Une due diligence est une course contre la montre sous contrainte de confidentialité. En quelques semaines, une équipe d'investissement et ses conseils doivent lire des centaines de documents, repérer ce qui compte, poser les bonnes questions, obtenir les réponses et en tirer une conclusion qui engage une décision d'investissement. Le volume documentaire augmente, les délais se resserrent, et une bonne partie du temps part dans des tâches de lecture, de classement et de recherche plutôt que dans l'analyse.
L'intelligence artificielle (IA) semble faite pour ce problème. Un outil capable de lire une data room, d'extraire les clauses d'un contrat ou de résumer un rapport promet de rendre à l'équipe le temps qu'elle consacre au tri. Mais une due diligence est aussi l'exercice où une omission coûte le plus cher : une clause de changement de contrôle manquée, un litige mal lu, un engagement hors bilan passé inaperçu. Et les documents sont couverts par des accords de confidentialité qui encadrent strictement ce que l'on peut en faire.
Ce guide s'adresse aux équipes d'investissement des fonds de private equity et de venture capital, aux conseils en fusions-acquisitions, aux directions du développement et aux équipes de transaction. Il décrit où l'IA peut aider à chaque étape, ce qui reste du ressort de l'équipe et de ses conseils, les règles de confidentialité à respecter et la manière d'organiser les validations. Les exemples sont génériques : ils ne citent ni opération, ni société, ni personne, ni outil.
Ce qu'est une due diligence et pourquoi elle se prête à l'IA#
La due diligence est l'ensemble des vérifications menées avant une opération pour confirmer ce que le vendeur présente et découvrir ce qu'il ne présente pas. Elle se décline en plusieurs volets : financier, juridique, fiscal, social, commercial, opérationnel, technique, environnemental. Chaque volet a ses spécialistes, ses documents et ses questions, mais tous partagent la même mécanique : lire, comparer, interroger, conclure.
Cette mécanique se prête à l'IA pour une raison simple. Une grande partie du travail consiste à trouver une information précise dans un grand volume de texte, ou à vérifier qu'elle n'y est pas. Les modèles de langage sont efficaces pour lire, classer et extraire. Ils le sont beaucoup moins pour juger de l'importance d'une information dans le contexte d'une thèse d'investissement, et ils peuvent se tromper avec assurance. L'organisation du travail doit tenir compte de ces deux réalités.
Les étapes d'une due diligence#
Une due diligence suit en général un enchaînement reconnaissable. La phase préparatoire fixe le périmètre, les volets à couvrir, les conseils mandatés et le calendrier. L'ouverture de la data room donne accès aux documents, souvent en plusieurs vagues. La revue documentaire répartit la lecture entre les équipes. Les listes de questions sont envoyées au vendeur, qui y répond au fil de l'eau. Les sessions avec le management complètent les documents. Les rapports des conseils synthétisent les constats. La décision, enfin, intègre ces constats dans l'évaluation, la structure et la documentation juridique de l'opération.
À chaque étape, la question utile n'est pas « l'IA peut-elle le faire ? », mais « quelle part de cette étape est de la lecture et du tri, et quelle part est du jugement ? ». C'est la première part que l'on peut confier, sous contrôle, à un outil.
Où l'IA peut aider#
Les usages ci-dessous sont des possibilités à évaluer dans le cadre de chaque opération, et toujours sous réserve que l'outil soit compatible avec les engagements de confidentialité.
Lecture et classement des documents#
À l'ouverture d'une data room, un outil peut classer les documents par nature, repérer les doublons et les versions successives, signaler les documents illisibles ou incomplets et produire une table des matières plus exploitable que l'arborescence fournie. Ce travail, souvent confié aux profils les plus juniors, conditionne la qualité de toute la suite.
Recherche et extraction ciblées#
Un outil peut rechercher, dans l'ensemble des documents, toutes les occurrences d'un type d'information : les clauses de changement de contrôle, les garanties données, les engagements d'exclusivité, les litiges mentionnés, les échéances de contrats importants. Il peut présenter ces extraits sous forme de tableau, avec le renvoi au document et au passage d'où ils proviennent. Ce renvoi est indispensable : sans lui, l'extrait ne peut pas être vérifié.
Repérage des manques#
L'absence d'un document est souvent aussi parlante que sa présence. En comparant le contenu de la data room à une liste de demandes ou à une liste de documents attendus pour ce type d'activité, un outil peut signaler ce qui manque et préparer les relances. Il ne sait pas pourquoi le document manque ; l'équipe, elle, doit le demander.
Listes de questions et suivi des réponses#
Un outil peut proposer des questions à partir des points relevés dans les documents, éviter les doublons entre volets, suivre l'état des réponses et rapprocher chaque réponse de la question posée. Lorsque le vendeur répond de manière partielle ou renvoie à un document, l'outil peut signaler que la question reste ouverte.
Revue contractuelle#
Pour les contrats nombreux et similaires, comme des contrats clients, fournisseurs ou des baux, un outil peut extraire les clauses standard et signaler celles qui s'écartent du modèle habituel. Pour les documents de l'opération elle-même, il peut comparer les versions successives d'un protocole et signaler les changements. La lecture juridique et l'appréciation des risques restent celles des avocats.
Synthèse et préparation du rapport#
En fin de revue, un outil peut rassembler les constats des différents volets, proposer une structure de synthèse et un premier jet de rédaction à partir des notes de l'équipe. Comme pour toute rédaction, il ne doit s'appuyer que sur des constats vérifiés et chaque affirmation doit renvoyer à sa source.
Ce qui reste du ressort de l'équipe et des conseils#
Plusieurs choses ne se délèguent pas. L'appréciation de l'importance d'un constat au regard de la thèse d'investissement en fait partie : une clause banale dans une opération peut être décisive dans une autre. La conduite des sessions avec le management, où l'on évalue autant les personnes que les réponses, en fait partie aussi. La responsabilité des conseils sur leurs rapports, encadrée par leurs lettres de mission et leurs règles professionnelles, ne se transfère pas à un outil. Et la décision d'investir, comme ses conditions, appartient au comité d'investissement.
Il est utile de l'écrire noir sur blanc au lancement de l'opération. Cette clarté protège l'équipe contre une dérive fréquente : la confiance croissante dans les synthèses produites par un outil, au détriment de la lecture des documents décisifs.
Confidentialité : l'accord, la data room et l'outil#
Toute due diligence commence par un accord de confidentialité. Cet accord définit qui peut accéder aux informations, dans quel but, et parfois avec quels moyens. Certains accords interdisent explicitement de transférer les documents hors de la data room ou de les confier à des tiers. Un outil d'IA hébergé chez un fournisseur peut être considéré comme un tiers. Avant d'utiliser un outil, il faut donc relire l'accord et, en cas de doute, poser la question au vendeur ou à son conseil.
Au-delà de l'accord, plusieurs questions techniques se posent. Où l'outil traite-t-il les données ? Le fournisseur conserve-t-il les documents ou les requêtes, et pendant combien de temps ? Les données servent-elles à entraîner des modèles ? Qui, chez le fournisseur, peut y accéder ? Les réponses figurent en général dans les conditions contractuelles du service ; elles doivent être vérifiées avant l'opération, pas pendant.
Certaines data rooms proposent leurs propres fonctions d'IA, exécutées dans leur environnement. Elles peuvent simplifier la question de la confidentialité, mais elles ne dispensent pas de vérifier ce qu'elles font des données et de valider leurs sorties.
Information privilégiée et données personnelles#
Lorsque la cible ou l'acquéreur est coté, les informations échangées pendant une due diligence peuvent constituer une information privilégiée au sens du règlement européen sur les abus de marché. Cela impose de tenir une liste des personnes qui y ont accès et de maîtriser leur circulation. L'usage d'un outil ne doit pas élargir ce cercle sans contrôle.
Une data room contient aussi presque toujours des données personnelles : contrats de travail, rémunérations, informations sur les dirigeants, litiges avec des salariés ou des clients. Le règlement général sur la protection des données (RGPD) s'applique à leur traitement, y compris par un outil d'IA. Le principe de minimisation invite à ne soumettre à l'outil que ce qui est nécessaire, et à préférer, lorsque c'est possible, des documents dont les données personnelles ont été masquées.
La qualité des sorties : citer la source, signaler l'absence#
Deux exigences font la différence entre un outil utile et un outil dangereux en due diligence. La première est de citer la source : chaque extrait, chaque affirmation d'une synthèse doit renvoyer au document et au passage dont il provient, pour que l'équipe puisse vérifier en un instant. La seconde est de signaler l'absence : quand l'outil ne trouve pas une information, il doit le dire, plutôt que de produire une réponse plausible.
Ces exigences doivent être testées avant l'opération, sur des documents dont on connaît le contenu. Un jeu de test simple, composé de quelques contrats et de questions dont on connaît les réponses, permet de voir si l'outil trouve ce qu'il doit trouver, s'il invente, et s'il signale ce qu'il ne trouve pas. Ce test vaut mieux que n'importe quelle démonstration commerciale.
Le côté vendeur : préparer une data room lisible#
L'IA intéresse aussi le vendeur et ses conseils. Préparer une data room demande de rassembler, classer et vérifier des documents dispersés, souvent dans l'urgence. Un outil peut aider à repérer les documents manquants par rapport à une liste type, à identifier les versions les plus récentes, à masquer les données personnelles qui n'ont pas à être communiquées et à préparer des synthèses factuelles. Une data room bien organisée raccourcit la due diligence et réduit les questions, ce qui sert les deux parties.
Les mêmes précautions s'appliquent : l'outil ne décide pas de ce qui doit être communiqué, et toute synthèse remise à l'acheteur engage le vendeur.
Organiser l'équipe et les validations#
L'usage de l'IA en due diligence se prépare avant l'opération, pas pendant. Il faut décider quels outils sont autorisés, pour quels usages, avec quels documents, et qui valide leurs sorties. Il faut aussi répartir les rôles : qui configure l'outil, qui formule les recherches, qui vérifie les extraits, qui intègre les constats dans le rapport.
Une règle simple aide à garder le contrôle : tout constat qui figure dans un rapport ou qui influence une décision doit avoir été vérifié dans le document source par une personne de l'équipe. L'outil accélère la recherche ; il ne remplace pas la vérification. Les juniors, qui utilisent souvent le plus les outils, doivent savoir que cette vérification fait partie de leur travail et non d'une étape facultative.
Mesurer ce que l'IA change dans une due diligence#
Mesurer le bénéfice d'un outil en due diligence est délicat, car chaque opération est différente. Quelques indicateurs restent utiles : le temps entre l'ouverture de la data room et la première liste de questions, le nombre de documents revus par personne, le nombre de questions redondantes envoyées au vendeur, et surtout le nombre de constats importants découverts tardivement. Ce dernier indicateur mesure la qualité, qui compte plus que la vitesse.
La comparaison la plus honnête se fait entre opérations comparables, avec et sans outil, en tenant compte du temps passé à vérifier les sorties. Un retour d'expérience écrit après chaque opération, sur ce que l'outil a bien fait et sur ce qu'il a manqué, construit progressivement une connaissance plus fiable que les impressions.
Les pièges à éviter#
Le premier piège consiste à utiliser un outil sans avoir relu l'accord de confidentialité. Le deuxième consiste à faire confiance à une synthèse sans revenir aux documents décisifs. Le troisième consiste à croire qu'une recherche sans résultat prouve l'absence d'un risque, alors qu'elle peut seulement révéler une limite de l'outil. Le quatrième consiste à soumettre à l'outil des données personnelles qui n'étaient pas nécessaires. Le cinquième, enfin, consiste à mesurer le bénéfice en vitesse seulement, sans regarder les constats manqués.
Glossaire#
- Due diligence : ensemble des vérifications menées avant une opération pour confirmer les informations présentées par le vendeur et découvrir les risques.
- Data room : espace sécurisé où le vendeur met les documents de la société à la disposition des acquéreurs potentiels et de leurs conseils.
- Accord de confidentialité : contrat qui encadre l'accès aux informations échangées, leur usage et leur circulation.
- Clause de changement de contrôle : clause qui permet à un cocontractant de modifier ou de résilier un contrat si l'actionnaire de contrôle change.
- Liste de questions : ensemble des demandes d'information adressées au vendeur pendant la due diligence, avec le suivi des réponses.
- Thèse d'investissement : raisonnement qui justifie l'opération et au regard duquel l'importance de chaque constat est appréciée.
- Information privilégiée : information précise et non publique qui, si elle était rendue publique, serait susceptible d'influencer sensiblement le cours d'un instrument financier.
- Jeu de test : ensemble de documents et de questions dont on connaît les réponses, utilisé pour évaluer un outil avant de s'en servir.
Checklist à imprimer#
Cette liste aide à préparer l'usage de l'IA dans une due diligence. Elle ne remplace ni l'avis d'un juriste ni les règles professionnelles de vos conseils.
Avant l'opération#
- Les outils autorisés, leurs usages et les documents qu'ils peuvent recevoir sont définis.
- Le lieu de traitement des données, leur conservation et leur usage par le fournisseur sont connus.
- L'outil a été testé sur un jeu de documents dont les réponses sont connues.
- Les rôles sont répartis : configuration, recherches, vérification, intégration au rapport.
À l'ouverture de la data room#
- L'accord de confidentialité autorise l'usage prévu de l'outil, ou le vendeur l'a confirmé.
- La liste des personnes ayant accès à l'information est tenue si une société cotée est concernée.
- Les données personnelles non nécessaires sont exclues ou masquées.
Pendant la revue#
- Chaque extrait renvoie au document et au passage d'où il provient.
- Les recherches sans résultat sont signalées comme telles, et non comme une absence de risque.
- Tout constat repris dans un rapport a été vérifié dans le document source.
Après l'opération#
- Un retour d'expérience écrit décrit ce que l'outil a bien fait et ce qu'il a manqué.
- Les documents transmis à l'outil sont supprimés selon les engagements pris.
Questions fréquentes#
L'IA peut-elle remplacer une partie des conseils en due diligence ?#
Elle peut accélérer la lecture, le classement et la recherche, mais elle ne remplace ni l'expertise ni la responsabilité des conseils. Leurs rapports reposent sur leur jugement professionnel et engagent leur responsabilité ; un outil ne porte ni l'un ni l'autre.
Peut-on utiliser un outil d'IA sur une data room confidentielle ?#
Seulement si l'accord de confidentialité le permet et si l'outil offre des garanties compatibles sur le lieu de traitement, la conservation et l'usage des données. En cas de doute, la question se pose au vendeur ou à son conseil avant de commencer.
Comment éviter que l'outil invente une information ?#
En exigeant qu'il cite la source de chaque extrait, en le testant sur des documents connus avant l'opération, et en vérifiant dans le document source tout constat repris dans un rapport.
Une recherche sans résultat prouve-t-elle l'absence d'une clause ?#
Non. Elle montre que l'outil n'a rien trouvé, ce qui peut tenir à la formulation de la recherche, à la qualité du document ou aux limites de l'outil. Les points décisifs se vérifient par une lecture humaine.
L'IA est-elle utile aussi au vendeur ?#
Oui. Elle peut aider à préparer une data room complète et lisible, à masquer les données personnelles qui n'ont pas à être communiquées et à anticiper les questions. Une data room bien préparée raccourcit l'opération pour tout le monde.
Conclusion#
L'IA peut rendre à une équipe de due diligence une partie du temps qu'elle consacre à lire, classer et chercher, pour le réinvestir dans l'analyse et les échanges avec le management. Elle ne le fait bien que dans un cadre clair : un accord de confidentialité respecté, un outil testé avant l'opération, des sorties qui citent leurs sources, et une règle simple selon laquelle tout constat décisif est vérifié par une personne. Le jugement, la responsabilité et la décision restent ceux de l'équipe, de ses conseils et du comité d'investissement.