Quelle est la part de l’aléatoire dans la croissance des entreprises ?
Prédire le succès ou l’échec potentiel des entreprises est essentiel pour orienter les décisions d’investissement et élaborer des politiques économiques efficaces. Toutefois, les recherches antérieures sur les entreprises à forte croissance – considérées comme cruciales pour stimuler le développement économique – ont souvent révélé une précision prédictive faible, laissant penser que la croissance pourrait être en grande partie aléatoire. Cette hypothèse persiste-t-elle à l’ère de l’intelligence artificielle (IA), où d’importantes quantités de données et des méthodes d’analyse avancées sont désormais disponibles ? Les techniques d’IA peuvent-elles surmonter les difficultés de prédiction des entreprises à forte croissance ? Ces interrogations ont été abordées dans un chapitre que j’ai co-rédigé pour le De Gruyter Handbook of SME Entrepreneurship, où nous avons examiné les contributions scientifiques à la prédiction de la croissance des entreprises avec les méthodes d’IA.
La définition d’Eurostat-OCDE (Organisation de Coopération et de Développement Économiques) désigne comme entreprises à forte croissance celles employant au moins 10 personnes au début de leur période de croissance et présentant « une croissance annuelle moyenne supérieure à 20 % par an, sur une période de trois ans ». La croissance peut être mesurée en termes de nombre d’employés ou de chiffre d’affaires. Les « gazelles », un sous-ensemble de ces entreprises, sont de jeunes entreprises – généralement des start-ups – âgées de jusqu’à cinq ans et connaissant une croissance rapide.
Un e-mail hebdomadaire en anglais présentant l’expertise de chercheurs et d’universitaires. Il offre une introduction à la diversité de la recherche issue du continent et aborde certains des enjeux majeurs auxquels les pays européens sont confrontés. Abonnez-vous à la newsletter !
Les entreprises à forte croissance sont moteurs de développement, d’innovation et de création d’emploi. Identifier les entreprises à fort potentiel de croissance permet aux investisseurs, incubateurs de start-ups, accélérateurs, grandes entreprises et décideurs politiques de repérer des opportunités d’investissement, de partenariats stratégiques et d’allocation de ressources à un stade précoce. Prédire les résultats pour les start-ups est plus complexe que pour les grandes entreprises en raison de données historiques limitées, d’une grande incertitude et du poids de facteurs qualitatifs tels que l’expérience des fondateurs et l’adéquation au marché.
L’IA ouvre de nouvelles perspectives pour la prédiction des entreprises à forte croissance
Les méthodes d’IA sont de plus en plus utilisées pour prévoir la croissance des entreprises. Par exemple, 70 % des sociétés de capital-risque utilisent l’IA pour augmenter leur productivité interne et faciliter et accélérer la recherche, le filtrage, la classification et le suivi des start-ups à fort potentiel. Crunchbase, une plateforme de données d’entreprise, affirme que des tests internes ont montré que ses modèles d’IA peuvent prédire le succès des start-ups avec une « précision de 95 % » en analysant des milliers de signaux. Ces développements promettent de changer fondamentalement la façon dont les investisseurs et les entreprises abordent la prise de décision sur les marchés privés.
Les avantages des techniques d’IA résident dans leur capacité à traiter un volume, une variété et une vitesse de données bien plus importants sur les entreprises et leur environnement par rapport aux méthodes statistiques traditionnelles. Par exemple, des méthodes d’apprentissage automatique comme la forêt aléatoire (Random Forest, RF) et l’opérateur de rétrécissement et de sélection le moins absolu (Least Absolute Shrinkage and Selection Operator, LASSO) aident à identifier les variables clés influençant les résultats des entreprises dans des ensembles de données comportant un grand nombre de prédicteurs. Un modèle de langage « fusionné » a prouvé sa capacité à prédire le succès des start-ups en utilisant à la fois des informations fondamentales structurées (organisées sous forme de tableaux) et des descriptions textuelles non structurées (plus complexes et désorganisées). Les techniques d’IA améliorent la précision des prédictions de croissance des entreprises, identifient les facteurs de croissance les plus importants et minimisent les biais humains. Comme certains chercheurs l’ont noté, la meilleure prédiction indique que peut-être la croissance des entreprises est moins aléatoire qu’on ne le pensait auparavant. De plus, la capacité de capturer des données en temps réel est particulièrement précieuse dans des environnements dynamiques et à évolution rapide, comme les industries de haute technologie.
Les défis demeurent
Malgré les progrès rapides de l’IA, il reste un potentiel considérable pour l’avancement. Bien que la prédiction des entreprises à forte croissance ait été améliorée avec les techniques modernes d’IA, les études indiquent que cela reste un défi. Par exemple, le succès des start-ups dépend souvent de facteurs intangibles et en rapide évolution qui ne sont pas facilement capturables par les données. Des avancées méthodologiques supplémentaires, comme l’intégration d’une gamme plus large de prédicteurs, de sources de données diverses et d’algorithmes plus sophistiqués, sont recommandées.
L’un des principaux défis pour les méthodes d’IA est leur capacité à offrir des explications pour les prédictions qu’elles génèrent. Les prédictions produites par des modèles d’apprentissage profond complexes ressemblent à une « boîte noire », les mécanismes causaux qui transforment l’entrée en sortie restant obscurs. Produire une IA plus explicable est devenu l’un des principaux objectifs fixés par la communauté de recherche. Comprendre ce qui est explicable et ce qui ne l’est pas (encore) avec l’utilisation des méthodes d’IA peut mieux guider les praticiens dans l’identification et le soutien des entreprises à forte croissance.
Alors que les start-ups offrent un potentiel de rendements d’investissement significatifs, elles comportent des risques considérables, rendant la sélection minutieuse et la prédiction précise cruciales. À mesure que les modèles d’IA évoluent, ils intégreront de plus en plus de sources de données diverses et non structurées et des signaux de marché en temps réel pour détecter les indicateurs précoces de succès potentiel. Les avancées sont attendues pour améliorer encore l’évolutivité, la précision, la vitesse et la transparence des prédictions pilotées par l’IA, redéfinissant la manière dont les entreprises à forte croissance sont identifiées et soutenues.
Articles similaires
- EU Inc arrive à Bruxelles : nouveau statut pour faciliter les sociétés européennes
- BCE Réajuste ses Prévisions : Croissance en Hausse, Attention à l’Inflation!
- Alerte Financière : Pierre Moscovici Révèle l’État Critique des Finances Publiques!
- Peter Jackson au sommet à Cannes : la palme d’or d’honneur confirmée
- Loi pour les JO d’hiver validée: l’économie allemande repart
Pierre Dupont est journaliste spécialisé dans l’actualité européenne. Il vous guide au cœur des événements en France et sur le continent avec rigueur et clarté.
