Transformer l’exécution des transactions grâce à l’intelligence artificielle générative

Alors que les taux d’intérêt baissent et que des actifs de grande qualité arrivent sur le marché, les sociétés de placements privés de partout au Canada enregistrent une augmentation de leurs activités qui n’a pas été observée depuis 2022. En parallèle, la concurrence dans le milieu des transactions est grandissante. Les sociétés et les gestionnaires subissent la pression d’accélérer le rythme et la conclusion des transactions.

L’exploration et la compréhension des inducteurs de valeur et de la qualité des actifs font partie de cet exercice d’accélération. La plupart des gestionnaires de fonds savent qu’il s’agit d’un travail long et ardu. Le contrôle diligent, l’analyse des données et la prise de décisions sont des activités qu’on ne devrait pas précipiter; en effet, la collecte de renseignements financiers et sectoriels, l’élaboration de listes de questions de contrôle diligent, le traitement et la classification des connaissances, les résumés, la prise de décisions éclairées, la rédaction d’ententes provisoires, la production de rapports et les autres tâches exigent du temps et des efforts. L’échéancier de la transaction se prolonge à mesure que la liste de tâches s’allonge.

Heureusement pour les professionnels des placements, il existe des outils d’intelligence artificielle (IA) générative comme Kleo, conçue par KPMG, qui peuvent les aider à accroître leur productivité et leur efficacité. Vous souvenez-vous de l’époque à laquelle les feuilles de calcul numériques ont fait leur entrée dans le secteur de la comptabilité? Il existe un parallèle évident par rapport à l’IA générative. Les deux outils sont des applications informatiques qui peuvent réduire considérablement le temps requis pour accomplir des tâches. Les feuilles de calcul n’ont pas entraîné une baisse du nombre de comptables. Ces derniers confient plutôt les tâches de calcul aux machines, qui accomplissent le travail plus efficacement.

Les sociétés de placements privés ont maintenant la possibilité de tirer parti de l’IA de manière avertie et stratégique. La sélection de cas d’utilisation qui se prêtent à l’automatisation et l’utilisation adéquate de l’IA générative peuvent améliorer le déroulement des transactions, appuyer la prise de décisions et réduire considérablement les coûts au cours des mois à venir

Nous prenons en considération trois approches que les professionnels des placements peuvent adopter pour tirer parti des capacités de l’IA générative et travailler plus intelligemment et efficacement.

Ces tâches sont très pertinentes dans le secteur des placements privés. En fait, un grand nombre de professionnels des placements privés utilisent déjà des outils d’IA générative pour améliorer la qualité et l’efficacité, gagner du temps et réduire les coûts. Les sociétés ont maintenant la possibilité d’apprendre auprès de leurs partenaires et d’élargir la mise en œuvre de ces applications non officielles afin qu’elles fassent partie des méthodes de travail quotidiennes à l’échelle de l’organisation. Vous trouverez ci-dessous des occasions à saisir dès maintenant.

• Soutien aux équipes de transaction pour la génération de texte : Utilisez l’IA générative afin de concevoir des modèles de guide de rédaction personnalisés et d’autres ressources internes pour aider les nouveaux membres du personnel à générer des ententes provisoires, des rapports et d’autres documents conformes aux lignes directrices en ce qui concerne le ton, le style, la mise en page et l’image de marque. Un robot utilisant l’IA générative peut soutenir l’ébauche de parties importantes de rapports, de sommaires des placements, de présentations et d’autre contenu à partir d’une très petite quantité de texte non structuré.

• Enregistrement et transcription des réunions : L’élimination de la prise de notes manuelle lors des réunions apporte un gain d’efficacité de 100 %. Tournez-vous plutôt vers un logiciel d’IA pour enregistrer et transcrire les réunions, puis lancez des requêtes à partir de ces transcriptions dans votre transformateur génératif préentraîné (GPT) pour générer d’autre contenu dont vous avez besoin, par exemple des résumés, des sommaires, des mesures à prendre et des rapports.

Ces activités apportent des gains rapides et permettent aux équipes de se familiariser avec la rédactique (la formulation intelligente de requêtes et de données d’entrée dans un logiciel d’IA générative en vue de produire des résultats de grande qualité). Mieux encore, elles peuvent produire un rendement du capital investi immédiat.

La prochaine étape consiste à élaborer des améliorations des méthodes de travail de manière à utiliser l’IA générative tout au long du cycle de placements. Les sociétés de placements privés utilisent diverses ressources pour traiter les données financières, mais l’intégration de nouveaux outils peut contribuer à synthétiser, à automatiser et à accélérer ce travail à l’interne. Au bout du compte, l’IA générative mettra un terme au traitement manuel des documents relatifs aux transactions.

À l’étape de la recherche, l’IA générative peut contribuer à l’analyse de l’actualité et aux tests d’hypothèses et apporter du soutien pour les conférences. À l’étape du contrôle diligent, elle peut optimiser la cueillette de données et la préparation, les analyses financières et la rédaction de rapports. En ce qui concerne la création de valeur, les outils d’IA générative peuvent jouer un rôle important dans l’élaboration de stratégies et d’initiatives.

Par exemple, certains outils d’IA générative sont en cours de développement pour analyser et résumer tout le contenu qualitatif dans une salle de données virtuelles. La mise en œuvre de ces outils potentiels d’IA générative aidera les négociateurs et les analystes à saisir les renseignements essentiels sans perdre de temps à patauger dans des textes excessivement longs. Les fonctions adaptées au contexte de l’IA générative permettent de concentrer rapidement les recherches sur des renseignements financiers comparables provenant de multiples ensembles de données internes et externes ou de dresser une liste de références sur les enjeux de conformité ou de réglementation à partir d’un vaste ensemble de sources textuelles.

Exemples de cas d’utilisation de l’IA générative dans un contexte de contrôle diligent :

• Génération de listes de questions de contrôle diligent pour des acquisitions potentielles ou des secteurs en particulier
• Analyse de listes ou de processus antérieurs de contrôle diligent pour générer des questions pertinentes ou cerner les lacunes
• Tri et classification automatiques d’états financiers, d’ententes contractuelles et de documentation de conformité pour en faciliter l’examen
   

Exemples de cas d’utilisation de l’IA générative dans un contexte d’analyse financière :

• Modélisation et analyses : par exemple, un analyste peut utiliser l’IA générative pour faciliter la création et l’intégration de formules dans l’application Excel en fonction de critères précis, et l’élaboration d’un modèle complexe de prévision des revenus d’une entreprise cible qui comprend des variables principales (p. ex., taux de croissance sur le marché, facteurs saisonniers et données historiques sur les ventes).
• Création de résumés sur les entrevues avec la direction à partir de critères précis (p. ex., changements stratégiques, facteurs liés aux tendances financières, perspectives sur la gestion ou génération de questions et réponses).
• Assistance en matière d’interprétation : Obtenez instantanément des données contextuelles sur la réglementation et des détails liés aux transactions (p. ex., demandez à l’IA générative de fournir des exemples et des interprétations de normes pertinentes liées aux principes comptables généralement reconnus ou de comparer des méthodes comptables [la comptabilité d’exercice par rapport à la comptabilité de trésorerie], etc.).
   

Accélération et amélioration de la rédaction de rapports :

• Synthèse de données provenant de sources multiples pour ébaucher des parties d’un rapport (p. ex., les principales tendances d’un état des résultats).
• Reconnaissance des termes dans un rapport (abréviations ou jargon sectoriel) qui pourraient devoir être définis dans un glossaire et création instantanée du glossaire.
• Génération et intégration automatiques des données qui peuvent être consultées dans les rapports.
   

Étude de cas :

Chez KPMG, nos équipes ont pu observer de près les possibilités de l’IA générative pour l’optimisation des méthodes de travail. Nous avons conçu et mis en pratique des accélérateurs fondés sur l’IA générative dans le cadre du processus d’examen des documents, de l’extraction de données financières, des activités de service à la clientèle et de la création de valeur à l’étape du contrôle diligent juridique. Nos efforts nous ont permis de réaliser d’importantes économies de temps et de coûts.

Par exemple, KPMG aux États-Unis a utilisé l’IA générative pour accélérer un projet de création d’étiquettes, faisant ainsi passer la durée du cycle de lancement de 6 à 10 semaines à seulement 5 ou 6 jours. Le projet exigeait la création d’étiquettes pour divers types de produits dans différents pays et dans différentes langues conformément à un ensemble d’exigences de conception et de réglementation. L’IA générative nous a permis d’intégrer des renseignements de conception structurés et non structurés et des renseignements sur la réglementation avec une efficacité remarquable. Ce faisant, nous avons éliminé non seulement des heures, mais des semaines de travail manuel.

À long terme, l’intégration de l’IA générative aux méthodes de travail pourrait être approfondie. En intégrant des optimisations à long terme dans l’ensemble du cycle des transactions, les sociétés de placements privés constituent une base de connaissances à partir de leur historique de transactions, de leurs systèmes et de leurs processus. Dans un avenir proche, les sociétés de placement privés utiliseront ces connaissances pour concevoir sur mesure des robots assistants experts et extrêmement efficaces pour apporter aux humains une aide intelligente, efficace et rentable tout au long du cycle des transactions.

Des GPT de ce type sont actuellement en développement à partir des principes fondamentaux de la profession de comptable professionnel agréé (CPA) pour effectuer des tâches de comptabilité. Nous entrevoyons l’émergence d’une équipe d’assistants virtuels entraînés de façon semblable dans le secteur des placements privés.

KPMG en est à une étape avancée de sa transition vers l’utilisation de l’IA générative : il offre du soutien à tous les échelons et une formation obligatoire aux employés. Nous avons élaboré nos propres cas d’utilisation et maintenons notre propre outil d’IA générative, c’est-à-dire un robot personnalisé que nous encourageons les membres de notre équipe à utiliser. Forts de cette vaste expérience, nos conseillers possèdent les connaissances et les capacités nécessaires pour aider les sociétés de placements privés à entreprendre leur propre parcours de transition vers l’utilisation de l’IA générative et les guider dans un processus stratégique à long terme visant l’utilisation de l’IA générative pour gagner du temps, réduire les dépenses et créer de la valeur.

Pour en savoir plus sur les capacités actuelles de l’IA générative et les possibilités qui y sont liées dans le secteur des placements privés, ou pour obtenir de l’aide afin d’entreprendre une mise en œuvre ciblée de l’IA générative ou d’un outil d’IA générative en particulier au sein de votre organisation, communiquez avec notre équipe.