IA agentique en Private Equity : du suivi des participations aux comités d’investissement.

Une pratique actuelle chez Bpifrance.

En tant que Product Owner IA & Développeur Agentic, je pilote une roadmap Data & IA pour les métiers de l’investissement, en Private Equity et Venture Capital. Mon intervention associe exploration des besoins, cadrage et contribution au développement de cas d’usage LLM et agents.

Cinq cas d’usage IA chez Bpifrance, au service de l’investissement.

Dans ma mission de Product Owner IA & Développeur Agentic, j’interviens sur des cas d’usage qui relient les données financières, la documentation et les workflows des équipes Private Equity et Venture Capital.

Du suivi des participations à la préparation des comités, le fil conducteur est le même : rendre l’information exploitable, expliquer les résultats et garder la maîtrise des décisions.

Assistant IA de suivi des participations

Interroger le système d’information d’investissement en langage naturel pour préparer le suivi d’une participation : résultats, indicateurs financiers, actualités sectorielles, assemblées générales et résolutions soumises au vote.

L’enjeu métier : retrouver les informations d’une société, comparer les périodes de reporting et faire ressortir les points à examiner avant un échange avec le management ou une instance de gouvernance.

Données et logique technique

Le principe technique : relier les questions aux données structurées du SI et aux documents associés. Une couche sémantique permet de préciser les notions métier — participation, période, indicateur — tandis que les connecteurs et les droits d’accès délimitent les informations consultables.

Livrable visé : Une vue contextualisée de la participation, avec la période concernée et les sources à consulter.

Agent SWOT et analyse des risques d’investissement

Croiser les données financières internes avec des sources de marché — analyses de brokers, notes d’investisseurs et publications sectorielles — pour structurer les forces, faiblesses, opportunités et menaces d’une participation.

L’analyse met en perspective rentabilité, trésorerie, endettement, exposition sectorielle et dépendances commerciales. Elle aide à identifier les signaux à approfondir dans le suivi du portefeuille ou la préparation d’un comité.

Données et logique technique

Le principe technique : recherche documentaire sur les sources internes et externes, rapprochement par société et par date, puis synthèse structurée. Distinguer faits sourcés, interprétations et informations manquantes permet de soumettre l’analyse à la revue de l’équipe d’investissement.

Livrable visé : Une matrice SWOT argumentée et une liste de risques à investiguer, rattachées aux sources disponibles.

Contrôle de la piste d’audit des tables de capitalisation

Reconstituer l’évolution du capital entre plusieurs tours de financement : entrées et sorties d’investisseurs, catégories de titres, participations détenues et effets de dilution.

L’enjeu est de rapprocher les tables de capitalisation successives des pièces justificatives, de comprendre les mouvements et de repérer les écarts qui nécessitent une vérification.

Données et logique technique

Le principe technique : extraction des tableaux, normalisation des détenteurs et des catégories de titres, comparaison des versions et contrôles de cohérence calculés. L’IA aide à retrouver et expliquer les pièces ; les calculs de pourcentage et de dilution reposent sur des règles explicites.

Livrable visé : Une chronologie des mouvements de capital et des écarts documentés pour faciliter la revue humaine.

RAG de valorisation : comprendre les variations de valeur

Explorer les documents de valorisation d’une participation pour expliquer ce qui a changé entre deux dates d’arrêté : performance financière, hypothèses, comparables de marché, nouveau tour de table ou évolution de la politique de valorisation.

L’objectif est de retrouver le raisonnement derrière une variation de valeur et de distinguer une évolution économique d’un changement méthodologique, lorsque les documents permettent de l’établir.

Données et logique technique

Le principe technique : indexation documentaire avec des métadonnées de société, de date et de version ; recherche ciblée entre périodes ; réponse étayée par les passages sources. Les informations contradictoires ou absentes doivent rester visibles dans la synthèse.

Livrable visé : Une explication sourcée de la variation de valorisation, avec les hypothèses et points à confirmer.

Agents de reporting et de préparation des comités d’investissement

Préparer des présentations PowerPoint de suivi trimestriel ou de comité d’investissement, dans la charte graphique Bpifrance : synthèse de la participation, résultats, graphiques, risques et points à arbitrer.

L’enjeu est de passer d’informations dispersées à un support adapté à l’instance : suivi opérationnel, revue de portefeuille ou décision d’investissement.

Données et logique technique

Le principe technique : organiser une chaîne de préparation des données, de calcul des indicateurs, de génération des graphiques et de composition des diapositives dans un modèle PowerPoint. Une étape de validation métier précède la diffusion du livrable.

Livrable visé : Une présentation PowerPoint modifiable, avec des graphiques et des slides adaptés au contexte de la réunion.

Un socle technique commun, adapté au cas d’usage.

Mon socle de compétences associe Python, SQL et AWS pour les données et les intégrations, Google ADK pour les agents, MCP et A2A pour les échanges avec les outils et entre agents. Le RAG relie les réponses aux documents ; le suivi LLMOps porte sur la pertinence, la traçabilité et la qualité des réponses.

La conception technique se précise selon le SI, les droits d’accès et les sources disponibles. Les mécanismes décrits ici exposent la logique des cas d’usage ; ils ne constituent pas un inventaire des composants déployés chez Bpifrance.

1. Définir la tâche et ses limites.

Je pars du workflow métier : qui utilise le système, quelle information lui manque et quelles actions doivent être possibles ? Les workshops permettent de sélectionner les cas utiles et de clarifier les critères de réussite.

2. Relier les données aux concepts métier.

Chez Bpifrance, mon travail comprend une architecture de référence et une première approche de couche sémantique. L’objectif est de traduire la complexité des structures de données en concepts métier interprétables par l’IA.

3. Connecter les outils et développer.

Je mobilise Google ADK, MCP et A2A dans mon socle agentique, avec Python et un environnement cloud AWS. L’intégration doit tenir compte des accès, de la traçabilité des échanges et du cloisonnement des données.

Mon approche consiste à choisir le niveau d’autonomie adapté à la tâche, puis à expliciter les étapes qui demandent une validation humaine.

4. Organiser la gouvernance.

Je contribue au cadre de gouvernance et à la matrice RACI, avec les équipes métier, IT, juridique, conformité et sécurité. Les échanges avec les interlocuteurs de direction permettent de rendre les arbitrages et responsabilités explicites.

5. Évaluer et suivre les usages.

Le suivi LLMOps porte notamment sur la pertinence des réponses, les hallucinations et la qualité en production. Le passage à l’échelle s’instruit avec les équipes concernées, à partir des contraintes du cas d’usage.

Une logique d’intervention au contact du terrain.

Mon approche rejoint la logique du Forward Deployment Engineering : comprendre le besoin avec les utilisateurs et contribuer à sa réalisation technique. « Forward Deployment Engineer » décrit ici une façon d’intervenir ; ce n’est pas un ancien intitulé de poste.

Questions fréquentes