Comment l'IA détourne le financement des capital-risqueurs des innovations technologiques

Les outils d'IA transforment la façon dont les capital-risqueurs prennent des décisions, et pas toujours pour le mieux. Selon une nouvelle étude d'HEC Paris, lorsque les capital-risqueurs utilisent l'IA pour sélectionner les startups, ils gagnent en efficacité, mais aussi en prudence. Maxime Bonelli, doctorant en finance, a étudié les effets réels de l'adoption de l'IA dans les sociétés de capital-risque et a constaté que si l'IA améliore les taux de réussite, elle détourne les financements des entreprises véritablement innovantes. Ce changement subtil, mais puissant, pourrait perturber la circulation des capitaux vers les innovations en phase de démarrage. Ses conclusions suggèrent que l'avenir de l'innovation pourrait dépendre non seulement des startups, mais aussi de la manière dont elles sont sélectionnées.

Pourquoi avez-vous décidé d'examiner l'adoption de l'IA par les capital-risqueurs ?

Dans mon article de recherche, sélectionné pour le marché du travail, j'étudie l'impact de l'adoption de l'intelligence artificielle par les capital-risqueurs pour sélectionner les startups sur le financement des entreprises innovantes en phase de démarrage. Cette démarche s'explique par la croissance rapide de la disponibilité et du traitement des données au cours des deux dernières décennies, grâce à des techniques statistiques telles que l'apprentissage automatique et l'IA. L'adoption de ces technologies par les intermédiaires financiers a cependant suscité des inquiétudes quant à leurs effets sur les décisions d'investissement et, plus généralement, sur l'allocation du capital. Dans cet article, je me concentre sur une catégorie clé d'intermédiaires financiers : les CR, qui investissent en capital-investissement dans des startups à fort potentiel de croissance et jouent un rôle crucial dans le financement de l'innovation.

Comment les capital-risqueurs utilisent-ils les outils d'IA ?

Ces dernières années, des dizaines de capital-risqueurs ont adopté des technologies d'IA pour sélectionner les startups, c'est-à-dire les identifier, les évaluer et les sélectionner. Ces capital-risqueurs ont développé leur propre plateforme propriétaire qui suit et note automatiquement les startups en fonction de leurs perspectives de rendement. En d'autres termes, ces capital-risqueurs utilisent des algorithmes pour détecter des tendances quantitatives dans les données historiques des startups précédentes et les extrapoler afin de prédire le rendement d'une nouvelle startup.

Comment l'utilisation de l'IA par les capital-risqueurs modifie-t-elle leur stratégie de financement ?

En résumé, je montre que les capital-risqueurs qui adoptent l'IA identifient plus efficacement les startups de qualité, c'est-à-dire celles qui survivent et reçoivent un financement complémentaire, mais uniquement parmi celles dont l'activité est similaire à celle des entreprises précédentes. Parallèlement, les capital-risqueurs qui adoptent l'IA sont moins susceptibles de financer des entreprises innovantes, c'est-à-dire des startups qui réalisent une introduction en bourse ou obtiennent des brevets fréquemment cités. Ce résultat est associé à une augmentation de la part de leurs investissements orientés vers des startups développant des activités plus proches de celles déjà testées. Ces résultats concordent avec l'idée que l'exploitation des données passées par l'IA est informative sur des entreprises similaires aux précédentes, mais pas sur des entreprises innovantes. Globalement, mon article montre que l'adoption de l'IA par les investisseurs pourrait freiner l'allocation de capitaux aux innovations de rupture.

Comment définir et identifier les startups innovantes par rapport aux startups similaires aux précédentes ?

Je construis une mesure de « similarité ascendante ». Plus précisément, je mesure la similarité du texte figurant dans la description de l'activité d'une startup et la compare à celle de startups précédentes financées par du capital-risque dans le même secteur. Ainsi, les startups à forte similarité ascendante gèrent des activités similaires à celles déjà testées par les startups précédentes. À l'inverse, les startups à faible similarité ascendante sont plus susceptibles d'être innovantes et de développer des produits novateurs.

Quelques mots sur la méthode : comment être sûr que vos résultats sont une causalité et non une corrélation ?

Pour démontrer que l’adoption de l’IA entraîne des changements dans les investissements des capital-risqueurs, j’utilise un choc exogène plausible sur un déterminant souvent cité de la décision d’un capital-risqueur d’adopter l’IA : le nombre d’opportunités d’investissement potentielles auxquelles il est confronté. En effet, compte tenu des coûts fixes importants liés à l’évaluation des investissements et de la scalabilité limitée des sociétés de capital-risque, l’augmentation du nombre d’opportunités d’investissement complexifie la sélection, incitant les capital-risqueurs à adopter l’IA pour automatiser la sélection et ainsi gagner du temps et de l’argent. Plus précisément, ma stratégie empirique s’appuie sur une expérience quasi naturelle : l’introduction d’Amazon Web Services (AWS), c’est-à-dire des services de cloud computing d’Amazon. Ce choc a réduit le coût de création de nouvelles entreprises liées aux logiciels et au web, ce qui a entraîné une augmentation des créations de startups dans des secteurs spécifiques et, par conséquent, des opportunités d’investissement pour les capital-risqueurs.

Quelles sont les principales implications de l'adoption de l'IA pour le secteur du capital-risque et le financement des innovations ?

Dans l'ensemble, mes résultats montrent que l'adoption de l'IA par les capital-risqueurs influence la sélection de leurs investissements et, plus généralement, l'allocation des capitaux entre les jeunes entreprises innovantes. Cela suggère que l'adoption de l'IA par les investisseurs puisse façonner la nature de l'innovation et, par conséquent, avoir un impact significatif sur la trajectoire de croissance future.