Stephanie Song, anciennement membre de l’équipe de développement d’entreprise et de capital-risque chez Coinbase, était souvent frustrée par le volume de tâches de diligence raisonnable qu’elle et son équipe devaient accomplir quotidiennement.
« Les analystes brûlent l’huile de minuit en travaillant des centaines d’heures pour faire un travail que personne ne veut faire », a déclaré Song à TechCrunch dans une interview par courrier électronique. « Dans le même temps, les fonds déploient moins de capitaux et recherchent des moyens de rendre leurs équipes plus efficaces tout en réduisant leurs coûts d’exploitation. »
Inspiré pour trouver une meilleure solution, Song s’est associé à Brian Fernandez et Anand Chaturvedi, deux anciens collègues de Coinbase, pour lancer Dili (à ne pas confondre avec la capitale du Timor oriental), une plateforme qui tente d’automatiser la diligence raisonnable des investissements clés et étapes de gestion de portefeuille pour les sociétés de capital-investissement et de capital-risque utilisant l’IA.
Dili, diplômé de Y Combinator, a levé à ce jour 3,6 millions de dollars en capital-risque auprès de bailleurs de fonds, notamment Allianz Strategic Investments, Rebel Fund, Singularity Capital, Corenest, Decacorn, Pioneer Fund, NVO Capital, Amino Capital, Rocketship VC, Hi2 Ventures, Gaingels et Hyper-entreprises.
« [AI] affecte toutes les parties d’un fonds d’investissement, des analystes aux partenaires et aux fonctions de back-office », a déclaré Song. « Les professionnels de l’investissement dans les fonds recherchent un avantage différencié en matière de prise de décision et peuvent désormais utiliser leur richesse de données pour combiner leur compréhension de l’opération avec la façon dont elle s’intègre dans les fonds… Dili a une opportunité unique d’émerger comme une solution pour fonds dans un environnement macroéconomique difficile.
Song n’a pas tort en ce qui concerne les fonds à la recherche d’un avantage – ou tout autre moyen prometteur d’atténuer le risque d’investissement, d’ailleurs. Les sociétés de capital-risque auraient 311 milliards de dollars de liquidités non dépensées et ont collecté l’année dernière le total le plus bas – 67 milliards de dollars – en sept ans, alors qu’elles devenaient de plus en plus prudentes à l’égard des entreprises en phase de démarrage.
Dili n’est pas le premier à appliquer l’IA au processus de diligence raisonnable. Gartner prédit que d’ici 2025, plus de 75 % des évaluations de dirigeants de sociétés de capital-risque et d’investisseurs en phase de démarrage seront éclairées par l’IA et l’analyse de données.
Plusieurs startups et opérateurs historiques exploitent déjà l’IA pour analyser des documents financiers et de grandes quantités de données afin d’élaborer des comparaisons et des rapports de marché, notamment Wokelo (dont les clients sont des fonds de capital-investissement et de capital-risque, comme celui de Dili), Ansarada, AlphaSense et Thomson Reuters (par l’intermédiaire de son Effacer l’unité Médias indésirables).
Mais Song insiste sur le fait que Dili utilise une technologie « première en son genre ».
« [We can] fournir une très grande précision sur des tâches spécifiques telles que l’extraction de mesures financières à partir de documents volumineux non structurés », a-t-elle ajouté. « Nous avons créé des pipelines d’indexation et de récupération personnalisés, adaptés à des documents spécifiques afin de fournir [our AI] modèles avec un contexte de haute qualité.
Dili exploite GenAI, en particulier des modèles de grands langages similaires à ChatGPT d’OpenAI, pour rationaliser les flux de travail des investisseurs.
La plateforme catalogue d’abord les données financières historiques et les décisions d’investissement d’un fonds dans une base de connaissances, puis applique les modèles susmentionnés pour automatiser des tâches telles que l’analyse des bases de données de données d’entreprises privées, la gestion des listes de demandes de diligence raisonnable et la recherche de chiffres peu connus sur le Web. .
Dili a récemment ajouté la prise en charge de l’analyse comparable automatisée et de l’analyse comparative du secteur sur le carnet de transactions d’une entreprise. Une fois que les fonds téléchargent leurs données de transaction, ils peuvent comparer les opportunités d’investissement historiques et actuelles en un seul endroit.
« Imaginez pouvoir recevoir un e-mail contenant une nouvelle opportunité d’investissement ou une mise à jour de la société de portefeuille et avoir instantanément une plate-forme produisant des signaux d’alarme générés par l’IA, une analyse concurrentielle, une analyse comparative du secteur et un résumé ou un mémo préliminaire exploitant les modèles d’investissement historiques de votre fonds », Song dit.
La question est : peut-on faire confiance à l’IA de Dili – ou à n’importe quelle IA en fait – lorsqu’il s’agit de gérer un portefeuille ?
Crédits images : Dili
Après tout, l’IA n’est pas nécessairement connue pour s’en tenir aux faits. Fast Company a testé la capacité de ChatGPT à résumer des articles et a constaté que le modèle avait tendance à se tromper, à laisser des éléments de côté et à inventer carrément des détails non mentionnés dans les articles qu’il résumait. Il n’est pas difficile d’imaginer comment cela pourrait devenir un réel problème dans le cadre du travail de diligence raisonnable, où l’exactitude est primordiale.
L’IA peut également introduire des préjugés dans le processus décisionnel. Dans une expérience menée par Harvard Business Review il y a plusieurs années, un algorithme formé pour faire des recommandations d’investissement aux startups s’est avéré choisir des entrepreneurs blancs plutôt que des entrepreneurs de couleur et préférer investir dans des startups avec des fondateurs masculins. En effet, les données publiques sur lesquelles l’algorithme a été formé reflétaient le fait que moins de femmes et de fondateurs issus de groupes sous-représentés ont tendance à être désavantagés dans le processus de financement – et, en fin de compte, à lever moins de capital-risque.
Il y a ensuite le fait que certaines entreprises pourraient ne pas se sentir à l’aise pour gérer leurs données privées et sensibles via un modèle tiers.
Pour tenter d’apaiser toutes ces craintes, Song a déclaré que Dili continue d’affiner ses modèles – dont beaucoup sont open source – pour réduire les cas d’hallucinations et améliorer la précision globale. Elle a également souligné que les données des clients privés ne sont pas utilisées pour former les modèles de Dili et que Dili prévoit d’offrir aux fonds un moyen de créer leurs propres modèles formés sur des données de fonds exclusives et hors ligne.
« Alors que les hedge funds et les marchés publics ont investi massivement dans la technologie, les données du marché privé présentent un potentiel inexploité que Dili pourrait libérer pour les entreprises », a déclaré Song.
Dili a mené un premier projet pilote l’année dernière auprès de 400 analystes et utilisateurs de différents types de fonds et de banques. Mais à mesure que la startup élargit son équipe et ajoute de nouvelles capacités, elle cherche à se développer dans de nouvelles applications – pour finalement devenir une solution « de bout en bout » pour la diligence raisonnable des investisseurs et la gestion de portefeuille, explique Song.
« À terme, nous pensons que cette technologie de base que nous développons peut être appliquée à toutes les parties du processus d’allocation d’actifs », a-t-elle ajouté.