes réels, l'attrition, les recrutements, les indemnités de licenciement, le redéploiement, les heures supplémentaires et les dépenses de prestataires. La refonte organisationnelle et la consultation peuvent retarder la conversion en trésorerie.

Le transfert de connaissances peut modifier la distribution des performances. AI peut aider les travailleurs moins expérimentés à se rapprocher de pairs plus performants tout en offrant un bénéfice limité aux experts. Les prévisions relatives aux effectifs doivent conserver les besoins de revue, d'escalade et d'expertise métier.

Les relations avec les salariés, le droit du travail et les effets incitatifs nécessitent un examen local. Des hypothèses d'économies agressives peuvent nuire à l'adoption ou accroître le risque de contrôle.

14. Préserver la qualité et les résultats clients

Les mesures de qualité doivent être définies avant le déploiement. L'exactitude, la résolution au premier contact, les défauts, les reprises, les réclamations, l'attrition, la satisfaction, la sécurité et les exceptions réglementaires peuvent contrebalancer les gains de rapidité.

La revue humaine peut préserver la qualité et réduire le gain de temps. L'intensité de la revue doit refléter le risque et les performances observées du modèle. Une prévision ne doit pas supposer à la fois une automatisation complète et un coût de revue inchangé sans éléments probants.

La réaction des clients peut affecter le chiffre d'affaires. Un service plus rapide peut améliorer la fidélisation, tandis qu'un résultat générique ou incorrect peut affaiblir la confiance. Les résultats doivent être mesurés par cohorte et comparés à un groupe de contrôle crédible.

15. Attribuer la hausse du chiffre d'affaires

Les affirmations relatives au chiffre d'affaires peuvent découler d'une capacité commerciale accrue, d'un meilleur ciblage, d'une réponse plus rapide, d'une conversion plus élevée, d'une amélioration des prix, de l'innovation produit ou de la fidélisation. Chaque voie nécessite un lien contrôlé entre l'intervention, l'action du client et la trésorerie.

L'activité du pipeline n'est pas du chiffre d'affaires. Les prospects, propositions et interactions doivent être rapprochés des commandes, livraisons, factures, encaissements et de la marge incrémentale. La demande existante et les incitations commerciales peuvent brouiller l'attribution.

Le chiffre d'affaires incrémental doit être évalué sur la base de la marge sur coûts variables après exécution, commissions, support, cloud, remboursements et besoin en fonds de roulement. Appliquer un multiple de chiffre d'affaires au pipeline brut associé à AI peut sensiblement surestimer la valeur.

Les expérimentations commerciales doivent contrôler le territoire, le potentiel du compte, le représentant, la campagne, la disponibilité des produits et le pouvoir de fixation des prix. La prospection assistée par AI peut accroître l'activité tout en réduisant la pertinence ou la qualité de la marque. La notation des prospects peut rediriger les efforts vers des clients déjà susceptibles d'acheter, améliorant la conversion mesurée sans créer de demande incrémentale. Des groupes témoins, des recommandations randomisées ou un déploiement progressif peuvent renforcer l'attribution. Les effets au niveau des clients doivent être examinés sous l'angle de la concentration ; un renouvellement important peut dominer une hausse apparente.

Les cas d'usage de tarification exigent une prudence supplémentaire. Un prix réalisé plus élevé peut refléter le mix, la rareté, le calendrier contractuel ou un pouvoir de remise réduit plutôt qu'un modèle. L'acheteur doit examiner ensemble le prix, le volume, l'attrition, le taux de réussite, le coût du service et la contribution sur la durée de vie. Les systèmes de recommandation peuvent déplacer la demande entre les propres produits de la cible, créant une hausse brute sans valeur incrémentale pour le groupe. Le chiffre d'affaires prévisionnel doit également inclure le calendrier du cycle de vente et les encaissements. Une commande enregistrée qui nécessite une mise en œuvre plus importante ou comporte des droits d'annulation ne doit pas recevoir la même valeur qu'une marge récurrente encaissée.

16. Tester la répercussion concurrentielle

Un gain d'efficacité peut augmenter la marge, soutenir des prix plus bas, améliorer le service ou financer de nouvelles fonctionnalités. Le résultat dépend de la concurrence, du pouvoir de négociation des clients, du renouvellement des contrats et de la différenciation.

Si des pairs ont accès à des outils similaires, une partie des économies peut être répercutée sur les clients via le prix ou le niveau de service exigé. L'acheteur doit soumettre à des tests de résistance le prix, la rétention et la part de marché plutôt que de supposer que l'intégralité du gain de coût se maintient dans EBITDA.

La défensibilité peut provenir de données propriétaires, de l'intégration au flux de travail, des coûts de changement, de la distribution, de la marque, de la réglementation, de l'échelle ou de l'apprentissage. Une licence de modèle disponible pour les concurrents n'offre qu'une protection concurrentielle autonome limitée.

La répercussion peut intervenir via des appels d'offres formels, le renouvellement de contrats, la négociation avec les clients ou un niveau de service attendu plus élevé. La vitesse dépend de la durée des contrats, de la divulgation d'informations, de la concentration des clients et de la visibilité de la structure de coûts. Les accords à prix coûtant majoré peuvent répercuter les économies rapidement ; les contrats à prix fixe peuvent conserver l'avantage jusqu'à la réévaluation des prix ; les marchés réglementés ou soumis à des références de marché peuvent imposer un partage distinct. Le modèle commercial doit cartographier le mécanisme plutôt que d'appliquer une érosion générique.

Les concurrents peuvent utiliser AI pour baisser les prix, raccourcir les délais de livraison, ajouter des fonctionnalités ou cibler les mêmes clients. La cible peut conserver de la valeur en réinvestissant une partie des économies dans la différenciation. Cela crée une répartition délibérée entre marge et investissement de croissance. Les cas d'investissement de l'acheteur devraient comparer une stratégie de récolte à une stratégie de défense et de croissance, y compris la réaction des clients et les dépenses requises. Une allégation d'avantage concurrentiel durable doit être testée au regard des droits, de l'unicité des données, du flux de travail intégré, de l'accumulation de preuves et des coûts de changement. L'échelle seule est faible lorsque les coûts des modèles et des données baissent largement sur le marché.

17. Construire la structure complète des coûts de mise en œuvre

Tableau 2. Structure des coûts de mise en œuvre et des coûts récurrents de AI

Les coûts doivent être imputés selon le flux de travail, la phase et le traitement comptable.

Les coûts de mise en œuvre doivent inclure la main-d'œuvre interne et les perturbations de l'activité. L'activation d'un coût comptable ne supprime ni le risque de trésorerie ni le risque d'exécution. Les dépenses restantes doivent être rattachées à des jalons et à la capacité.

Le coût de la plateforme partagée nécessite une répartition cohérente avec l'utilisation prévue. Les remises fournisseurs, les engagements minimaux et la devise peuvent modifier l'économie unitaire à mesure que le volume évolue.

18. Modéliser l'économie unitaire récurrente

L'économie récurrente doit mesurer le coût par résultat accepté, conforme et utile plutôt que par token ou appel de modèle uniquement. Les sorties échouées, rejetées et répétées consomment des ressources.

Licence, inférence, stockage, récupération, données, observabilité, revue humaine, support et sécurité peuvent évoluer différemment avec l'échelle. La tarification peut changer après les périodes d'introduction ou une renégociation avec le fournisseur.

L’économie unitaire doit être mise à l’épreuve pour un volume plus élevé, un contexte plus long, une substitution de modèle, des exigences de niveau de service et la résidence des données. Les économies de coûts doivent résister à des conditions fournisseurs plausibles.

19. Gouverner les données, la vie privée et la propriété intellectuelle

L’acheteur doit cartographier la source des données, le consentement, la finalité, la qualité, l’accès, la conservation, le transfert et la suppression. Les données sensibles des clients et des employés ainsi que les données réglementées peuvent limiter l’utilisation et générer des coûts de remédiation.

Les droits relatifs à l’entraînement, à la récupération et aux sorties doivent être examinés dans les contrats de travail, fournisseurs, open source, clients et partenaires. La propriété du code ou des prompts ne confère pas nécessairement de droits sur les données sous-jacentes ou le contenu généré.

Le risque lié à la vie privée, à la confidentialité et à la propriété intellectuelle doit être intégré à la fois aux flux de trésorerie et à la protection de la transaction. Des engagements non étayés ou un traitement illicite peuvent compromettre le cas d’usage après la clôture.

20. Appliquer une discipline comptable

La comptabilisation et la valorisation sont liées et distinctes. IAS 38 exige une ressource identifiable et contrôlée ainsi que des critères de comptabilisation pour une immobilisation incorporelle. La configuration ou la personnalisation dans un accord cloud peut rester un coût de service lorsque le client ne contrôle pas d’actif.

L’acheteur doit rapprocher le développement capitalisé, la recherche passée en charges, les licences, les services prépayés, la dépréciation et la durée d’utilité. L’amélioration du EBITDA peut être embellie par la classification des coûts sans modifier la trésorerie.

La comptabilité d’acquisition peut identifier des technologies, des relations clients et d’autres immobilisations incorporelles selon les normes applicables. La valorisation de la transaction doit éviter de compter deux fois le même avantage à la fois dans la trésorerie prévisionnelle et dans une prime d’actif distincte.

Les travaux sur la qualité des résultats doivent faire le lien entre le EBITDA publié et la trésorerie et identifier où apparaissent les coûts de développement, les engagements cloud, la main-d’œuvre interne et les crédits fournisseurs. Une entreprise peut afficher un EBITDA plus élevé après avoir capitalisé des dépenses de développement éligibles alors que la sortie de trésorerie augmente. À l’inverse, un investissement passé en charges peut peser sur les résultats actuels tout en soutenant la trésorerie future. L’acheteur doit normaliser selon une politique cohérente sur les périodes historiques et prévisionnelles et préserver les exigences comptables applicables.

L’affectation du prix d’acquisition et la valorisation de la transaction répondent à des objectifs différents. La technologie identifiée peut être valorisée selon les méthodes des coûts, des revenus ou de marché prévues par le référentiel de reporting applicable. Les relations clients peuvent déjà refléter dans leurs prévisions une fidélisation soutenue par AI. Les charges liées aux actifs contributeurs et les durées d’utilité doivent éviter les chevauchements. L’analyse de dépréciation après la clôture peut révéler un dossier économique qui reposait sur une adoption ou une croissance qui ne se matérialise pas. Le modèle de la transaction doit donc conserver les hypothèses qui étayent à la fois le prix et le reporting futur, avec une gouvernance des modifications.

21. Établir la transférabilité et le contrôle

La valeur est transférée lorsque l’acheteur obtient les droits, systèmes, données, personnes, contrats et connaissances opérationnelles nécessaires pour poursuivre le résultat. Les connaissances du fondateur, l’accès informel aux fournisseurs ou une exception propre à un client peuvent être fragiles.

L’équipe de due diligence doit identifier le consentement au changement de contrôle, la cession de licence, la portabilité des données, l’accès au modèle, le code source, la documentation, le personnel clé, les sous-traitants et l’assistance à la sortie. Un avantage dépendant d’une infrastructure conservée par le vendeur nécessite un arrangement transitoire et un coût.

La transférabilité doit être testée au moyen d’un exercice contrôlé de reprise ou de transfert lorsque cela est proportionné. Le volume de documentation constitue une preuve plus faible que la capacité d’une équipe autorisée à exploiter et à reproduire les résultats.

22. Valider les modèles et les contrôles décisionnels

La validation doit couvrir l'exactitude, la calibration, les biais, la robustesse, la dérive, l'explicabilité lorsque cela est requis, l'adéquation au flux de travail, la sécurité et le résultat financier. Elle doit utiliser des données et des conditions distinctes de celles du développement.

L'inventaire des modèles doit identifier le propriétaire, l'objectif, la version, la dépendance, les données, l'approbation, les limites et le suivi. Les artefacts de production doivent être liés à la version approuvée. Les dérogations et exceptions doivent être conservées.

Le cadre de gestion des risques AI du NIST et la norme ISO/IEC 42001 fournissent des concepts de gouvernance pouvant guider des contrôles proportionnés. La conformité à un cadre doit être démontrée par la pratique opérationnelle plutôt que par une simple déclaration de politique.

La validation doit tester le système dans le flux de travail où la valeur est revendiquée. L'exactitude en mode hors ligne peut ne pas capturer la latence, la défaillance de récupération, l'interprétation de l'utilisateur, le biais d'automatisation ou l'interaction avec les règles d'approbation. Les populations de test doivent couvrir des cas normaux, difficiles, à forte valeur et à haut risque. Les seuils d'acceptation doivent être approuvés par les responsables métier et risques redevables. Lorsqu'un modèle recommande un prix, un crédit, une décision en matière d'emploi, de sécurité ou une autre décision lourde de conséquences, la norme de gouvernance et le standard juridique peuvent être sensiblement plus élevés que pour une aide à la rédaction.

Le suivi doit combiner des indicateurs avancés et retardés. La dérive des entrées, la confiance, le rejet, la dérogation et l'exception peuvent signaler une détérioration avant l'apparition d'une perte de trésorerie. Le retraitement, la réclamation, le résultat client, le manquement à la conformité et la marge réalisée confirment l'effet. Les seuils doivent déclencher une action définie : examen supplémentaire, réduction du périmètre, retour arrière, réentraînement ou suspension. La correction manuelle répétée peut révéler que l'automatisation apparente reste dépendante de la main-d'œuvre experte. La valorisation doit inclure cette main-d'œuvre et le cycle de renouvellement attendu.

23. Tester la concentration des fournisseurs et des infrastructures

Les flux de travail AI peuvent dépendre de fournisseurs de modèles, du cloud, de bases de données vectorielles, de fournisseurs de données et de partenaires d'intégration. Une panne, un changement de prix, une politique, le retrait d'un modèle ou une acquisition peuvent modifier l'équation économique.

Les contrats doivent définir le service, la sécurité, l'utilisation des données, la propriété intellectuelle, l'audit, la responsabilité, la modification, la résiliation et la transition. Les seuils de dépense minimale et les paliers de volume doivent être rapprochés des prévisions.

Les tests de substitution doivent tenir compte de la qualité des sorties, de la latence, de l'intégration, du réentraînement, des approbations et des obligations envers les clients. Un second fournisseur purement nominal ne constitue pas une résilience lorsque le basculement exige des mois de redéveloppement.

24. Évaluer la cybersécurité et la résilience opérationnelle

Les vecteurs d'attaque peuvent inclure l'injection de prompt, la fuite de données, la récupération empoisonnée, des identifiants compromis, des outils malveillants et des intégrations vulnérables. Un système qui agit sur des enregistrements ou des services externes peut créer une perte opérationnelle directe.

Les contrôles doivent inclure la gestion des identités, le principe du moindre privilège, la segmentation, la gestion des entrées et sorties, le suivi, les limites de débit, l'approbation des changements, les sauvegardes, la restauration et la réponse aux incidents. L'approbation humaine doit être proportionnée aux conséquences potentielles.

Le coût de la résilience fait partie du modèle opérationnel. L'assurance et la responsabilité des fournisseurs peuvent laisser des exclusions ou plafonds importants ; l'acheteur doit soumettre à des tests de résistance l'exposition résiduelle en trésorerie.

25. Élaborer le test de persistance

Remplacer la courbe illustrative par des données observées sur la trésorerie, l'adoption, le modèle, les clients et les coûts.

La persistance doit être testée au regard de la performance technique, de l'adoption, de l'intégration des flux de travail, de la réaction des clients, de la concurrence, des coûts des fournisseurs, de la réglementation et de la capacité organisationnelle. Un facteur d'érosion uniforme masque des causes différentes.

Chaque moteur doit avoir des indicateurs observables et un responsable. La prévision peut alors être actualisée à mesure que les données se consolident. Un acquéreur doit éviter une marge terminale qui dépasse la durabilité soutenue par les droits et la structure de marché.

La persistance technique doit être mesurée par rapport au résultat métier, et non à un jeu de tests figé isolément. Les populations d'entrée, la langue, les produits et le comportement des clients peuvent évoluer. Les mises à niveau du modèle peuvent améliorer la qualité moyenne tout en modifiant le ton, la latence, le coût ou le comportement sur les cas limites. Les suites de régression doivent inclure les cas commercialement importants et à haut risque. La persistance des flux de travail exige des interfaces, des approbations, une formation, un support et un renforcement par les managers stables. L'érosion des cohortes peut indiquer que l'outil ajoute des frictions ou que les premiers utilisateurs n'étaient pas représentatifs.

La persistance de la trésorerie doit rapprocher le renouvellement, le prix, le coût et la maintenance. Un avantage peut rester visible sur le plan opérationnel alors que le coût du fournisseur augmente ou que les clients se l'approprient. Le modèle doit estimer le réinvestissement nécessaire pour préserver les données, les intégrations, les contrôles et les compétences. Les périodes de persistance doivent être alignées sur les éléments contractuels et technologiques, plutôt que sur l'horizon de prévision standard par convention. La structure de la transaction peut répondre à des éléments qui arriveront à maturité après la clôture, au moyen d'une contrepartie échelonnée ou de covenants mesurables.

26. Distinguer la dérive du modèle de l'érosion commerciale

La dérive du modèle se produit lorsque les données ou les relations changent et que la performance technique se dégrade. L'érosion commerciale se produit lorsque des concurrents imitent, que les clients font pression sur les prix, que les volumes évoluent ou que le flux de travail perd sa pertinence stratégique.

Les remèdes diffèrent. Le réentraînement peut restaurer la précision, mais ne peut pas restaurer une prime de prix perdue. Les équipes produit et commerciales doivent donc suivre la valeur parallèlement aux métriques du modèle.

Les scénarios de valorisation doivent distinguer la dégradation réparable, le coût de renouvellement récurrent et l'érosion structurelle. Les hypothèses terminales doivent refléter le réinvestissement attendu nécessaire pour maintenir l'avantage.

27. Tester les contraintes d'échelle et d'intégration

Un pilote peut fonctionner sur des données sélectionnées, des utilisateurs choisis et un support manuel. Le déploiement à l'échelle de l'entreprise introduit des systèmes existants, des cas limites, une charge de pointe, des contraintes de juridiction, de contrôle d'accès et des engagements de service.

Les éléments probants à l'échelle doivent inclure le volume représentatif, le taux d'exception, la latence, la disponibilité, l'effort de support, le coût unitaire et la performance des contrôles. Le succès d'un pilote ne doit pas être multiplié par le volume total de l'entreprise sans ces tests.

L'intégration avec les systèmes financiers, clients, de chaîne d'approvisionnement et opérationnels peut créer à la fois de la valeur et un verrouillage. Les interfaces restantes, la remédiation des données et la refonte des processus doivent être intégrées aux coûts et au calendrier.

Séparer l'avantage autonome de la synergie de l'acquéreur

La valeur autonome doit refléter la cible sous sa propriété actuelle avec des initiatives étayables. Une synergie propre à l'acquéreur peut découler de l'échelle, des données, de la distribution, des achats, des plateformes, de l'accès aux clients ou de l'élimination des doublons.

La valorisation doit éviter de payer le vendeur pour une synergie que seul l'acquéreur peut créer, sauf si le processus concurrentiel ou la négociation exige un partage. Les coûts, le calendrier et le risque d'exécution doivent accompagner chaque synergie.

Les désynergies doivent également être modélisées. L'intégration peut interrompre les flux de travail, modifier les licences, déclencher des consentements, réduire l'adhésion des employés ou créer des restrictions sur les données.

29. Sélectionner la méthode de valorisation

Les flux de trésorerie actualisés peuvent modéliser les revenus, coûts, investissements, risques et la valeur terminale incrémentaux rendus possibles par AI. Les multiples de sociétés comparables ou de transactions peuvent fournir une contre-vérification de marché et peuvent intégrer une exposition et un traitement comptable différents à l'égard de AI.

Une méthode distincte d'évaluation des actifs technologiques peut être utile lorsque les droits et les flux de trésorerie peuvent être isolés. Les méthodes de l'exonération de redevances, des bénéfices excédentaires, du coût de remplacement et des options exigent des preuves spécifiques à chaque méthode et ne doivent pas compter deux fois les avantages prévisionnels.

La méthode doit suivre la source économique de la valeur. Une prime générale pour un label AI est fragile lorsque des flux de trésorerie durables, des droits et une différenciation ne sont pas démontrés.

Le modèle de flux de trésorerie actualisés doit construire la valeur par cas d'usage ou par flux de travail lorsque cela est significatif, puis la rapprocher de la prévision consolidée. Les hypothèses de revenus, de coûts, d'investissement, de fiscalité, de fonds de roulement et de valeur terminale doivent partager les mêmes moteurs d'adoption et de pérennité. Les scénarios doivent préserver les dépendances : une utilisation plus élevée peut augmenter à la fois le bénéfice et le coût du modèle ; une automatisation plus rapide peut augmenter les indemnités de départ et les dépenses de contrôle ; une réaction concurrentielle plus forte peut réduire le prix tout en augmentant l'innovation requise.

Les données de marché doivent être normalisées pour la croissance, la rentabilité, les revenus récurrents, la concentration des clients, l'intensité capitalistique, le traitement comptable et le modèle d'affaires. Les entreprises décrites comme des activités AI peuvent posséder la technologie, revendre de l'infrastructure, appliquer AI en interne ou simplement commercialiser le label. Les primes de transaction peuvent refléter la rareté, le contrôle stratégique ou la concurrence dans le processus plutôt qu'une marge réutilisable. Un acquéreur doit utiliser les multiples de marché comme fourchette de caractère raisonnable et expliquer toute prime incrémentale par les flux de trésorerie, les droits ou la structure.

Construire le waterfall de valorisation de l'acquéreur

Les valeurs sont illustratives ; les déductions doivent être étayées par des éléments probants issus de la transaction et des scénarios cohérents.

Le waterfall doit commencer par la survaleur revendiquée et déduire la base de référence non étayée, l’incertitude d’attribution, l’adoption incomplète, les fuites de qualité, le coût du cycle de vie, la répercussion concurrentielle et le risque résiduel. Le résultat doit s’articuler avec les flux de trésorerie de la valorisation.

Les ajustements doivent éviter les chevauchements. Un risque déjà modélisé par des flux de trésorerie plus faibles ne doit pas être dupliqué par une réduction identique du multiple, sauf s’il subsiste une incertitude résiduelle.

Le waterfall doit être construit pour chaque cas d’usage significatif, puis consolidé. Un total de portefeuille peut masquer un processus mature générateur de trésorerie et plusieurs projets pilotes spéculatifs. Les coûts de plateforme partagés doivent être alloués de manière cohérente, tandis que les risques communs, tels qu’un fournisseur de modèle ou une source de données, doivent être soumis à des tests de résistance sur tous les cas d’usage dépendants. Le pont doit présenter séparément les périodes observées, le run-rate et les périodes prévisionnelles. Un run-rate doit exiger des actions achevées, une capacité actuelle et des preuves que la période est représentative.

Les ajustements de l’acheteur peuvent aussi être positifs lorsque la due diligence révèle une capacité sous-utilisée assortie d’une demande vérifiée et d’un plan de conversion financé. Cette valeur reste prévisionnelle tant que l’adoption et les flux de trésorerie ne sont pas observés. Le rapport doit indiquer les éléments probants requis pour l’intégration à la valeur de base, le responsable désigné et la date de revue prévue. Cela crée un dossier de souscription évolutif pouvant étayer la gouvernance de l’intégration, les calculs d’earn-out et la future revue de dépréciation.

31. Construire des scénarios baissiers cohérents

Le scénario baissier doit combiner des événements liés par une relation de causalité. Une adoption plus faible peut réduire les coûts de licence et de calcul tout en retardant les mesures sur les effectifs. Une sous-performance du modèle peut accroître le coût de revue et dégrader conjointement les résultats clients.

Les scénarios doivent soumettre à des tests de résistance les bénéfices, le calendrier, la mise en œuvre, les coûts récurrents, le prix des fournisseurs, la réglementation, la concurrence, la qualité et la remédiation. La liquidité doit couvrir la trajectoire en cas de déploiement échoué ou retardé.

Les scénarios de la direction doivent être comparés à des fourchettes observées et à des preuves indépendantes. Un scénario pondéré par les probabilités ne doit pas laisser entendre une précision non étayée par les facteurs sous-jacents.

La conception des scénarios baissiers doit partir des modes de défaillance. Les droits sur les données peuvent restreindre le processus ; un changement de modèle peut réduire la qualité ; un fournisseur peut augmenter ses prix ; les utilisateurs peuvent rejeter l’outil ; les régulateurs ou les clients peuvent exiger un examen ; l’intégration peut prendre du retard ; les mesures sur les effectifs peuvent coûter plus cher ; et les concurrents peuvent répercuter leurs gains sur les prix. Chaque mode de défaillance doit être rattaché aux cas d’usage concernés, au calendrier, aux flux de trésorerie, à la remédiation et au contrôle. La diversification du portefeuille entre plusieurs cas d’usage doit refléter les fournisseurs, données, capacités de changement et gouvernance partagés.

L’analyse de liquidité doit inclure les licences engagées, les engagements minimaux cloud, les prestataires, la remédiation, les indemnités de licenciement, les systèmes dupliqués et les effets sur le fonds de roulement. Une initiative échouée peut maintenir les coûts de personnel tout en conservant des engagements technologiques. Le redressement peut nécessiter une substitution de modèle ou un retour en arrière du processus qui coûte lui-même de la trésorerie et interrompt le service. L’acheteur doit identifier les points de décision où l’investissement peut être arrêté, réorienté ou élargi. Cette flexibilité opérationnelle réelle peut réduire l’exposition à la baisse lorsque les contrats et l’architecture le permettent ; elle ne doit pas être présumée lorsque les engagements sont fixes.

32. Protéger la valeur terminale

La valeur terminale doit supposer un investissement continu dans les modèles, les données, l’intégration, la sécurité, les compétences et la conformité. Une marge rendue possible par AI ne peut pas perdurer indéfiniment sans renouvellement lorsque la technologie et la concurrence évoluent.

L’acheteur doit distinguer une capacité durable du processus d’une version particulière du modèle. La portabilité, les droits sur les données et l’apprentissage organisationnel peuvent survivre à un changement de fournisseur ; un avantage temporaire lié au modèle peut ne pas survivre.

Les hypothèses de sortie doivent examiner si un autre acheteur peut reproduire les flux de trésorerie et obtenir les droits requis. Les primes stratégiques non étayées doivent rester en dehors de la valeur de base.

Utiliser la structure de la transaction pour combler les lacunes probatoires

Les earn-outs, les retenues, la contrepartie échelonnée, les garanties, les indemnités, les séquestres et les covenants peuvent affecter une incertitude spécifique. Les indicateurs doivent être définis à partir de données contrôlées et résister à la manipulation après la clôture.

Un earn-out fondé sur le chiffre d'affaires brut peut récompenser les remises ou la croissance des coûts. Une mesure de marge ou de trésorerie peut être affectée par l'allocation liée à l'intégration. L'accord doit définir le périmètre, le traitement comptable, les investissements, le contrôle de gestion et le règlement des litiges.

La structure ne doit pas remplacer la due diligence sur la légalité, la sécurité, les droits sur les données ou la faisabilité fondamentale. Certaines lacunes doivent être corrigées avant la clôture.

34. Préparer la demande de due diligence

La demande doit couvrir les cartographies des flux de travail, les business cases, les données de référence, les historiques de déploiement, l'inventaire des modèles, la validation, les utilisateurs, l'adoption, les résultats, la qualité, les effectifs, les clients, les fournisseurs, les coûts, les incidents, les résultats financiers et les prévisions.

Les échantillons doivent inclure des périodes de succès, de faiblesse, d'exception et d'échec. Les enregistrements natifs doivent être conservés. Les démonstrations sélectionnées doivent être rapprochées des journaux de production et des flux de trésorerie.

Les entretiens doivent inclure les responsables des flux de travail, les utilisateurs, la finance, la technologie, la sécurité, le juridique, la conformité, les RH, les ventes et les clients lorsque cela est autorisé. Les définitions incohérentes doivent être résolues avant la valorisation.

35. Constituer la salle de données de l'acheteur

Tableau 3. Salle de données de due diligence sur les marges activée par AI

L'exhaustivité doit être testée au regard du périmètre de la transaction et de la date de valorisation.

La data room doit conserver les fichiers natifs, les propriétaires, les dates et l'historique des versions. Les synthèses doivent renvoyer aux enregistrements sources. L'accès doit protéger les informations personnelles, confidentielles et réglementées.

Un examinateur indépendant doit reproduire certaines allégations à partir des données brutes des flux de travail jusqu'à leur incidence financière. Les lacunes doivent être prises en compte dans le prix, les conditions ou la structure.

36. Classer les ajustements de l'acquéreur

Tableau 4. Traitement par l'acquéreur des allégations de valeur permises par AI

Le traitement dépend des preuves, de la transférabilité et de la durabilité, plutôt que de l’étiquette attachée à l’initiative.

La classification doit être cohérente entre la valorisation, la revue de la qualité des résultats et les documents de transaction. La requalification d’une prévision en run-rate ne doit pas modifier les exigences en matière de preuves.

L’acquéreur doit documenter chaque ajustement, responsable, source, sensibilité et traitement. Cela crée une passerelle défendable de la due diligence au prix.

37. Concevoir le reporting destiné au conseil d'administration et le reporting d'intégration

Le reporting doit relier le flux de travail, l’adoption, la qualité, le client, le coût et la trésorerie. Les indicateurs nécessitent des définitions stables, des dates d’arrêté et un rapprochement avec les comptes. Les cohortes et les versions de modèle doivent rester visibles.

Le conseil d’administration doit voir la concentration par cas d’usage, fournisseur, source de données, client et moteur de valeur. Il doit également voir les incidents, les dérogations, la dérive, le coût de mise en œuvre résiduel et les bénéfices qui restent prévisionnels.

Le reporting d’intégration doit préserver la référence initiale et identifier séparément les actions de l’acquéreur. Cela favorise une analyse équitable de l’earn-out, des synergies et de la performance post-transaction.

38. Identifier les signaux d'alerte

Les signaux d’alerte comprennent un pourcentage affirmé sans référence de base, des back-tests avec connaissance parfaite du passé, des utilisateurs sélectionnés, une qualité manquante, une capacité brute traitée comme de la trésorerie, une main-d’œuvre interne omise, un coût capitalisé présenté comme une économie et une marge terminale sans réinvestissement.

D’autres signaux comprennent des licences non transférables, des droits sur les données fragiles, des modifications de modèle non consignées, une concentration fournisseur, un marketing AI non étayé, des incidents non résolus et des prévisions qui dépassent l’adoption observée.

Un signal d’alerte est un point de vigilance pour la due diligence. Son effet sur la valorisation dépend des preuves, de l’importance relative, des mesures correctives et de la structure.

Exécuter un plan d'acquéreur de cent jours

Tableau 5. Plan de vérification de la marge AI sur cent jours

La séquence doit refléter le calendrier de la transaction, le risque, les lacunes de preuve et les dépendances d’intégration.

Le premier mois doit rapprocher les définitions, les systèmes, les contrats, les registres d’exploitation et la trésorerie. Les lacunes immédiates en matière juridique, de sécurité, de clientèle et de contrôle sont prioritaires.

La deuxième phase doit reproduire des résultats représentatifs et quantifier le pont de valorisation. La phase finale doit mettre en œuvre les actions approuvées avec des responsables, un financement, des bases de référence et un suivi.

40. Conclusion

La marge rendue possible par AI doit être valorisée au moyen de preuves allant du flux de travail à la trésorerie. Un dossier crédible fige la base de référence, identifie la causalité, mesure l’adoption et la qualité, convertit la capacité par une action approuvée et inclut le coût complet du cycle de vie.

La productivité des tâches est un intrant de la valeur d’entreprise. Les goulets d’étranglement, l’action sur les effectifs, la réaction des clients, la concurrence, la performance des modèles, les droits et la gouvernance déterminent le montant qui parvient à une marge durable.

La trésorerie récurrente observée peut étayer la valorisation de base lorsqu’elle se transfère et perdure. Les coûts évités, les initiatives engagées et la valeur d’option exigent un ajustement au risque progressivement plus fort. La synergie propre à l’acquéreur relève d’un dossier distinct.

La norme pratique est la reproductibilité. Un examinateur indépendant doit pouvoir sélectionner un avantage revendiqué, recréer la base de référence, identifier l’intervention, mesurer le résultat, inspecter l’adoption et la qualité, rapprocher les coûts et tracer le résultat net jusqu’à la trésorerie.

Des preuves solides peuvent étayer une tarification efficiente et une structure ciblée. Des preuves faibles doivent réduire la valeur, renforcer la protection ou retarder la reconnaissance. Cette discipline permet aux acheteurs et aux vendeurs de discuter de AI à partir de la réalité opérationnelle et financière plutôt que de libellés.

Le cadre doit être appliqué de manière proportionnée. Un petit assistant interne à faible impact nécessite moins de contrôles qu’un processus autonome de relation client, de tarification ou de crédit. La matérialité dépend de l’exposition à la trésorerie, aux clients, à la sécurité, au juridique et à la réputation. Un travail proportionné exige tout de même une base de référence claire, un coût complet et un responsable redevable. La sophistication de l’architecture des modèles ne compense pas la faiblesse des preuves opérationnelles.

À mesure que l’entreprise mûrit, l’acquéreur peut remplacer les hypothèses générales par l’adoption par cohorte, des résultats contrôlés, le coût unitaire, le comportement des clients et la trésorerie. Cela améliore l’allocation du capital entre les cas d’usage. Les programmes qui ne satisfont pas aux jalons de preuve peuvent être repensés ou arrêtés ; les processus plus solides peuvent recevoir un financement et une priorité d’intégration. La discipline qui en résulte traite AI comme un portefeuille opérationnel dont la valeur est acquise par une exécution répétable.

Pour les comités de transaction, le résultat final doit être un bref chaînage entre les affirmations du management et le traitement retenu par l'acheteur, étayé par un dossier de preuves auditable. Il doit préciser ce qui est réalisé, ce qui reste subordonné à une action du management, quels avantages sont transférés, quel réinvestissement les soutient et comment le risque de baisse est protégé. Ce chaînage peut se décliner de manière cohérente dans la qualité des résultats, la due diligence commerciale, la due diligence technologique, la revue juridique, la valorisation, le financement et les documents de transaction. La cohérence entre ces flux de travail est en soi un contrôle : un avantage ne devrait pas apparaître comme prouvé dans la valorisation tout en restant non résolu dans la technologie, les contrats ou les plans opérationnels.

Le dossier qui en résulte devrait également désigner le responsable désigné, la date de revue et l'actualisation des preuves requise avant la signature, la finalisation et chaque revue de valeur post-clôture.

Références

1. Banque des règlements internationaux, adoption de AI, productivité et emploi : données issues d’entreprises européennes, https://www.bis.org/publications/working-paper-1325-ai-adoption-productivity-and-employment-evidence-european-firms
2. OCDE, Miracle ou mythe ? Évaluer les gains de productivité macroéconomiques de l'intelligence artificielle, https://www.oecd.org/en/publications/miracle-or-myth-assessing-the-macroeconomic-productivity-gains-from-artificial-intelligence_b524a072-en.html
3. OCDE, L'impact de l'intelligence artificielle sur la productivité, la répartition et la croissance, https://www.oecd.org/en/publications/the-impact-of-artificial-intelligence-on-productivity-distribution-and-growth_8d900037-en.html
4. OCDE, Gains de productivité macroéconomiques de l'intelligence artificielle dans les économies du G7, https://www.oecd.org/en/publications/macroeconomic-productivity-gains-from-artificial-intelligence-in-g7-economies_a5319ab5-en.html
5. Eurostat, L'utilisation des technologies d'intelligence artificielle dans l'Union européenne : Principaux résultats, édition 2026, https://ec.europa.eu/eurostat/web/products-statistical-reports/w/ks-01-26-009
6. Eurostat, Utilisation de l'intelligence artificielle dans les entreprises, https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises
7. Brynjolfsson, Li et Raymond, AI générative au travail, document de travail NBER 31161, https://www.nber.org/papers/w31161
8. NBER, Mesurer l'impact de l'AI générative sur la productivité, https://www.nber.org/digest/20236/measuring-productivity-impact-generative-ai
9. Noy et Zhang, Preuves expérimentales des effets de l'intelligence artificielle générative sur la productivité, Science, https://www.science.org/doi/10.1126/science.adh2586
10. Bureau du recensement des États-Unis, Enquête sur les tendances et perspectives des entreprises, https://www.census.gov/hfp/btos/data_downloads
11. Institut Stanford pour l'AI centrée sur l'humain, Rapport 2026 sur l'indice AI, https://hai.stanford.edu/ai-index/2026-ai-index-report
12. Commission des valeurs mobilières et des changes des États-Unis, Remarques à la table ronde de la SEC sur l'intelligence artificielle dans le secteur financier, https://www.sec.gov/newsroom/speeches-statements/uyeda-ai-roundtable-032725
13. Commission des valeurs mobilières et des changes des États-Unis, Remarques du commissaire Crenshaw à la table ronde sur l'AI, https://www.sec.gov/newsroom/speeches-statements/crenshaw-remarks-ai-roundtable-032725
14. Commission fédérale du commerce des États-Unis, Gardez vos allégations en matière d'AI sous contrôle https://www.ftc.gov/business-guidance/blog/2023/02/keep-your-ai-claims-check
15. Commission fédérale du commerce des États-Unis, entreprises AI : respectez vos engagements en matière de vie privée et de confidentialité, https://www.ftc.gov/policy/advocacy-research/tech-at-ftc/2024/01/ai-companies-uphold-your-privacy-confidentiality-commitments
16. Institut national des normes et de la technologie des États-Unis, cadre de gestion des risques liés à l'intelligence artificielle, https://www.nist.gov/itl/ai-risk-management-framework
17. Union européenne, Règlement (UE) 2024/1689 établissant des règles harmonisées en matière d'intelligence artificielle, https://eur-lex.europa.eu/eli/reg/2024/1689/oj
18. Information Commissioner's Office du Royaume-Uni, Orientations sur AI et la protection des données, https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/artificial-intelligence/guidance-on-ai-and-data-protection/
19. Autorité de la concurrence et des marchés du Royaume-Uni, rapport de mise à jour sur les modèles de fondation AI, https://www.gov.uk/government/publications/ai-foundation-models-update-report
20. Fondation IFRS, projet sur les actifs incorporels, https://www.ifrs.org/projects/work-plan/intangible-assets/
21. Fondation IFRS, coûts de configuration ou de personnalisation dans un accord de cloud computing, https://www.ifrs.org/projects/completed-projects/2021/configuration-or-customisation-costs-in-a-cloud-computing-arrangement-ias-38/
22. Fondation IFRS, IFRS 3 Regroupements d’entreprises, https://www.ifrs.org/issued-standards/list-of-standards/ifrs-3-business-combinations/
23. Fondation IFRS, IFRS 13 Évaluation de la juste valeur, https://www.ifrs.org/issued-standards/list-of-standards/ifrs-13-fair-value-measurement/
24. Fondation IFRS, IAS 36 Dépréciation d'actifs, https://www.ifrs.org/issued-standards/list-of-standards/ias-36-impairment-of-assets/
25. Organisation internationale de normalisation, ISO/IEC 42001 Systèmes de management de l'intelligence artificielle, https://www.iso.org/standard/81230.html
26. Conseil des normes internationales d'évaluation, Normes internationales d'évaluation, https://ivsc.org/standards/