Les méthodes d’IA aident à prédire l’émergence de «gazelles» et d’autres entreprises à forte croissance, mais des défis restent
Prédire si les entreprises réussissent ou non est crucial pour guider les décisions d’investissement et concevoir des politiques économiques efficaces. Cependant, les recherches antérieures sur les entreprises à forte croissance – les entreprises considérées comme étant la clé pour la conduite du développement économique – ont généralement montré une faible précision prédictive, ce qui suggère que la croissance peut être largement aléatoire. Cette hypothèse tient-elle toujours à l’ère AI, dans quelle grande quantité de données et de méthodes analytiques avancées sont maintenant disponibles? Les techniques d’IA peuvent-elles surmonter les difficultés pour prédire les entreprises à forte croissance? Ces questions ont été soulevées dans un chapitre I co-écrit dans le De Gruyter Handbook of Pme Entrepreneurshipqui a examiné les contributions scientifiques sur la prédiction de la croissance des entreprises avec les méthodes d’IA.
Selon la définition de la définition Eurostat-OCD (Organisation de coopération économique et de développement), les entreprises à forte croissance sont des entreprises avec au moins 10 employés au cours de la période de croissance initiale et « une croissance annualisée moyenne supérieure à 20% par an, sur une période de trois ans ». La croissance peut être mesurée par le nombre d’employés de l’entreprise ou par son chiffre d’affaires. Un sous-ensemble d’entreprises à forte croissance, connus sous le nom de «gazelles», sont de jeunes entreprises – généralement des start-ups – qui ont jusqu’à cinq ans et connaissent une croissance rapide.
Les entreprises à forte croissance stimulent le développement, l’innovation et la création d’emplois. L’identification des entreprises avec un potentiel à forte croissance permet aux investisseurs, aux incubateurs de start-up, aux accélérateurs, aux grandes entreprises et aux décideurs politiques de repérer les opportunités potentielles d’investissement, de partenariats stratégiques et d’allocation des ressources à un stade précoce. La prévision des résultats pour les start-ups est plus difficile que de le faire pour les grandes entreprises en raison de données historiques limitées, d’une forte incertitude et d’une dépendance à des facteurs qualitatifs tels que l’expérience fondatrice et l’ajustement du marché.
Dans quelle mesure la croissance de l’entreprise est-elle aléatoire?
Les prévisions de croissance précises sont particulièrement cruciales étant donné le taux de défaillance élevé des start-ups. Une start-ups sur cinq échoue au cours de sa première année et les deux tiers échouent en 10 ans. Certaines start-ups peuvent également contribuer de manière significative à la création d’emplois: la recherche analysant les données des entreprises espagnoles et russes entre 2010 et 2018 a montré que bien que les « gazelles » ne représentent qu’environ 1% à 2% de toutes les entreprises dans les deux pays, elles étaient responsables d’environ 14% de la croissance de l’emploi en Russie et 9% en Espagne.
Les entreprises à forte croissance sont « largement considérées comme essentielles pour stimuler la croissance économique et l’emploi » mais sont difficiles à identifier. Les parties prenantes ont besoin de prévisions de croissance précises pour aider à optimiser la prise de décision et à minimiser les risques en identifiant les entreprises avec le plus grand potentiel de réussite.
Dans un effort pour comprendre pourquoi certaines entreprises se développent plus rapidement que d’autres, les chercheurs ont examiné divers facteurs, notamment la personnalité des entrepreneurs, la stratégie concurrentielle, les ressources disponibles, les conditions du marché et l’environnement macroéconomique. Ces facteurs, cependant, n’expliquaient qu’une petite partie de la variation de la croissance de l’entreprise et étaient limitées dans leur application pratique. Cela a conduit à la suggestion que la prédiction de la croissance des nouvelles entreprises, c’est comme jouer à un jeu de hasard. Un autre point de vue a fait valoir que le problème de la prédiction de la croissance pourrait découler des méthodes utilisées, suggérant une «illusion de hasard».
Comme la croissance de l’entreprise est un processus complexe, diversifié, dynamique et non linéaire, adoptant un nouvel ensemble de méthodes et d’approches, telles que celles motivées par les mégadonnées et l’IA, peut apporter un nouvel éclairage sur le débat et les prévisions de croissance.
L’IA offre de nouvelles opportunités pour prédire les entreprises à forte croissance
Les méthodes d’IA sont de plus en plus adoptées pour prévoir la croissance des entreprises. Par exemple, 70% des sociétés de capital-risque adoptent l’IA pour augmenter la productivité interne et facilitent et accélèrent l’approvisionnement, le dépistage, la classification et la surveillance des start-ups avec un potentiel élevé. Crunchbase, une plate-forme de données de l’entreprise, affirme que les tests internes ont montré que ses modèles d’IA peuvent prédire le succès du démarrage avec « une précision à 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 des données sur les entreprises et leurs environnements par rapport aux méthodes statistiques traditionnelles. Par exemple, les méthodes d’apprentissage automatique telles que Random Forest (RF) et l’opérateur de retrait et de sélection le moins absolu (LASSO) aident à identifier les variables clés affectant les résultats commerciaux dans des ensembles de données avec un grand nombre de prédicteurs. Il a été démontré qu’un modèle « fusionné » en grand langage prédise le succès du démarrage en utilisant des informations fondamentales structurées (organisées en tableaux) et des descriptions textuelles non structurées (non organisées et plus complexes). Les techniques d’IA aident à améliorer la précision des prévisions de croissance des entreprises, à identifier les facteurs de croissance les plus importants et à minimiser les biais humains. Comme certains chercheurs l’ont noté, l’amélioration de la prédiction indique que la croissance de l’entreprise est peut-être moins aléatoire qu’on ne le pensait précédemment. De plus, la capacité de capturer des données en temps réel est particulièrement précieuse dans des environnements dynamiques en évolution rapide, tels que les industries de haute technologie.
Des défis restent
Malgré les progrès rapides de l’IA, il existe toujours un potentiel d’avancement considérable. Bien que la prédiction des entreprises à forte croissance ait été améliorée avec les techniques d’IA modernes, les études indiquent qu’elle continue d’être un défi. Par exemple, le succès du démarrage dépend souvent de facteurs changeants et intangibles qui ne sont pas facilement capturés par les données. D’autres progrès méthodologiques, tels que l’intégration d’un éventail plus large de prédicteurs, de diverses sources de données et d’algorithmes plus sophistiqués, sont recommandés.
L’un des principaux défis des méthodes d’IA est leur capacité à offrir des explications aux prédictions qu’ils font. Les prédictions générées par des modèles complexes d’apprentissage en profondeur ressemblent à une «boîte noire», avec les mécanismes causaux qui transforment l’entrée en sortie restante. La production d’IA plus explicable est devenue l’un des objectifs clés fixés par la communauté de recherche. Comprendre ce qui est explicable et ce qui n’est pas (encore) explicable avec l’utilisation des méthodes d’IA peut mieux guider les praticiens pour identifier et soutenir les entreprises à forte croissance.
Bien que les start-ups offrent le potentiel de rendements d’investissement importants, ils comportent des risques considérables, ce qui fait une sélection minutieuse et une prédiction précise. Au fur et à mesure que les modèles IA évoluent, ils intégreront de plus en plus les sources de données diverses et non structurées et les signaux du marché en temps réel pour détecter les premiers indicateurs de succès potentiel. Les progrès devraient améliorer encore l’évolutivité, la précision, la vitesse et la transparence des prévisions axées sur l’IA, remodelant la façon dont les entreprises à forte croissance sont identifiées et soutenues.
