Marchés privés · équipes relations investisseurs et produit · Un profil de mission illustratif, tiré de notre travail avec des sociétés de private equity et leurs participations ; les détails sont représentatifs et ne peuvent être attribués à un client unique.
Situation
La société est un investisseur mondial des marchés privés. Elle gère plusieurs dizaines de milliards pour le compte d'institutions, de fonds de pension et de clients privés en Europe, sur le continent américain et en Asie. Comme tous les acteurs de cette classe d'actifs, elle fonctionne au document : rapports de fonds, questionnaires de due diligence, analyses de marché, et un flux continu de questions détaillées des investisseurs, qui attendent chacun une réponse précise, cohérente et rapide.
La réalité opérationnelle derrière ce flux se voit moins de l'extérieur. Les équipes relations investisseurs et produit passent une part importante de leur semaine à retrouver des informations que la société a déjà produites : comment une question similaire a été traitée il y a dix-huit mois, dans quelle lettre, validée par qui. Le savoir existe ; il est enfoui dans les communications passées. Des professionnels seniors recrutés pour leur jugement passaient leurs heures à chercher.
La direction posait le problème avec une maturité remarquable, et cette lecture a structuré la mission. L'enjeu, selon elle, n'a jamais été de trouver le meilleur modèle du marché. Il était triple : identifier les cas d'usage qui valent vraiment la peine d'être construits, les construire dans un cadre strict de confidentialité et de réglementation européenne, et, le plus difficile, faire en sorte que les équipes intègrent ces outils à leur travail quotidien. Selon ses propres termes, l'IA était un sujet de conduite du changement avant d'être un sujet technologique.
Nous partageons cette lecture. D'après notre expérience, c'est ce qui sépare la minorité des programmes d'IA du secteur financier qui arrivent en production de la majorité qui restent au stade pilote.
Approche
La mission a suivi notre séquence habituelle : observer le travail tel qu'il se fait réellement, faire émerger les cas d'usage avec ceux qui le font, puis construire un périmètre restreint et sécurisé.
Cartographier le travail. Des entretiens structurés à tous les niveaux et dans toutes les fonctions, des analystes juniors aux associés, dans les relations investisseurs, le produit et la fonction data, croisés avec les traces des systèmes : où arrivent les demandes, où vivent les réponses, où partent les heures. Comme toujours, nous cartographions les frictions, jamais les personnes. La cartographie a confirmé le goulot d'étranglement que la direction soupçonnait, et l'a dimensionné : la tâche la plus répétée, la plus automatisable et la plus volumineuse du périmètre consistait à rapprocher les questions entrantes des investisseurs de l'historique des réponses validées de la société.
Co-construire les cas d'usage. Plutôt que de livrer un support de recommandations, nous avons animé une séance de travail réunissant des collaborateurs de tous les niveaux et des fonctions concernées, pour façonner les cas d'usage candidats selon deux filtres : une valeur mesurable, et la volonté de l'équipe elle-même de les adopter. Cette étape paraît secondaire ; elle ne l'est pas. Les personnes qui utiliseront un outil peuvent vous dire en un après-midi ce qu'une revue de spécifications ne révélera pas en un trimestre, et l'implication à ce stade est précisément ce qui se traduit ensuite en adoption.
Construire à l'intérieur des murs de la société. Le cas d'usage retenu est devenu un assistant de rédaction : un grand modèle de langage connecté, dans l'environnement sécurisé de la société, à sa base historique de communications investisseurs. Une nouvelle question arrive ; l'assistant retrouve comment la société a répondu aux précédents les plus proches, et produit un projet de réponse sourcé, soumis à une relecture humaine. Les données confidentielles ne quittent jamais l'infrastructure de la société. La conception est volontairement indépendante du modèle : la société peut remplacer ou ajouter des modèles au gré de l'évolution du marché, car la valeur réside dans la connexion à son propre historique validé, et non dans un modèle en particulier.
Résultats
Les résultats quantitatifs sont ceux qu'un conseil d'administration attend d'un cas d'usage bien choisi : plusieurs milliers de questions d'investisseurs ont désormais été traitées via l'assistant, les demandes courantes sont traitées en une fraction du temps antérieur, et les heures seniors de l'équipe sont réorientées vers les questions complexes, à forte part de jugement, pour lesquelles ces profils ont été recrutés.
Le résultat auquel nous accordons le plus de poids est comportemental : plus de la moitié de l'équipe cible utilise l'assistant chaque jour, sans y être incitée, des mois après le lancement. Dans l'IA en entreprise, l'usage quotidien non contraint est l'indicateur le plus rare qui soit ; la plupart des outils déployés plafonnent à une fraction de ce niveau. Trois facteurs l'ont produit, aucun n'est technique :
- Le cas d'usage est né des frictions décrites par l'équipe elle-même, et non d'une feuille de route technologique imposée
- Les futurs utilisateurs ont façonné l'outil avant qu'une seule ligne n'en soit construite
- La direction a porté le programme de façon visible et constante, en faisant de l'adoption, et non du déploiement, le critère d'achèvement
La société a depuis étendu la démarche : le même socle sécurisé soutient aujourd'hui une assistance plus large à la recherche et à la due diligence, et la feuille de route obéit au principe qui a ouvert la mission : un cas d'usage se mérite par la valeur mesurée et l'usage réel, il ne s'annonce pas par ambition.
Observation
Les acteurs des marchés privés sont particulièrement bien placés pour l'IA, pour une raison peu spectaculaire : leur actif le plus précieux est déjà écrit. Des décennies de réponses, d'analyses et de décisions validées dorment dans leurs archives, un corpus propriétaire qu'aucun concurrent ne peut reproduire. Les sociétés qui transforment ces archives en mémoire de travail, avec des outils que leurs équipes utilisent vraiment, creusent leur avance chaque trimestre. Celles qui achètent d'abord les outils et se posent ensuite la question de l'adoption alimentent les statistiques que tout le monde cite.
La leçon de cette mission dépasse largement les marchés privés : la technologie était la partie la plus facile, le choix du cas d'usage était la partie importante, et l'adoption était tout l'enjeu.