Fiche #40 : IA en Comité d’Investissement : accélérateur… ou dégradation silencieuse ?

OBJECTIFS DE LA FICHE #40

Cette fiche analyse l’impact de l’IA sur le Comité d’Investissement, moment clé du processus de décision. Elle montre pourquoi l’augmentation du volume d’information peut dégrader la qualité du jugement. Elle identifie les principaux risques cognitifs liés à l’usage des LLM en IC. Elle propose un cadre opérationnel de Decision Engineering pour sécuriser l’usage de l’IA dans les décisions d’investissement.

La problématique

L’IA permet de produire des mémos plus riches, plus rapides et mieux documentés

Mais elle introduit un risque majeur au moment clé du comité d’investissement :

• Augmentation massive du volume d’information
• Surcharge cognitive des décideurs
• Saturation de la capacité de synthèse

Résultat : la qualité de décision peut se dégrader sans signal visible ni alerte

Plus d’information ne signifie pas forcément une meilleure décision

Un risque structurel et sous-estimé

Les régulateurs (AMF [1], ESMA [2]) identifient :

• Risque de sur-dépendance aux systèmes d’IA : délégation implicite du jugement
• Manque de transparence des raisonnements : difficulté à expliquer une décision, biais algorithmiques
• Risque de dégradation de la gouvernance : décisions moins traçables, moins auditables

Dans la pratique :

• L’IA est utilisée pour produire plus vite
• Mais sans cadre décisionnel structuré

Le problème n’est plus l’IA : c’est la fragilité du processus de décision face à l’IA

[1] AMF L’usage de l’IA par les acteurs des marché financiers en France (2026)

[2] ESMA – “Artificial Intelligence in EU investment funds” (2025)

Mémo IC structuré

L’IA génère un premier jet standardisé :

• Thèse d’investissement
• Risques
• Questions ouvertes
• Comparables marché
• Points de vigilance

Plus qu’un livrable final, c’est un cadre analytique homogène. Tous les dossiers sont traités de la même manière.

Les gains principaux sont la discipline, la traçabilité et la rigueur mais pas la vitesse de décision.

Structurer un mémo réduit les biais mais seule la rigueur du processus améliore la décision

Sources traçables grâce à la RAG

Chaque élément du mémo est lié à une source : IC notes, DD, Data marché, études, sites web…

Le comité ne débat plus des faits, mais il vérifie puis il arbitre

Sans traçabilité précise, le mémo IA n’est pas exploitable

La plus grande transformation réside dans le passage d’un débat d’opinion à un débat de jugement

Sans source, une information IA est inutilisable en IC

Le Red Team Memo

L’IA peut aussi produire un contre-argumentaire structuré :

• Pourquoi ne pas investir ?
• Quelles sont les hypothèses fragiles du dossier ?
• Quels risques sont sous-estimés ?
• Quels sont les scénarios adverses ?

Distribué en amont du comité, ce Red Team Memo :

• Structure la contradiction
• Réduit les angles morts
• Permet de ne pas relâcher son esprit critique

Un IC sans contradiction structurée est un IC fragile

Le vrai sujet : Decision Engineering

Le sujet n’est plus l’IA.

Le sujet est la qualité du processus décisionnel.

Cadre minimal à mettre en place :

• Reconnaître les limites du modèle utilisé (données manquantes, biais, hallucinations)
• Séparer les pouvoirs entre ceux qui produisent / challengent / valident
• Créer une checklist décisionnelle
• S’assurer d’une revue contradictoire formalisée

Même si l’IA structure, c’est l’humain qui va arbitrer et engager

Le KPI oublié : Quality-of-Decision Score

Les KPI de mesure de la performance d’Investissement doivent évoluer à l’heure de l’IA

Ce KPI se construit deal par deal et permet de révéler les dérives en 12–18 mois.

On n’évalue pas si la décision était “bonne”, on évalue si elle était rigoureuse au moment où elle a été prise.

Quality-of-Decision Score : méthodo

Le Quality-of-Decision Score mesure la qualité réelle des décisions d’investissement, indépendamment de leur résultat

Revue trimestrielle des deals passés en IC avec comparaison pré / post usage de l’IA

Ce qu’il faut retenir

★ L’IA ne doit jamais inventer.

★ Chaque affirmation doit être sourcée

★ Si le système ne sait pas : il doit dire “je ne sais pas”

★ Ces bonnes pratiques vous permettront de préparer sereinement vos audits AI Act pour les mois à venir.