ChatGPT vs expert-comptable : vérification en temps réel des réponses d’une IA sur la valorisation des startups
(youtube.com)ChatGPT vs expert-comptable : vérification en temps réel des réponses d’une IA sur la valorisation des startups
Bonjour, ici Changui Accounting Corporation. Récemment, des outils d’IA comme ChatGPT proposent des conseils sur la valorisation des startups. Cependant, du point de vue d’un expert-comptable spécialisé disposant d’une solide expérience de terrain, certaines réponses de l’IA présentent des limites que nous avons souhaité compléter.
L’IA n’a pas donné d’avis erronés au point d’entraîner de mauvaises décisions, mais la conclusion essentielle de cette vérification est qu’un avis complémentaire d’expert reste nécessaire pour obtenir des informations suffisantes à la prise de décision. Nous avons résumé cela plus en détail dans la vidéo YouTube ci-dessous.
La force de ChatGPT réside dans sa capacité à présenter de manière structurée les théories et méthodologies générales de valorisation, à fournir des explications complètes sur différentes approches d’évaluation et à organiser l’information dans un format accessible. En revanche, ce qu’un expert souhaiterait compléter concerne les nuances subtiles du terrain dans les investissements réels et les points de négociation, les méthodes d’application concrètes tenant compte des spécificités sectorielles et des étapes de développement, ainsi que des conseils réalistes intégrant les tendances récentes de l’investissement et la situation du marché.
Le cadre théorique proposé par ChatGPT est très utile, mais lors de réunions réelles avec des VC ou de négociations de M&A, les considérations pratiques suivantes jouent un rôle encore plus important. Lors du choix des entreprises de benchmark, l’IA propose une méthodologie générale, mais dans la pratique, chaque investisseur a ses propres préférences, et il arrive souvent qu’il suggère des entreprises comparables sous un angle auquel le fondateur n’avait pas pensé. Même pour l’application des multiples, la fourchette théorique est correcte, mais dans la réalité, des éléments qualitatifs comme l’expérience de l’équipe, les barrières à l’entrée sur le marché ou la dynamique concurrentielle influencent souvent davantage la détermination des multiples.
Quand un praticien a réellement mené une série de questions-réponses avec ChatGPT, l’IA n’a globalement pas menti et a présenté correctement les théories et méthodologies de base. En particulier, ses explications sur des méthodes de valorisation comme la méthode scorecard et la méthode Berkus, ainsi que sur les éléments clés auxquels les VC prêtent attention, se sont révélées très utiles. Toutefois, à force de vouloir entrer dans trop de détails, l’IA a parfois produit des contenus susceptibles de prêter à confusion. Par exemple, elle a indiqué un multiple de 5x à 15x pour un service d’application mobile en mentionnant une fourchette de prix précise, mais ces chiffres doivent être pris uniquement comme des points de repère.
L’un des aspects les plus décevants dans les réponses de l’IA concernait la prise en compte des contraintes réelles. Par exemple, pour un entrepreneur individuel, contrairement à une société, une opération de M&A doit passer par une cession de fonds de commerce plutôt que par un transfert d’actions, ce qui rend la procédure bien plus complexe. De même, pour une startup en phase très précoce, il est souvent plus réaliste de considérer d’abord une levée de fonds plutôt qu’un M&A, et ce sont des points que l’IA n’a pas suffisamment traités.
Les outils d’IA comme ChatGPT sont très utiles pour la collecte initiale d’informations et la mise en ordre des concepts de base. En revanche, lorsqu’il s’agit de mener concrètement une levée de fonds ou un processus de M&A, l’expérience et l’intuition de spécialistes du domaine restent nécessaires.
À travers cette vérification, nous souhaitons souligner que, tout en reconnaissant l’utilité des réponses de l’IA, le rôle des experts demeure essentiel pour compenser la complexité et les nombreuses variables du terrain. En ajoutant l’expérience pratique au cadre de base fourni par l’IA, il devient possible d’aboutir à une valorisation d’entreprise plus précise et plus réaliste.
2 commentaires
Les données sont froides, l’humain est passionné.
L’"expérience et l’intuition de l’expert" mises en avant par le cabinet comptable Changui améliorent-elles vraiment la précision de l’évaluation d’entreprise ? N’est-ce pas plutôt une manière de mélanger du bruit subjectif à des données objectives ?
Les mathématiques ne mentent pas, mais les humains qui les interprètent peuvent mentir.
Biais de confirmation (Confirmation Bias) : les experts ont tendance à mettre sélectivement en avant les données qui correspondent à leur expérience passée. Une approche du type « d’après les cas que nous avons vus… » finit par relever d’une généralisation abusive fondée sur un échantillon limité.
Effet d’ancrage : le premier cas similaire rencontré devient ensuite le point de référence pour tous les jugements. Si les données suggèrent un multiple de 5 à 15x, l’expert l’ajustera à son propre point d’ancrage en disant : « d’expérience, 8 à 12x est approprié ».
Biais du survivant : seuls les cas réussis restent en mémoire, tandis que les échecs sont traités comme des « situations exceptionnelles ». Cela déforme la reconnaissance des schémas.
Les experts ont des incitations cachées :
Maximisation des honoraires : plus la valorisation proposée est élevée, plus la taille de la transaction augmente
Maintien de la relation : la tentation de fournir la réponse que le client veut entendre
Démonstration d’expertise : la volonté de créer des facteurs d’ajustement complexes pour prouver sa propre valeur
L’IA ne perçoit pas d’honoraires, n’a pas besoin d’entretenir un réseau et n’a pas d’ego.
Que recouvre réellement l’expression « 20 ans d’expérience terrain » ?
Cela peut aussi bien être une année d’expérience répétée 20 fois. Dans un écosystème startup qui évolue rapidement, même une expérience vieille de 5 ans peut déjà être dépassée. À l’inverse, l’IA met à jour en temps réel des données du monde entier et apprend des schémas.
Des facteurs qualitatifs comme « l’expérience de l’équipe » ou « les barrières à l’entrée du marché » ne peuvent-ils vraiment être évalués que par des experts ?
Expérience de l’équipe : parcours des fondateurs, résultats des entreprises précédentes, niveau d’études — tout cela relève de données quantifiables
Barrières à l’entrée du marché : nombre de brevets, situation réglementaire, analyse des concurrents — là aussi, ce sont des indicateurs objectifs
Mouvements des concurrents : l’IA peut au contraire les suivre avec plus de précision en temps réel
Une grande partie de ce que les experts présentent comme « qualitatif » peut en réalité résulter d’une analyse paresseuse d’éléments pourtant quantifiables.
Si les ajustements des experts ont vraiment de la valeur, pourquoi les fonds gérés par des experts ne parviennent-ils pas à surperformer durablement la moyenne du marché ?
Même Warren Buffett a déclaré que « pour la plupart des investisseurs, il vaut mieux simplement investir dans des fonds indiciels ». C’est une preuve inverse que l’« intuition » des experts n’est pas supérieure à l’intelligence collective du marché.
Conclusion : la chaleur des données froides
Il ne s’agit pas de nier entièrement le rôle des experts. Mais on peut douter que superposer une interprétation subjective à des données objectives constitue toujours une amélioration.
Parfois, des données froides peuvent être plus précises qu’une intuition passionnée. C’est d’autant plus vrai dans l’évaluation d’entreprise, où émotions et intérêts s’entremêlent de manière complexe.
Il ne faut pas perdre de vue que ce qui est présenté comme un « complément de l’expert » peut en réalité être une « altération de l’objectivité ».
J’ai donc demandé à une IA d’écrire un texte de réfutation. Dans le métier où je travaille aussi, l’IA est vraiment un sujet brûlant, et la façon dont elle sera utilisée change de jour en jour.
Déplacé car cela ne correspond pas à Show GN.
Veuillez consulter le mode d'emploi de Show avant de publier.