La commission Evaluation de la SFAF a mené une réflexion sur l’émergence rapide de l’intelligence artificielle (IA) dans les métiers autour de l’analyse financière et de l’évaluation des entreprises. Eric Galiègue, président de la commission, synthétise ici les échanges et la note collective réalisée par les membres de la commission.
Il est utile de rappeler en introduction qu’en langue anglaise « Intelligence » n’a pas exactement le même sens qu’en langue française. Ce mot recouvre notamment les notions d’information et de renseignements : ainsi, le service britannique du renseignement extérieur est dénommé MI 6 (Military Intelligence). En français, ce mot n’est pas associé à l’information ou au renseignement, mais à la capacité de raisonner, de comprendre et de trouver des solutions. Le mot « intelligence » vient du latin « intelligere », qui signifie discerner, comprendre, concevoir (selon le Wiktionnaire).
L’IA est au cœur de cette distinction : l’information massive, étendue, totale, et la manière de la traiter, de l’organiser, pour raisonner et comprendre. Ce distingo est aussi au cœur du métier de l’analyste financier, qui doit pouvoir accéder à toutes sortes d’informations et savoir l’organiser et la comprendre pour réaliser une évaluation de l’entreprise.
Le terme « artificielle » accolé à « intelligence » induit de nombreuses controverses. Les résultats obtenus par l’usage d’une IA sont souvent stupéfiants et laissent à penser qu’elles sont le fruit d’un robot, d’un être artificiel différent de l’homme. D’un côté, c’est bien l’homme qui a déterminé dans l’IA les processus de raisonnement de base, c’est bien lui qui l’a programmé, notamment via des « prompts », ces paramètres imposés à l’IA. Elle est donc profondément humaine. De l’autre, la capacité de l’IA à intégrer instantanément toute l’information nouvelle et tous les raisonnements et schémas de pensée qu’elle observe et enregistre en fait un concurrent redoutable pour l’être humain. L’individu est en quelque sorte en concurrence contre tous, contre une connaissance collective, contre laquelle il n’a aucune chance... si ce n’est la mettre de son côté.
Ainsi, une relation régulière et approfondie avec une IA doit la transformer en « coach » de l’individu qui l’utilise et l’exploite. L’IA doit devenir le coach de l’analyste-évaluateur.
La commission Evaluation de la SFAF a testé plusieurs outils d’IA (ChatGPT, Claude) pour réaliser une étude de présentation et d’évaluation d’une action cotée, SEB, qui sera publiée dans le cadre de la mise à jour du guide de l’évaluateur. Il ressort de cette expérience et des échanges entre membres de la commission plusieurs enseignements :
1/ L’analyste financier doit parfaitement connaître et contrôler l’outil d’IA qu’il utilise. Il est essentiel qu’il connaisse parfaitement la façon dont fonctionne l’IA et qu’il l’ait paramétrée correctement. L’analyste financier doit devenir aussi un « analyste IA ».
2/ L’IA est particulièrement adaptée à la collecte et à la mise en ordre des données factuelles. Pour ce faire, et afin d’éviter les problèmes de sources incertaines, il est nécessaire d’être directif et d’imposer une liste limitative de documents pour réaliser la présentation de l’entreprise. L’analyste doit interdire à l’IA d’inventer des réalités plausibles proches des choses réelles. Habituellement, il s’agit des documents d’enregistrement universels, des rapports annuels, du site internet de la société, des comptes officiels de la société, des communiqués et documents de présentation produits par la société. Les résultats obtenus dans cette partie de présentation sont souvent très satisfaisants ; ils constituent finalement une synthèse des documents de présentations disponibles. En tout état de cause, les sources doivent être citées dans le prompt et dans le document final.
3/ Pour l’identifications des risques et l’analyse elle-même de l’entreprise, qui constituent une partie importante du travail de l’analyste, l’ouverture de l’IA à tout type d’information est nécessaire. L’analyste doit dans ce cas vérifier la pertinence des propositions faites par l’IA, qui sont souvent très insuffisantes. Cependant, majoritairement, seuls des analystes confirmés, experts dans le secteur et l’entreprise analysés, peuvent valablement corriger la production de l’IA. Il se pose ainsi la question de la transmission de l’expertise des anciens aux jeunes, qui devient problématique. En effet, l’IA est très efficace pour compiler des données, les mettre en ordre et réaliser des présentations factuelles d’entreprises, qui habituellement sont faites par de jeunes analystes que l’on n’embauche désormais plus. Or, c’est bien ce travail de recherche de données, de lecture de toute la documentation, qui permet au jeune analyste de progressivement acquérir le savoir-faire que les anciens leur transmettent.
4/ Pour la réalisation de l’évaluation elle-même l’analyste doit considérer le travail de l’IA comme une simple proposition. C’est un point de départ souvent utile, mais c’est dans cette partie que l’analyste doit exprimer son opinion : sur les taux de progression des revenus, sur le mode de calcul de la valeur terminale, sur les facteurs d’actualisation... Il argumente et défend son évaluation selon l’opinion qu’il s’est forgée sur l’entreprise dans les deux parties précédentes.
L’évaluation est un exercice trop sensible pour la laisser faire par une IA seule.