Algorithmes de données et puissance de marché dans les acquisitions activées par AI

1. Intégrer la diligence raisonnable en matière de concurrence à la décision d’investissement

La diligence raisonnable en matière de concurrence pour une acquisition rendue possible par le AI doit déterminer si la thèse de la transaction dépend d'un accès, d'un contrôle ou d'une conduite qui peut être difficile à préserver après un examen réglementaire. La Commission a besoin de plus qu'un simple calendrier de dépôt. Il doit comprendre comment la cible est en concurrence, quels intrants rendent cette concurrence possible, quelles contreparties peuvent contraindre l'entreprise issue de la fusion et quelles conditions de transaction pourraient modifier ces conditions.

La décision centrale est de savoir si l’acquéreur peut détenir la cible tout en présentant la valeur dans des conditions de concurrence crédibles. Cela nécessite une évaluation conjointe de la définition du marché, de l’importance concurrentielle, de la structure des transactions, de l’accès aux données et aux calculs, de la distribution, de l’interopérabilité, du changement de client, de l’innovation et des solutions. Les résultats de la diligence devraient influencer le prix, la marge de financement, les dates d’arrêt à long terme, les clauses restrictives, la répartition des risques et la conception des plans d’intégration.

Les travaux devraient commencer avant l'exclusivité lorsque cela est possible. Les premières preuves peuvent révéler si une acquisition majeure est économiquement plus proche d’une intégration verticale, d’une acquisition de plate-forme, d’une extension de l’écosystème, d’un verrouillage des intrants, d’une acquisition d’un concurrent naissant ou d’un transfert de talents critiques et de propriété intellectuelle. Une transaction peut contenir plusieurs de ces fonctionnalités à la fois.

La carte doit recevoir quatre sorties connectées. Tout d'abord, une carte de pile AI doit montrer les dépendances et les sources d'effet de levier de la cible. Deuxièmement, un recueil de données sur la concurrence doit séparer les faits observés, les estimations de la direction et les scénarios de transaction. Troisièmement, une matrice de théorie du préjudice devrait relier chaque préoccupation aux preuves, à l’exposition à la valorisation et aux atténuations possibles. Quatrièmement, une feuille de route décisionnelle devrait indiquer quand le conseil d’administration doit fixer le prix, restructurer, remédier ou abandonner la transaction.

2. Utiliser les préoccupations actuelles de l’autorité comme hypothèses de diligence

Le ministère américain de la Justice et la Federal Trade Commission déclarent dans les lignes directrices sur les fusions de 2023 que les fusions de plateformes peuvent affecter la concurrence entre les plateformes, sur une plateforme et déplacer une plateforme. Leurs conseils identifient les effets de réseau, les conflits d’intérêts et l’acquisition de données utilisées pour l’appariement, le tri ou la prédiction comme mécanismes pertinents. ^[1] Les mêmes lignes directrices concernent les transactions qui renforcent ou étendent une position dominante en refusant aux concurrents l'accès aux clients, les effets d'échelle ou de réseau. ^[2]

Le rapport des services de la FTC de janvier 2025 sur les investissements et les partenariats des fournisseurs de cloud avec les développeurs AI décrit les caractéristiques contractuelles et économiques qui peuvent affecter la concurrence. Ceux-ci incluent des droits d'équité et de partage des revenus, des dispositions de consultation et d'exclusivité, des engagements à dépenser le produit de l'investissement sur les services cloud du partenaire, l'accès au calcul et le partage d'informations techniques, financières et client. Le rapport identifie les éventuels coûts de changement et les contraintes liées à l’accès aux intrants clés. ^[3]

Le document de politique de concurrence 2024 de la Commission européenne cartographie le AI génératif à travers les puces, le calcul, les données, les modèles et les services en aval. Il prend en compte l'accès aux intrants clés, l'intégration verticale, les partenariats et la possibilité pour les entreprises de tirer parti de leurs positions tout au long de la chaîne de valeur AI. ^[4] Une déclaration conjointe de la Commission européenne, de l'Autorité britannique de la concurrence et des marchés, du ministère américain de la Justice et de la FTC identifie un contrôle concentré des puces, du calcul, des données et de l'expertise ; l'extension du pouvoir de marché ; et les arrangements entre les principaux acteurs sont des domaines nécessitant une certaine vigilance. ^[5]

La mise à jour du modèle de base de la CMA identifie les risques liés au contrôle des intrants critiques, aux puissants opérateurs historiques qui façonnent la distribution et aux partenariats renforçant les positions existantes. ^[6] L'Autorité de la concurrence française a examiné séparément le fonctionnement concurrentiel du secteur générateur-AI. ^[7] Le Bureau de la concurrence du Canada décrit les données, les calculs, les algorithmes, les prix et les effets des fusions au sein de la chaîne de production du AI. ^[8] Ces documents publics constituent des hypothèses de diligence et non des conclusions sur une transaction spécifique.

L’évaluation juridictionnelle doit s’accompagner d’une analyse de fond. Les seuils de notification, les tests de contrôle, les pouvoirs d'appel et les théories diffèrent. Les droits des minorités, les transferts d’employés, les licences et les accords commerciaux peuvent faire l’objet d’un traitement différent selon les régimes. L'équipe de transaction doit documenter le fondement de chaque décision de dépôt, surveiller les modifications apportées au package de transaction et concilier le contrôle juridique avec la relation économique pratique.

La réglementation spécifique au AI peut modifier la base de fonctionnement sans résoudre les questions de fusion. La protection des données, la propriété intellectuelle, la réglementation sectorielle, la loi européenne AI et la loi sur les marchés numériques peuvent affecter l'accès, la documentation, la conception technique et les coûts. La diligence raisonnable en matière de concurrence doit enregistrer ces interactions, car une obligation réglementaire peut réduire un avantage revendiqué, créer des dépenses de mise en œuvre ou élaborer une solution viable.

Ce tableau résume une sélection de documents publics à usage de gestion. Il n’énonce le test juridique complet dans aucune juridiction.

3. Cartographier la chaîne de valeur complète du AI

Un produit AI est généralement pris en charge par plusieurs couches. Les couches pertinentes peuvent inclure la conception et la fabrication de semi-conducteurs, les accélérateurs, la capacité du centre de données, l'infrastructure cloud, les données de formation, l'ingénierie des données, les modèles de base, les outils de réglage fin, les systèmes de récupération, l'orchestration des applications, la distribution et les services destinés aux clients. L’équipe chargée des transactions doit identifier où les parties opèrent et où elles dépendent de tiers.

La carte doit enregistrer le contrôle, les droits et la substituabilité à chaque couche. La propriété n'est qu'une forme de contrôle. Une réservation de capacité à long terme, un droit d'accès privilégié, une licence de modèle exclusive, un engagement de dépenses minimales, une dépendance technique ou une position de distribution par défaut peuvent façonner le comportement concurrentiel. La carte doit également montrer quels actifs peuvent être répliqués, combien de temps prendrait la réplication et quels obstacles juridiques, financiers ou techniques s'appliquent.

La chaîne de valeur doit être dessinée pour les produits actuels et les produits futurs crédibles. Les marchés du AI peuvent évoluer rapidement, tandis que l'infrastructure, les droits sur les données et les flux de travail des clients peuvent rester rigides. Une cible qui vend actuellement une application peut développer un modèle, une plateforme d'agents ou un réseau de données qui modifie son rôle concurrentiel. Les documents du conseil d'administration, les plans d'ingénierie, les demandes d'embauche et les pilotes clients peuvent être plus informatifs que les classifications actuelles des revenus.

L’équipe doit éviter de traiter chaque couche comme un marché. La carte est un outil de preuve. La définition du marché et l'évaluation de la concurrence nécessitent une analyse juridique et économique. La carte aide l'équipe à identifier les domaines dans lesquels les preuves de substitution, les points de vue des clients, la structure des coûts et les droits de contrôle nécessitent des tests plus approfondis.

4. Définir le périmètre de transaction par le contrôle et la dépendance

Les transactions AI peuvent transférer une capacité compétitive sans achat conventionnel de toutes les actions. Le périmètre peut inclure des investissements minoritaires, des droits d'administrateur ou d'observateur, des accords commerciaux, des licences, des engagements de capacité, une distribution privilégiée, un partage des revenus, des transferts d'employés et des droits sur les technologies futures. L’équipe doit analyser le package dans son ensemble.

La décision Microsoft et Inflection de la CMA a traité l'embauche de la quasi-totalité d'une équipe spécialisée ainsi que les arrangements connexes comme une transaction susceptible de révision, bien qu'elle ait innocenté l'affaire pour des raisons de concurrence. ^[9] La note d'orientation de la Commission européenne aborde également les partenariats et les transferts de talents et d'actifs comme des changements structurels potentiels nécessitant un examen minutieux. ^[4] Ces exemples montrent pourquoi la forme juridique ne peut à elle seule définir le périmètre de diligence.

Le barème des droits doit tenir compte des droits affirmatifs, des veto, des droits de consultation, des droits d'information, de l'influence budgétaire, des dépendances commerciales et des conséquences de la résiliation. L'équipe doit identifier si les droits changent en fonction des jalons, des événements de financement, des échecs de performance ou des futurs cycles de financement. Un droit qui semble protecteur isolément peut contribuer à exercer une influence lorsqu’il est combiné à d’autres dispositions.

La dépendance commerciale requiert la même attention. Si un développeur AI doit consacrer la majeure partie de son investissement à un seul fournisseur de cloud, utilise des outils spécifiques au fournisseur et fait face à des coûts importants de sortie de données ou de migration de modèle, la relation peut être difficile à dénouer. La diligence doit quantifier le coût, le temps, le risque de service et les conséquences contractuelles du passage à un deuxième fournisseur.

5. Formuler des théories avant de collecter de grands ensembles de données

Une théorie du préjudice est une explication vérifiable de la façon dont la transaction pourrait affaiblir la concurrence. L'équipe chargée de la transaction doit indiquer le mécanisme, les clients concernés, les actifs concernés, le comportement attendu, le calendrier et les preuves qui confirmeraient ou rejetteraient le problème. Des étiquettes générales telles que l’avantage des données ou la puissance de l’écosystème ne suffisent pas.

Une théorie horizontale peut se demander si la cible est une contrainte actuelle ou future sur le produit AI de l'acquéreur. Une théorie verticale peut se demander si le contrôle d’un modèle, d’une source de données, d’une capacité de calcul ou d’un canal de distribution permet le verrouillage. Une théorie de l'écosystème peut se demander si l'acquisition augmente les coûts de changement ou affaiblit le multihébergement. Une théorie du conglomérat peut examiner le regroupement, les défauts ou l’intégration privilégiée de produits complémentaires. Une théorie du travail ou de l’innovation peut se demander si les talents spécialisés, les capacités de recherche ou le caractère facultatif des produits sont soustraits à la concurrence indépendante.

Chaque théorie doit identifier un contrefactuel. La question pertinente est de savoir quelles seraient probablement les conditions de concurrence sans la transaction. Les alternatives peuvent inclure une croissance indépendante continue, un nouveau cycle de financement, un partenariat avec plusieurs fournisseurs, une acquisition par un autre acheteur ou un échec commercial. Les preuves doivent inclure des plans et des contraintes contemporains plutôt qu'un récit créé uniquement pour le dépôt.

Les preuves du client doivent correspondre au mécanisme. Une théorie du verrouillage peut nécessiter des preuves sur les alternatives, le coût du changement, les fonctionnalités requises et la réponse attendue à un accès dégradé. Une théorie de la concurrence naissante peut nécessiter des preuves de l'adoption probable, de la différenciation des produits et de la capacité de la cible à évoluer. Les enquêtes, les entretiens, les dossiers d'appel d'offres et la télémétrie des produits doivent être conçus ou interprétés en prêtant attention à la sélection, au calendrier et aux incitations.

La matrice théorique doit guider les demandes. Cela réduit le fardeau de la collecte et améliore la discipline en matière de preuve. Chaque demande importante doit être liée à une décision du conseil d’administration, à une question réglementaire ou à une sensibilité de valorisation. L’équipe doit enregistrer ce qui pourrait réfuter sa préoccupation initiale et rechercher délibérément ces preuves.

6. Testez l’avantage des données grâce aux droits de qualité et à la réplicabilité

Les données créent de la valeur compétitive lorsqu’elles améliorent un produit ou une décision d’une manière que les concurrents ne peuvent pas facilement reproduire. Le volume à lui seul est une mesure incomplète. La diligence doit examiner la pertinence, la qualité, la fraîcheur, l'étiquetage, l'unicité, les droits légaux, les boucles de rétroaction, la couverture et les performances marginales obtenues à partir de données supplémentaires.

L'inventaire des données doit identifier la source, le propriétaire, l'utilisation autorisée, la géographie, la conservation, le consentement, l'exclusivité, la portabilité et les exigences de suppression. Il doit distinguer les données utilisées pour la formation, le réglage fin, la récupération, l'évaluation, la sécurité, la personnalisation et l'analyse des produits. L'équipe doit concilier les droits contractuels avec les pipelines réels et la documentation modèle.

La réplicabilité doit être testée en termes de temps et de coût. Des données publiques ou sous licence peuvent être disponibles alors que les historiques de nettoyage, d'annotation, d'expertise de domaine et de commentaires restent difficiles à reproduire. Les données synthétiques peuvent résoudre certaines lacunes et créer des risques juridiques ou de qualité différents. Les données spécifiques au client peuvent améliorer le service sans être transférables entre clients. L’équipe doit éviter de supposer que l’accès produit automatiquement un pouvoir de marché durable.

Le modèle de transaction doit montrer si la combinaison d'ensembles de données modifie la qualité, le coût ou la portée. Elle devrait également examiner si l'entreprise issue de la fusion pourrait restreindre l'accès des concurrents à une source partagée, dégrader la portabilité ou utiliser des données de plateforme sensibles sur le plan concurrentiel pour favoriser ses propres services. Les dispositions de la loi européenne sur les marchés numériques sur la portabilité et l’accès aux données fournissent un contexte réglementaire actuel pour ces questions. ^[10]

Les tests de performances des modèles doivent être reproductibles. L'équipe de diligence doit conserver l'ensemble de données d'évaluation, la définition des tâches, la référence, la version du modèle, les paramètres et les intervalles de confiance, le cas échéant. Les améliorations qui disparaissent sur un autre segment de référence ou sur un autre segment de clientèle peuvent avoir une importance concurrentielle limitée. Les spécialistes techniques et les économistes doivent s’accorder sur la manière dont les preuves de performance sont liées au choix du client et à la valeur économique.

Les évaluations des preuves doivent être attribuées à partir de documents de transaction vérifiés. Les exemples ci-dessous décrivent les champs obligatoires.

7. Quantifier les dépendances au cloud de calcul et aux puces

La capacité de calcul peut être à la fois un coût et une contrainte concurrentielle. La diligence doit séparer la formation du modèle, le réglage fin, l'inférence, l'évaluation et les exigences de pointe de la demande. Il doit identifier les accélérateurs, les emplacements, les fournisseurs, les conditions de réservation, les prix, les contraintes énergétiques, la résidence des données et la portabilité des charges de travail.

Les crédits cloud et les investissements stratégiques peuvent masquer le coût économique. L'équipe doit calculer le coût unitaire effectif après crédits, dépenses engagées, partage des revenus et utilisation minimale. Il devrait déterminer ce qui se passe lorsque les crédits expirent ou que la demande du modèle change. Une transaction qui augmente l’utilisation peut améliorer la situation économique, tandis que la concentration sur un seul fournisseur peut augmenter le risque de changement.

La portabilité technique nécessite plus que la liberté contractuelle. Les modèles peuvent dépendre de puces propriétaires, d'outils d'orchestration, de stockage, de mise en réseau, de sécurité, de surveillance et de développement. La refonte de la plateforme peut nécessiter des travaux d'ingénierie, une nouvelle validation et l'approbation du client. Le modèle de diligence doit montrer le temps de migration, le coût des exécutions en double, les changements de performances et les risques de service.

Les preuves de capacité doivent être prospectives et limitées. La capacité réservée de l’accélérateur peut dépasser l’utilisation actuelle car elle prend en charge la formation ou la redondance planifiée. L'équipe doit concilier les réservations, la consommation réelle, les temps d'attente, l'utilisation, les tâches échouées et les prévisions de demande. Il doit vérifier si un rival peut acquérir un substitut économiquement et techniquement approprié dans le délai imparti à la concurrence.

Le rapport de la FTC identifie les engagements cloud, l'accès aux entrées et les coûts de commutation comme des problèmes de concurrence possibles dans les partenariats AI. ^[3] La déclaration internationale commune identifie également les puces spécialisées et les calculs substantiels comme des intrants critiques. ^[5] Le conseil d'administration doit savoir si la thèse d'investissement suppose le maintien d'un accès préférentiel et si une solution ou un changement de fournisseur réduirait la valeur.

8. Examiner l'accès aux modèles et l'interopérabilité

L'accès au modèle détermine si les applications et les clients peuvent choisir, combiner ou remplacer les fonctionnalités du AI. L'équipe doit inventorier les modèles propriétaires, les modèles tiers, les composants à poids ouvert, les réglages fins, les intégrations, les systèmes de récupération et les actifs d'évaluation. Il doit enregistrer les licences, les restrictions d'utilisation, la portabilité, les droits de résiliation et les dépendances techniques.

L'interopérabilité doit être testée à plusieurs niveaux. L'interopérabilité des données concerne les formats et le transfert. L'interopérabilité des modèles concerne les interfaces, les invites, le contexte, les outils et l'évaluation. L'interopérabilité des applications concerne l'identité, les autorisations, les flux de travail et les pistes d'audit. L'interopérabilité de la distribution concerne l'accès aux fonctions du système d'exploitation, de l'appareil ou de la plateforme dans des conditions comparables à celles du propre service de l'opérateur historique.

La Commission européenne a adopté des mesures de spécification contraignantes en juillet 2026 concernant l'accès des services AI concurrents aux fonctionnalités Android pertinentes et l'accès des fournisseurs de recherche tiers aux données de recherche. ^[11] Cette action actuelle illustre que l’interopérabilité et l’accès aux données sont des questions de concurrence opérationnelle. La diligence relative aux transactions doit identifier quelles interfaces sont essentielles, qui contrôle le changement et comment l’entreprise issue de la fusion pourrait affecter la qualité, le calendrier ou l’accès.

Le plan d’intégration doit préserver des options multimodèles et multifournisseurs crédibles jusqu’à ce que l’évaluation de la concurrence soit terminée. Supprimer des adaptateurs, mettre fin à des licences ou repenser les API trop tôt peut restreindre les choix de solutions et saper les preuves contrefactuelles.

La gouvernance des interfaces doit être incluse dans la diligence. L'équipe doit identifier les politiques de version, les périodes de dépréciation, les limites de débit, l'authentification, les niveaux de service, le support des développeurs et l'accès aux environnements de test. Une interface formellement ouverte peut rester commercialement inefficace si les changements sont imprévisibles, si la documentation est incomplète ou si les performances diffèrent de celles de l'accès interne de l'opérateur historique.

9. Testez les valeurs par défaut de la distribution et les préférences personnelles

La distribution peut transformer un produit AI performant en une contrainte concurrentielle. Les canaux pertinents peuvent inclure les systèmes d'exploitation, les marchés cloud, les suites de productivité, les applications d'entreprise, les navigateurs, les magasins d'applications, les appareils, les revendeurs et les flux de travail intégrés. L'équipe doit quantifier le trafic, l'activation, la conversion, l'utilisation et l'acquisition de clients par canal.

Les valeurs par défaut sont importantes lorsque les utilisateurs sont confrontés à des coûts de recherche, d’apprentissage, de migration ou contractuels. Un défaut peut être explicite, comme un assistant présélectionné, ou technique, comme un accès privilégié aux fonctions de l'appareil. Le regroupement peut réduire les coûts pour le client et améliorer l’intégration ; cela peut également rendre plus difficile la découverte ou l’achat d’un rival indépendant. La diligence devrait mesurer les deux effets.

Les tests d'auto-préférence doivent examiner le classement, les recommandations, la latence, l'accès aux fonctionnalités, l'accès aux données, les prix, l'éligibilité et les incitations commerciales. La question est de savoir si l’entreprise issue de la fusion aurait la capacité et la motivation de privilégier son propre service et si les clients ou les concurrents pourraient réagir. Les preuves doivent inclure des expériences, des documents de classement, des prévisions internes et le traitement historique des tiers.

L'examen DMA 2026 de l'UE identifie l'interopérabilité, l'auto-préférence, l'accès aux données et les dépendances au cloud comme thèmes liés aux services AI. ^[12] Ces obligations ne remplacent pas l’analyse des fusions. Ils peuvent affecter la base factuelle, les options de recours et l’évaluation des avantages en matière de distribution.

L’analyse de la distribution doit distinguer la portée de la puissance supplémentaire. Une large base installée peut accélérer l’adoption, tandis que les clients peuvent conserver un choix significatif si les services concurrents sont faciles à installer, à intégrer et à acheter. L'équipe doit examiner le placement, les invites, les valeurs par défaut, les offres contractuelles, l'attribution des remises et les frictions techniques liées à l'activation d'une alternative.

10. Mesurer les effets sur les écosystèmes et les réseaux

Un écosystème peut créer de la valeur en réduisant les coûts d'intégration et en améliorant l'expérience entre des produits complémentaires. Cela peut également accroître la dépendance lorsque l’identité, les données, les flux de travail, les développeurs et les achats sont liés. La diligence doit cartographier le parcours client et déterminer quels éléments rendent difficile le changement ou le multihébergement.

Les effets de réseau directs surviennent lorsqu’un service devient plus précieux à mesure que davantage d’utilisateurs similaires le rejoignent. Des effets indirects surviennent lorsque la participation d’un côté attire un autre côté, comme les développeurs, les vendeurs ou les fournisseurs de données. Des effets d’apprentissage peuvent survenir lorsque l’utilisation améliore les performances. Les économies d’échelle peuvent réduire le coût unitaire. Ces mécanismes doivent être mesurés séparément car ils créent des implications différentes en matière de concurrence et de valorisation.

Les lignes directrices américaines sur les fusions de 2023 traitent spécifiquement de la participation à une plateforme, des effets de réseau et des conflits entre un opérateur de plateforme et les participants. ^[1] L'équipe de diligence doit se demander si l'acquisition de la cible supprime un outil permettant le multi-hébergement, un participant important pour une plate-forme rivale ou une voie émergente qui pourrait supplanter un service historique.

Les preuves de changement doivent inclure les entretiens avec les clients, les raisons de désabonnement, les projets de migration, le succès des exportations, le recyclage, les dépendances d'intégration et les conditions contractuelles. La volonté déclarée de changer est plus faible que le comportement observé. Le modèle doit estimer le coût et le temps pour des segments de clientèle définis plutôt qu'un chiffre moyen.

Les incitations aux développeurs et aux partenaires peuvent être des indicateurs avancés. Une acquisition peut rendre des tiers plus disposés à construire parce que l’écosystème devient plus grand, ou moins disposés parce qu’ils s’attendent à une discrimination ou à une appropriation. La diligence doit examiner le taux de désabonnement des partenaires, l'utilisation du API, les décisions d'investissement, les commentaires sur la feuille de route et le traitement des applications qui concurrencent les propres produits de la plateforme.

11. Examiner les algorithmes en tant que conduite et preuve

Les algorithmes peuvent affecter le prix, le classement, la correspondance, l'éligibilité, la capacité, les recommandations et l'accès. La diligence doit identifier les systèmes de décision qui interagissent avec les concurrents, les fournisseurs ou les clients et déterminer quelles données, objectifs, contraintes et contrôles humains les régissent.

L’équipe doit examiner si un algorithme de plateforme peut favoriser un produit affilié, si les systèmes de tarification répondent aux concurrents de manière à faciliter la coordination et si les règles d’accès peuvent dégrader les concurrents. Le Bureau de la concurrence du Canada note que les algorithmes de tarification basés sur le AI ont suscité des discussions sur la coordination algorithmique tacite. ^[8] L’évaluation des transactions doit se concentrer sur les preuves et les mécanismes plutôt que de supposer que l’automatisation elle-même crée un préjudice.

Les enregistrements modèles de gouvernance peuvent également fournir des preuves importantes. Les objectifs de formation, les critères d'évaluation, l'importance des fonctionnalités, les expériences, les journaux d'incidents et les approbations de modifications peuvent montrer comment un système fonctionne réellement. Les équipes techniques doivent expliquer ces documents dans un langage décisionnel sans divulguer d’informations exclusives inutiles.

La conception de l’entreprise combinée devrait inclure des propriétaires responsables, une auditabilité et des contrôles des modifications pour les algorithmes sensibles à la concurrence. Si la transaction crée un nouveau conflit d’intérêts, la gouvernance peut nécessiter une séparation, des restrictions d’accès, des tests ou une surveillance indépendante.

12. Traitez la propriété intellectuelle et les acquisitions des talents comme des atouts compétitifs

Les chercheurs spécialisés, les ingénieurs, les chefs de produit et les experts en données peuvent constituer des apports rares. L'équipe de diligence doit identifier les équipes critiques, les contraintes de mobilité, les plans de rétention, les programmes de recherche et les dépendances à l'égard des dirigeants individuels. Il convient de distinguer l'embauche ordinaire du transfert coordonné d'une capacité compétitive.

La diligence en matière de propriété intellectuelle devrait couvrir les pondérations des modèles, le code, les brevets, les secrets commerciaux, les ensembles de données, les méthodes d'évaluation, les licences et les droits découlant de l'emploi ou des collaborations de recherche. Les écarts de propriété peuvent affaiblir la valeur. Des licences étendues ou des droits conservés peuvent affecter l’exclusivité et le contrefactuel concurrentiel.

L'affaire Microsoft et Inflection démontre que les transferts d'employés combinés aux licences et aux accords connexes peuvent constituer une situation de fusion susceptible d'être examinée au Royaume-Uni. ^[9] Les conseils d’administration devraient évaluer la substance, les actifs et la capacité commerciale continue lors de la structuration d’une licence d’acquisition ou stratégique.

L’économie de la rétention doit être liée au risque de concurrence. Une transaction peut nécessiter des incitations pour préserver la capacité de la cible pendant que les régulateurs évaluent si cette capacité doit rester indépendante. Le modèle de financement devrait donc inclure la durée de rétention, les accords en cas d'échec des transactions et les restrictions à l'intégration.

13. Évaluer la concurrence dynamique et l’innovation

Les revenus actuels peuvent sous-estimer l’importance concurrentielle d’une cible AI. Une petite entreprise peut posséder une technologie, des talents, un accès client ou une architecture capable de défier un opérateur historique. L’équipe doit tester la probabilité, le calendrier et l’ampleur d’une expansion indépendante en utilisant des preuves contemporaines.

Les preuves pertinentes incluent les feuilles de route des produits, les résultats des expériences, les pilotes clients, le pipeline, les plans de financement, l'embauche, les réservations de calcul, les discussions de partenariat et les décisions du conseil d'administration. L'équipe doit examiner les étapes techniques et les contraintes commerciales. Une feuille de route ne doit pas être considérée comme une fatalité ; les probabilités d’échec, les besoins de financement et les risques d’exécution appartiennent au contrefactuel.

L’analyse de l’innovation doit identifier les voies de recherche qui se chevauchent et les approches alternatives. La question peut être de savoir si l'accord supprime l'expérimentation indépendante, réduit les incitations au développement d'un produit interopérable ou redirige une technologie vers l'écosystème de l'opérateur historique. Il peut également s’agir de savoir si la combinaison d’actifs accélère l’innovation d’une manière vérifiable et spécifique à la transaction.

Les travaux de l’OECD soulignent l’incertitude entourant le développement du marché de l’AI ainsi que l’importance de la concurrence dynamique, des intrants essentiels et des liens au sein de la chaîne de valeur. ^[13] Le conseil d’administration doit utiliser des scénarios et des fourchettes de décision, et non de fausses précisions.

L’efficacité de l’innovation nécessite la même discipline que les déclarations de risque. L'équipe doit identifier les actifs complémentaires, les étapes de développement, les ressources, le calendrier et la probabilité de livraison. Il convient de vérifier si l'avantage nécessite la propriété ou s'il pourrait découler d'accords de licence, de fourniture ou de distribution. Les avantages doivent être liés aux résultats du client et ajustés en fonction du coût d'intégration et du risque d'exécution.

14. Construire une salle de preuves de concurrence

La salle des preuves doit être organisée autour de théories et de décisions. Les dossiers de base doivent couvrir les documents de transaction, la stratégie, le marché et les clients, les données, le calcul, les modèles, la distribution, l'interopérabilité, les algorithmes, les talents, la propriété intellectuelle, les partenariats, la valorisation, les synergies et l'analyse réglementaire.

Chaque élément matériel doit avoir une source, une date, un propriétaire et un statut probant. Les données observées doivent rester distinctes des estimations de la direction et des scénarios de transaction. Les analyses dérivées doivent préserver les formules et la lignée. Les preuves des clients doivent enregistrer la méthodologie et éviter les citations sélectives.

L’équipe doit réconcilier les documents courants avec les récits de transactions. Les documents internes peuvent utiliser une terminologie et des limites de marché différentes. L’analyse doit expliquer les différences plutôt que de réécrire l’histoire. Les mesures clés doivent être rapprochées des systèmes sources, des comptes audités le cas échéant et du modèle de transaction.

Les demandes doivent être proportionnées et contrôlées. Les informations sensibles à la concurrence peuvent nécessiter un traitement par une équipe propre. Les données personnelles, le code source, les poids des modèles et les informations de sécurité nécessitent des contrôles spécialisés. La gouvernance des preuves doit soutenir la décision de transaction tout en préservant les exigences juridiques, de confidentialité et de cybersécurité.

La salle des preuves doit inclure un journal des problèmes contrôlés. Chaque problème doit indiquer la question, les preuves reçues, la contradiction non résolue, le propriétaire responsable, les conséquences de la décision et l'action suivante. Les analyses remplacées doivent rester traçables. Ce dossier aide le conseil d'administration à comprendre comment les conclusions ont changé et favorise la cohérence entre les documents déposés, les documents du prêteur et les documents de transaction.

15. Définir le cas de transaction hypothétique

L'affaire concerne un fournisseur mondial de logiciels d'entreprise, de services cloud et de distribution d'entreprise qui acquiert une plateforme de flux de travail AI. La valeur d'entreprise supposée est USD 3.60 billion. La cible génère USD 420 million de revenus récurrents annuels et sert ses clients via des ventes directes, des marchés cloud et des intégrations avec des applications d'entreprise.

La cible accède actuellement à trois fournisseurs de modèles de base. Il utilise un fournisseur de cloud stratégique pour la plupart des charges de travail de formation et d'inférence dans le cadre d'une obligation engagée USD 310 million s'étendant au-delà de la clôture proposée. Son produit connecte les documents clients, les données de flux de travail et les commentaires aux agents spécifiques au domaine. Les clients peuvent exporter certains enregistrements, tandis que les configurations, les historiques d'évaluation et le contexte du flux de travail nécessitent un travail de migration supplémentaire.

La direction estime à USD 480 million la valeur actuelle de la synergie brute provenant de la distribution, de l'infrastructure, de l'approvisionnement et de l'intégration des produits. Le modèle de transaction suppose une période de signature à clôture de 160 jours. Un programme de diligence concurrentielle identifie 54 questions concernant les données, le calcul, les modèles, la distribution, l'interopérabilité, les algorithmes, les talents et le contrefactuel.

Le scénario défavorable suppose USD 42 million d’investissement supplémentaire sur trois ans pour la capacité multicloud, la séparation des données, l’interopérabilité, l’auditabilité et l’accès de tiers. Le modèle ne suppose pas qu’une autorité imposera ces mesures. Il teste la capacité du conseil à préserver la logique d’investissement si des contraintes affectent l’exclusivité, le groupage, les paramètres par défaut ou le calendrier d’intégration.

Chaque valeur et chaque résultat est une hypothèse de scénario. USD millions sauf indication contraire.

16. Modéliser les scénarios contrefactuels et transactionnels

Le scénario contrefactuel de base suppose que la cible reste indépendante, termine un cycle de financement prévu et poursuit la distribution multimodèle. Un deuxième scénario contrefactuel suppose un partenariat stratégique sans contrôle. Un troisième suppose une acquisition par un acheteur sans écosystème concurrent. Aucun n’est traité comme un fait. L’équipe attribue des probabilités à partir de financements vérifiés, de gouvernance, de preuves techniques et commerciales.

Les scénarios de transaction doivent tester l'approbation complète, l'examen approfondi, les contraintes comportementales, les obligations d'interopérabilité, la séparation des données, les exigences multi-cloud, la cession d'actifs sélectionnés et l'échec de la transaction. Chaque scénario doit montrer la probabilité, le calendrier, les revenus, les coûts, les investissements, l'impact sur les clients, le portage du financement et les conséquences de la mise en œuvre.

Les synergies nécessitent des preuves au niveau du mécanisme. La synergie de distribution doit identifier le canal, le segment de clientèle, le taux de conversion et la cannibalisation. La synergie des infrastructures doit tenir compte des engagements existants et du coût de la migration. La synergie produit doit identifier la dépendance en matière de développement et le calendrier de sortie. La synergie des données doit montrer les droits, la méthode technique et une amélioration mesurable des performances.

Le conseil d’administration devrait se concentrer sur la valeur à risque en théorie. Une contrainte sur la répartition par défaut peut affecter la synergie des revenus. Une exigence multi-cloud peut affecter les coûts. La séparation des données peut retarder l'intégration du produit. Une interdiction ou une cession peut modifier le périmètre de la transaction. Le modèle de décision devrait éviter une réduction réglementaire indifférenciée.

17. Répartir les efforts d'examen via une carte thermique des risques

La carte thermique doit combiner la capacité, l’incitation, l’effet, la qualité des preuves et la complexité du remède. Une exposition élevée avec des preuves faibles nécessite un travail urgent. Une exposition élevée avec des preuves solides nécessite toujours l'attention du conseil d'administration, car la transaction peut nécessiter une réévaluation ou une restructuration.

L'exclusivité des données peut entraîner une forte exposition lorsque l'ensemble de données est important, non reproductible et transférable. La concentration des calculs peut entraîner une exposition élevée lorsque les alternatives de capacité ne sont pas disponibles dans le délai requis. L'auto-préférence peut entraîner une exposition élevée lorsque l'acquéreur contrôle une voie d'accès majeure au marché et peut modifier le classement, les valeurs par défaut ou l'accès aux fonctionnalités.

La carte doit inclure des preuves positives. Un changement de client crédible, des API interopérables, une capacité disponible, un hébergement multiple, une faible valeur incrémentielle des données et une gouvernance indépendante peuvent réduire un problème. Les preuves doivent être testées et non affirmées.

La carte thermique est un outil de gestion. Il ne prédit pas la décision d'une autorité. Son objectif est d'allouer des ressources de diligence, de valorisation et de négociation avant que l'optionnalité ne disparaisse.

18. Concevoir le remède avant qu'il ne soit demandé

La disponibilité des recours protège le caractère facultatif des transactions. L'équipe doit identifier les problèmes qui pourraient être résolus par le biais d'un changement de périmètre, de l'accès, de l'interopérabilité, de la séparation des données, des licences, des engagements en matière d'approvisionnement, de la gouvernance ou de la surveillance. Il devrait vérifier si une mesure est techniquement réalisable, commercialement durable et susceptible d'être vérifiée.

Les options structurelles peuvent inclure la cession d’un produit, d’un ensemble de données, d’un modèle, d’une équipe, d’un contrat ou d’un droit de distribution. Un package viable nécessite des actifs, des personnes, des droits, des clients et un soutien à la transition suffisants pour être compétitif. Les options comportementales peuvent concerner l'accès, le classement, l'interopérabilité, la portabilité, les licences, la capacité ou les flux d'informations. Leur efficacité dépend de la clarté, des incitations et du suivi.

L’équipe doit calculer les pertes de coût et de valeur pour chaque option. Il devrait identifier les conséquences fiscales, financières, de propriété intellectuelle, de confidentialité, de cybersécurité et opérationnelles. Une solution peut affecter à la fois la cible et l’écosystème plus large de l’acquéreur.

La conception de l’intégration doit préserver la séparabilité. Les feuilles de route des produits, les architectures de données, les contrats et les équipes doivent conserver des limites claires jusqu'à ce que le risque soit résolu. Cela n’implique pas qu’une réparation soit nécessaire. Cela donne au conseil d’administration des choix exécutables et améliore la crédibilité des négociations.

Les tests de mesures correctives doivent inclure les clients et les contreparties lorsque cela est juridiquement et commercialement approprié. Un engagement d'accès techniquement élégant peut échouer si les clients ne peuvent pas l'utiliser, si les concurrents manquent d'actifs complémentaires ou si la surveillance nécessite des informations qui ne peuvent pas être vérifiées. L'équipe doit définir des indicateurs de réussite, des sources de reporting, des itinéraires de litige et les conséquences de la non-conformité.

19. Relier les résultats de la concurrence au financement et aux conditions de valorisation

Le risque de concurrence affecte les flux de trésorerie, le calendrier, le financement et l’optionnalité. Le modèle d'évaluation doit relier chaque théorie matérielle au chiffre d'affaires, à la marge, aux investissements, au fonds de roulement, aux impôts et à la valeur finale. Il doit montrer la valeur des synergies qui dépendent de l'exclusivité, du placement par défaut, de la combinaison de données ou de l'intégration rapide.

Les modèles de financement doivent inclure le délai d'examen, les frais de tic-tac, la durée du pont, l'expiration de l'engagement, la couverture, la rétention et les coûts d'exploitation dupliqués. Les prêteurs peuvent exiger des informations sur les conditions réglementaires et remédier à l’exposition. L'équipe doit contrôler les informations sensibles tout en répondant aux questions légitimes de souscription.

Les conditions de transaction peuvent répartir le risque au moyen de conditions, de clauses restrictives, de normes d'efforts, d'engagements de réparation, de droits de résiliation, de frais de résiliation inversés, de dates d'arrêt à long terme et d'obligations d'information. Le modèle économique devrait éclairer ces dispositions. Un acheteur doit comprendre la charge de réparation maximale compatible avec son argumentaire d’investissement avant de négocier un engagement général.

Le document du conseil d'administration doit indiquer le seuil de retrait et qui peut approuver les changements. Une probabilité d’approbation plus élevée ne compense pas un inconvénient illimité si les conditions de la transaction nécessitent des solutions qui détruisent la thèse.

20. Mettre en œuvre une feuille de route de quatre-vingt-dix jours en matière de diligence concurrentielle

Les dix premiers jours devraient établir la décision, le périmètre de la transaction, la carte des juridictions, la carte de la pile AI, la taxonomie des preuves et les contrôles de l'équipe propre. L'équipe doit identifier les principales théories et en désigner les propriétaires.

Les jours 11 à 30 devraient réconcilier les données, les calculs, les modèles, la distribution et les preuves de partenariat. Le travail client et technique devrait commencer. L’équipe d’évaluation devrait créer des sensibilités spécifiques à la théorie plutôt que d’attendre la fin de l’analyse juridique.

Les jours 31 à 60 devraient tester les contrefactuels, le changement, l'interopérabilité, les incitations au verrouillage, la concurrence dynamique et la faisabilité des solutions. L’équipe doit remettre en question les hypothèses défavorables et favorables. Les lacunes matérielles doivent parvenir au comité de transaction avec des décisions définies.

Les jours 61 à 90 devraient finaliser le dossier de décision du conseil d'administration, le dépôt des preuves, les dossiers de financement, les postes pour une durée déterminée et le dossier de préparation aux mesures correctives. Le programme devrait se poursuivre après la signature, à mesure que de nouvelles questions d'autorité, des évolutions du marché et des changements dans les transactions surviennent.

Le calendrier doit être adapté au processus de transaction réel et au calendrier de l'autorité.

21. Donnez au conseil d'administration un tableau de bord de décision compact

Le tableau de bord doit montrer les principales théories, la qualité des preuves, la valeur à risque, le calendrier, l'exposition contractuelle et la prochaine décision. Il convient d’éviter un score unique rouge-orange-vert qui dissimule une incertitude. Chaque théorie doit avoir un propriétaire, une conclusion actuelle, des preuves contraires et un délai.

Le conseil d’administration a besoin de points de vue distincts sur la probabilité réglementaire et les conséquences économiques. Un problème de faible probabilité peut justifier une action dont la conséquence est une interdiction ou un remède qui détruit la thèse. Un problème probable avec un impact limité sur la valeur peut être géré par le biais du prix ou de la conception de la mise en œuvre.

Le tableau de bord doit identifier les hypothèses sur le point d’expirer. Les performances des modèles, le comportement des clients, la disponibilité des capacités, les feuilles de route des produits et les positions réglementaires peuvent changer au cours d'un long processus. Les preuves doivent avoir des dates d’actualisation.

La préparation devrait également être visible. Le conseil d'administration doit savoir si le récit de dépôt concorde avec les documents de transaction, si le modèle inclut des cas de recours, si le financement reste disponible et si le plan d'intégration préserve les limites requises.

22. Utiliser la diligence concurrentielle AI pour préserver la qualité des décisions

Les acquisitions compatibles AI nécessitent une vue intégrée des actifs, des contrats, de l'architecture technique, du comportement des clients et des incitations du marché. Un examen conventionnel des parts de marché peut passer à côté de la façon dont les données, le calcul, les modèles, la distribution et le contrôle des écosystèmes se renforcent mutuellement.

Le cadre commence par la décision d'investissement du conseil d'administration et cartographie l'intégralité de la pile AI. Il définit des théories testables, construit une salle de preuves contrôlées et relie les résultats à l'évaluation, au financement, aux conditions, aux solutions et à l'intégration. Il traite les droits, les dépendances et les interfaces techniques comme des faits économiques plutôt que comme des détails de fond.

Le cas hypothétique montre comment une acquisition supposée de USD 3.60 billion peut être testée à travers 54 questions et des investissements à la baisse spécifiques. Les chiffres ne prédisent pas une transaction en direct. Ils démontrent comment le conseil d'administration peut identifier quelles parties de USD 480 million de synergie supposée dépendent de formes contestées d'accès ou d'intégration.

Les documents publics actuels montrent une attention soutenue des autorités envers les contributions du AI, les partenariats, la puissance de la plateforme, l'interopérabilité, l'auto-préférence et la concurrence dynamique. Cette attention devrait se traduire par une collecte de preuves plus précoce et des seuils de décision plus clairs. Les équipes doivent mettre à jour l’analyse à mesure que la loi, la technologie, la structure du marché et les faits relatifs aux transactions évoluent.

Ce document fournit un cadre de gestion. Il ne détermine pas le traitement juridique ou réglementaire d'une éventuelle acquisition. Les parties doivent obtenir des conseils actuels en matière de concurrence, d’entreprise, de protection des données, de propriété intellectuelle, d’emploi, de financement et sectoriels dans chaque juridiction concernée.

Sources

1. Département américain de la Justice et Commission fédérale du commerce, 2023 Merger Guidelines, Guideline 9 on Multi-Sided Platforms, 18 décembre 2023. Lire la source principale
2. Département américain de la Justice et Commission fédérale du commerce, 2023 Merger Lignes directrices, Ligne directrice 6 sur l'enracinement ou l'extension d'une position dominante, 18 décembre 2023. Lire la source principale
3. Commission fédérale du commerce des États-Unis, FTC Staff Report on AI Partnerships and Investments 6(b) Study, janvier 2025. Lire la source principale
4. Direction générale de la concurrence de la Commission européenne, Competition in Generative AI and Virtual Worlds, Competition Policy Brief 3/2024, 19 septembre 2024. Lire la source principale
5. Commission européenne, Autorité britannique de la concurrence et des marchés, Département américain de la Justice et Commission fédérale du commerce des États-Unis, Déclaration commune sur la concurrence dans les modèles de base génératifs AI et les produits AI, 23 juillet 2024. Lire la source principale
6. Autorité britannique de la concurrence et des marchés, AI Foundation Models Update Paper et Technical Update Report, avril 2024. Lire la source principale
7. Autorité de la concurrence, Avis sur le fonctionnement concurrentiel du secteur de l'intelligence artificielle générative, 28 juin 2024. Lire la source principale
8. Bureau de la concurrence Canada, Intelligence artificielle et concurrence, 20 mars 2024. Lire la source principale
9. Autorité britannique de la concurrence et des marchés, Microsoft and Inflection Inquiry, décision en texte intégral, 24 octobre 2024. Lire la source principale
10. Commission européenne, Portail des développeurs de la Loi sur les marchés numériques, Portabilité des données des utilisateurs finaux. Lire la source principale
11. Commission européenne, Guidance to Google for AI Interoperability on Android and Sharing of Google Search Data under the Digital Markets Act, 16 juillet 2026. Lire la source principale
12. Commission européenne, Questions et réponses sur la révision de la loi sur les marchés numériques, 2026. Lire la source principale
13. OCDE, Données sur l'intelligence artificielle et concurrence, Documents de l'OCDE sur l'intelligence artificielle n° 18, 24 mai 2024. Lire la source principale
14. Commission européenne, Interopérabilité dans le cadre de la loi sur les marchés numériques. Lire la source principale
15. Commission européenne, Consultation et atelier sur les mondes virtuels et la concurrence générative AI. Lire la source principale
16. Autorité britannique de la concurrence et des marchés, CMA AI Strategic Update, 29 avril 2024. Lire la source principale
17. Département américain de la Justice et Commission fédérale du commerce, 2023 Merger Guidelines, publication officielle complète. Lire la source principale
18. Commission européenne, Procédures de contrôle des fusions. Lire la source principale