L’avantage des données pour les Secondaries (partie 2/2) : la sélection des meilleurs actifs

Nous reprenons notre conversation avec Wilfred Small, Co-Head of U.S. Secondaries & Primaries & Senior Managing Director et membre de l’ASF Management Committee, et Arnaud Mercier, Managing Director, sur la façon dont la data science et l’intelligence artificielle soutiennent le positionnement d’Ardian sur le marché secondaire.  

LIRE LA PARTIE 1 ICI

QUESTION 1.

Comment l’équipe Secondaries & Primaries d’Ardian collabore avec les data scientists ? 

ARNAUD MERCIER - Dans notre bureau de Londres, nous avons actuellement trois data scientists qui travaillent au même étage que notre équipe front office, afin qu'ils soient aussi intégrés que possible à l'équipe d'investissement. Ils ont deux missions principales. Tout d'abord, ils traitent, organisent et enrichissent nos données à l'aide d'informations provenant du web, de bases de données externes ou de documents fournis par les GPs. Ils y consacrent 30 % de leur temps. Les 70 % restants sont consacrés à l'analyse (ponctuelle ou récurrente), à l'extraction de données, ainsi qu'au développement de nouveaux outils d'IA pour soutenir l'équipe d'investissement. Le succès de la mise en œuvre de la science des données et de l'IA dans notre domaine d'expertise repose sur l'identification de cas d'utilisation concrets qui peuvent être automatisés ou optimisés afin d'accroître les connaissances et la productivité de l'équipe et de réaffecter son temps à des tâches à plus forte valeur ajoutée. 

Dans un secteur où les informations sont pour la plupart privées et couvrent des milliers d'entreprises, le travail de nos data scientists est essentiel. Ils permettent d'économiser des semaines de travail aux analystes qui assumaient auparavant cette charge de travail, notamment les analyses de marché récurrentes telles que l'examen des indicateurs d'un secteur spécifique, l'analyse de l'évolution des valorisations, de l'EBITDA et des tendances des ventes, les prévisions de croissance, etc. Ces analyses génèrent toujours de nombreuses informations sur ce qui se passe dans le secteur ou dans notre portefeuille, et que nous les partagions avec les LPs ou en interne, elles suscitent généralement d'autres questions ou de nouvelles idées. Il est essentiel de disposer de personnes dédiées à cette tâche pour obtenir rapidement des réponses.

Pour les analyses nouvelles ou plus complexes, nos data scientists travaillent en étroite collaboration avec notre équipe d'investissement. À titre d'exemple, nous avons souligné qu'une partie de notre stratégie consiste à être très sélectifs quant aux actifs que nous achetons. Pour nos Annual General Meetings de juin 2025, nous voulions comparer la performance des fonds que nous avons sélectionnés avec celle des fonds que nous n'avons pas achetés. Nous avons donc effectué une analyse de backtesting au sein de notre toute dernière plateforme secondaire, ASF IX. Nous avons été ravis de constater que notre sélection portait ses fruits : nous avons acquis des portefeuilles à des multiples EBITDA plus faibles, les actifs que nous avons sélectionnés se négociant à un prix 0,6 fois inférieur à ceux que nous n'avons pas achetés. Mais notre sélection affichait une croissance EBITDA plus élevée et une exposition cotée beaucoup plus faible. En conséquence, nos fonds triés sur le volet ont surperformé de 21,1 % par rapport aux fonds exclus, ce qui démontre la puissance de notre base de données.

(1) La performance des fonds sélectionnés depuis leur date de prise d’effet à travers les transactions d’ASF IX, notamment : Camellia II, August, Parsnip, Rembrandt, Universal, Crabapple, Cabana. Performance brute sans levier.
(2) Croissance de l’EBITDA basée sur le TCAC historique au niveau de l’EBITDA, depuis l’entrée dans ASF jusqu’à la dernière date de référence disponible.
 

QUESTION 2.

Comment l’intelligence artificielle fait-elle évoluer la méthodologie de travail de l’équipe d’investissement ? 

ARNAUD MERCIER - Je dirais que nous n’en sommes qu’aux prémices, mais les choses ont déjà évolué très rapidement au cours des 12 derniers mois. Une étape importante a été franchie chez Ardian lorsque nous avons lancé notre modèle linguistique interne propriétaire Gaia fin 2024, qui permet aux utilisateurs d'utiliser l'IA générative pour interroger des contenus web ou des documents propriétaires qui ont été téléchargés, qu'il s'agisse de données issues d'une data room ou de mémos d'investissement. Au départ, la plupart de nos initiatives en matière d'IA visaient à accroître la productivité de l'équipe d'investissement et à automatiser les tâches récurrentes et chronophages. Nous avons ainsi développé deux outils basés sur l'IA : l'un aide à l'analyse des entreprises en trouvant les meilleures comparables dans les univers des bases de données publiques et de notre expertise Secondaries & Primaries, tandis que l'autre aide à générer des brouillons de rédaction pour nos fiches d'entreprise à partir des rapports ou des présentations des GPs. Enfin, nous avons automatisé notre outil de benchmarking des fonds, qui agrège des données provenant de sources internes et externes, ce qui constitue un élément clé de notre analyse des candidats principaux. Après avoir mis en œuvre ces mesures à effet rapide, nous nous concentrons désormais sur l'utilisation de l'IA pour améliorer notre niveau de diligence raisonnable, par exemple en tirant parti de Gaia pour aider les équipes d'investissement en leur fournissant une liste de questions à poser lorsqu'elles travaillent sur un actif ciblé.

WILFRED SMALL - Selon nous, l’intelligence artificielle est un outil qui permet de renforcer les capacités des collaborateurs et d’optimiser la gestion de leur temps. Certaines analyses ne peuvent être réalisées que par l’IA, car il n’est pas envisageable qu’un individu puisse mobiliser le temps nécessaire pour traiter un volume considérable de données. Elle offre une perspective complémentaire pour éclairer les prises de décisions, mais ne se substitue pas aux décisionnaires.

QUESTION 3.

Comment envisagez-vous la suite ?

WILFRED SMALL - Je pense que les outils que nous développons vont poursuivre leur évolution pour devenir encore plus sophistiqués et utiles aux processus d’investissement. Et c’est surtout la qualité des données sous-jacentes qui permettra à ces outils d’être efficaces. Elle représente un frein naturel à l’entrée sur le marché secondaire et renforce notre positionnement. À cette échelle, constituer un portefeuille, rassembler une équipe et développer des relations demande énormément de temps et nous nous y attelons depuis 26 ans. La qualité des relations fait généralement défaut aux nouveaux entrants, et en conséquence, celle des données également. L’existence d’économies d’échelle significatives et d’importants obstacles pour pénétrer le marché font donc de nous le plus grand acteur sur le marché des secondaires piloté par des investisseurs.

ARNAUD MERCIER - Nous ne manquons pas d'idées dans notre feuille de route en matière de data science et d'IA, mais nous devons établir des priorités en fonction de ce que nous considérons comme essentiel pour l'entreprise. Les trois principaux axes prioritaires à l'heure actuelle sont le développement (i) d'un « dossier de données » qui viendrait compléter le dossier d'investissement ascendant de notre équipe lors de la tarification des transactions secondaires, (ii) d'un aperçu des transactions secondaires qui évaluerait rapidement l'attractivité d'une transaction pour nous sur la base de ses principaux indicateurs sous-jacents afin de décider rapidement si nous devons y consacrer du temps et (iii) de continuer à alimenter Gaia avec encore plus d'indicateurs clés de performance et de documents provenant de diverses sources afin qu'elle devienne notre « agent de renseignement à 360° » que n'importe quel membre de l'équipe Secondaries & Primaries pourrait contacter pour toute question liée à notre activité et obtenir une réponse instantanée.