Bain a refroidi l’engouement pour l’IA de cette vague de capital-investissement, tout en proposant une solution dans le même document : d’abord examiner le plan de création de valeur (VCP), puis l’IA. Les résultats des deux entreprises investies proviennent du même geste – réduire les scénarios candidats à seulement quelques-uns directement liés au compte de résultat.
Fait
- 16 septembre 2026, Bain & Company a publié « Getting Past the AI Value Paradox in Private Equity », qualifiant la situation où « l’activité IA est omniprésente mais la création de valeur limitée » de paradoxe de la valeur IA.
- L’article cite le Bain CEO Survey 2026 (n=100) : environ 80 % des PDG sont insatisfaits du rythme de mise en œuvre de la transformation IA ; 82 % déclarent que leur transformation IA n’a réalisé que partiellement les résultats attendus, et seulement 18 % estiment avoir atteint la plupart ou la totalité des objectifs.
- Bain a identifié cinq obstacles courants : use‑case swirl (des centaines d’idées sans pouvoir les classer), micro‑productivity trap (gain de quelques minutes sans changer la valeur de l’entreprise), tools‑first bias (choisir d’abord un copilote prêt à l’emploi puis l’adapter aux processus existants), capability gaps (manque de données, de talents ou de technologie, bloqué au stade du prototype), sponsorship gaps (l’IA confiée aux équipes techniques ou d’innovation, détachée du VCP).
- Cas A : une société de gestion d’actifs, détenue par du capital-investissement, qui gère de grands hôtels et des biens de loisirs. La direction a identifié 30 processus potentiellement adaptés à l’IA, puis les a réduits à 4 fortement liés aux revenus : automatisation financière, acquisition de prospects (lead generation), automatisation des propositions, rapports de valeur client. L’automatisation financière et comptable semble être un poste de coût, mais elle sert la rétention client en fournissant plus rapidement les informations financières ; l’IA a également systématisé la production de rapports de valeur client sur mesure. L’entreprise progresse actuellement vers une amélioration de l’EBITDA de 2030 de 40 % à 50 %.
- Dans le cas A, le PDG a personnellement piloté le projet : il a d’abord décomposé les flux de travail concernés, puis déterminé à quelle étape l’IA pouvait réécrire le processus.
- Cas B : un grand distributeur de pièces détachées. L’IA a réduit le délai moyen de traitement des demandes de devis de plus de 1 heures à moins de 5 minutes. La méthode consiste à remplacer la recherche manuelle par des outils IA, en agrégant les catalogues de pièces, les manuels d’équipement et les données OEM, ainsi que d’autres informations non structurées, dans une base de connaissances unifiée et interrogeable, offrant aux clients des recommandations de pièces plus rapides et plus précises.
- Cas B – coût et rythme : d'abord quatre mois d'évaluation des cas d'usage, puis un investissement concentré en production sous le parrainage du PDG. Bain indique un investissement important, mais le taux de conversion de l'entreprise a doublé, et cette fonction s'est développée sans augmenter les effectifs.
- Méthode en quatre étapes proposée par Bain : ① Partir du VCP et ne retenir que 3–5 opportunités clés ; ② Redessiner d'abord le flux de travail avant de choisir les outils, en précisant quelles étapes doivent disparaître, lesquelles doivent être automatisées ou renforcées, et quelles personnes continuent d'apporter une valeur unique ; ③ Traduire le flux de travail transformé en exigences produit et planifier l'ordre de construction, valider puis concentrer les ressources pour la production, sans s'arrêter au projet pilote ; ④ Gérer le changement, la mise à l'échelle dépend du développement produit et du change management.
Jugement
Pour Bain, le véritable poids de ce document ne réside pas dans les deux cas, mais dans l'ordre de priorisation qu'il propose : VCP → Identifier le plus grand pool de profits → Redessiner le flux de travail de bout en bout → Décider ensuite si l'exécution revient à l'IA ou à l'humain. Cela se rapproche davantage d'un PE de recompilation que de « doter le portefeuille de Copilot » — la transformation cible directement le compte de résultat, le nombre de postes et la structure des processus, et non la liste des outils.
Les deux cas ont également fourni une valeur d'expérience du nombre de scénarios. La société de gestion d'actifs hôteliers est passée de 30 candidats à 4 candidats, ce qui signifie que la plupart des idées d'IA ont été supprimées volontairement ; le distributeur de pièces détachées a, quant à lui, utilisé quatre mois d'évaluation pour obtenir un investissement de production unique. Pour le FDEPE, c’est un autre aspect du « décalage technologique organisationnel » : la difficulté de la transformation IA ne réside pas dans l'identification des opportunités, mais dans l'élimination des maillons inutiles et la mise en production des quelques maillons conservés.
Preuve opposée
- Les deux entreprises restent anonymes, Bain n’a pas divulgué le nom, la taille du chiffre d’affaires, le montant de l’investissement ni la ligne de base de la transformation, ce qui empêche toute vérification externe.
- 40%–50% représentent la valeur cible « tracking to », pas un résultat déjà atteint ; le « doublement du taux de conversion » est également décrit comme encore précoce (still early), et aucune quantité absolue ni méthodologie statistique n’est divulguée.
- L’ensemble ne comporte que deux cas, provenant des propres études de conseil de Bain, ce qui introduit un biais évident de sélection des succès : les projets échoués ou stagnants n’apparaissent pas dans l’article.
- L’enquête auprès des PDG a un échantillon de n=100, la répartition de 82%/18% à ce niveau donne un intervalle de confiance large, ce qui ne le rend pas approprié comme proportion précise du secteur.
- L’évaluation de quatre mois du distributeur de pièces détachées, incluant la mobilisation de l’ensemble du personnel, ne révèle pas les coûts, la durée du projet ni le coût d’opportunité, rendant impossible l’évaluation du ratio investissement‑rendement par rapport aux pairs.
Source : base de données de suivi FDEPE. Publication originale : Bain & Company 2026-09-16 « Getting Past the AI Value Paradox in Private Equity » (auteurs Brian Kmet, Roger Zhu, Benjamin Cooke, Robert Howgego) : bain.com ↗. Les données d’entreprise citées sont présentées selon le point de vue de Bain, le nom des entreprises n’est pas divulgué et elles ne sont pas auditées.