Altaroc - IA et Private Equity : trois critères pour mesurer l'avance réelle des gérants

1. Le portefeuille révèle la qualité de l'analyse

Le premier test se lit dans les actifs détenus. L'IA n'affecte pas uniformément le logiciel. Les plateformes installées au cœur de la paie, de la comptabilité, de la conformité ou de la maintenance industrielle enregistrent les données qui font foi et structurent des processus dont leurs clients dépendent chaque jour.

Sven van Berge Henegouwen, Managing Partner chez Main Capital Partners, en donne une définition très simple : « Un logiciel est critique lorsque l'organisation qui l'utilise ne peut tout simplement plus fonctionner sans lui. » Ces « systems of record » associent une connaissance métier approfondie, des données propriétaires accumulées dans le temps et une forte intégration chez leurs utilisateurs. Une fonctionnalité périphérique se remplace plus facilement.

IFS offre une illustration concrète de cette différence. L'éditeur de logiciels industriels, dont Hg et EQT sont coactionnaires de contrôle, a publié pour 2025 une croissance de 23 % de son revenu récurrent annuel (ARR), un taux de rétention net des revenus (NRR) de 114 % et une progression de cinq points de sa marge opérationnelle. Un NRR supérieur à 100 % signifie que les clients existants dépensent davantage d'une année sur l'autre, avant même la signature de nouveaux contrats.

À l'échelle d'un fonds, le poids du logiciel apporte donc peu d'informations à lui seul. La proportion d'entreprises qui contrôlent une donnée critique, leur taux de rétention et leur profondeur d'intégration chez les clients renseignent bien davantage sur la qualité du portefeuille.

2. L'antériorité se mesure dans l'organisation

L'accès aux outils d'IA s'est banalisé. Leur intégration reste très inégale. La dernière enquête de Deloitte sur l'IA générative dans les opérations de fusions-acquisitions indique que 90 % des organisations interrogées l'utilisent déjà, alors que 37 % seulement l'appliquent à plusieurs étapes du cycle. Une démonstration ponctuelle et une capacité déployée à l'échelle d'un portefeuille correspondent à deux niveaux de maturité très différents.

La date des premiers investissements devient ici plus instructive que le nom des technologies employées. Hg a commencé à constituer ses capacités en data science il y a plus de dix ans. Son incubateur Hg Catalyst réunit une centaine de spécialistes de l'IA, au sein d'une équipe élargie de plus de 150 experts dédiés à la création de valeur. Main Capital Partners a fait passer son équipe Performance Excellence d'une personne à près de vingt en six ans. Chez Thoma Bravo, les objectifs liés à l'IA sont suivis au niveau des conseils d'administration et les dirigeants du portefeuille partagent régulièrement leurs retours d'expérience.

Ces firmes savent reproduire un cas d'usage d'une participation à l'autre, mobiliser rapidement les compétences nécessaires et conserver la mémoire des projets déjà menés. Cet actif opérationnel demande plusieurs années de construction.

L'acquisition de Dayforce par Thoma Bravo en fournit une autre lecture. L'opération de 12,3 milliards de dollars, annoncée en août 2025 puis finalisée en février 2026, reposait sur une connaissance ancienne des logiciels de gestion du capital humain et sur une architecture réunissant la paie, le temps de travail, les talents et l'analytique autour d'une même couche de données. La conviction précédait la correction du secteur et venait d'un travail conduit sur plusieurs années, bien avant que l'IA ne domine les présentations aux investisseurs.

3. La monétisation départage les projets

Les premiers gains liés à l'IA apparaissent surtout dans les coûts. Au cours des échanges menés pour notre dossier, Fredrik Näslund, chez Nordic Capital, estime qu'environ 80 % des effets observés dans les portefeuilles relèvent encore de l'efficacité interne, contre 20 % pour les nouveaux relais de croissance tournés vers les clients. L'automatisation de la R&D, du support ou du reporting améliore déjà la productivité. Le véritable test se situe dans la capacité à convertir ces gains en produits facturés, en ventes additionnelles et en meilleure rétention.

La gouvernance donne corps à cette ambition. Chaque projet doit être rattaché à quelques indicateurs suivis dans le temps : revenus issus des fonctionnalités d'IA, progression des commandes, adoption par les clients, évolution du taux de résiliation ou amélioration des marges. La technologie crée un avantage économique lorsque ces résultats deviennent visibles dans les comptes et reproductibles dans plusieurs participations.

Pour un professionnel du patrimoine, la grille de lecture est donc très concrète.

• Depuis quand le gérant investit-il dans ses capacités internes ?
• Quelle part de son portefeuille a fait l'objet d'une analyse détaillée des risques et des opportunités liés à l'IA ?
• Combien de produits sont réellement commercialisés ?
• Quels effets apparaissent déjà dans les revenus, la rétention ou les marges ?
• Et qui en répond au conseil d'administration ?

Chez Altaroc, ces éléments font partie de l'analyse des gérants et de leurs portefeuilles. Les outils se diffusent en quelques mois. La spécialisation sectorielle, les données accumulées, les équipes opérationnelles et les mécanismes de gouvernance se construisent sur plusieurs années. Une partie de la dispersion future entre gérants se jouera sur cet écart.