L'IA va-t-elle remplacer les analystes en valorisation ? Le modèle DCF se construit tout seul -- mais le deal a encore besoin de vous

Le tableur qui s'écrit tout seul

Si vous travaillez en valorisation, vous avez probablement déjà remarqué quelque chose d'inquiétant. Ce modèle DCF qui vous prenait deux jours entiers ? Une IA peut désormais en générer une première ébauche raisonnable en moins de dix minutes. Les analyses de sociétés comparables qui nécessitaient des heures à extraire des données de FactSet ou Bloomberg ? Les outils d'IA récupèrent, normalisent et présentent les données avant que vous n'ayez fini votre deuxième café.

Ce n'est pas hypothétique. Nos données montrent que les analystes en valorisation ont une exposition globale à l'IA de 61 % en 2025, avec un risque d'automatisation de 48 sur 100 [Fait]. Parmi les professionnels de la finance, c'est l'un des niveaux d'exposition les plus élevés -- et la trajectoire est raide. Mais voici le retournement : la demande d'analystes en valorisation qualifiés ne s'est pas effondrée. Elle s'est déplacée.

Les tâches que les machines font mieux (et plus vite)

L'analyse de sensibilité et de scénarios domine le classement de l'automatisation à 80 % [Fait]. Exécuter des milliers de permutations sur les taux d'actualisation, les hypothèses de croissance et les valeurs terminales est exactement le genre de travail répétitif et intensif en calcul pour lequel l'IA a été conçue. Ce qui nécessitait des ajustements manuels minutieux dans Excel se fait désormais en secondes avec les plateformes financières alimentées par l'IA.

L'analyse des données de marché et des transactions précédentes suit à 74 % d'automatisation [Fait]. Les systèmes d'IA peuvent scanner les bases de données de transactions M&A passées, identifier les opérations comparables, ajuster les différences sectorielles et temporelles, et présenter un ensemble propre de multiples plus vite que n'importe quel analyste junior.

La construction de modèles DCF et d'analyse de comparables se situe à 68 % d'automatisation [Fait]. C'est le cœur de métier de tout analyste en valorisation, et l'IA y progresse rapidement. Les modèles de langage intégrés aux logiciels financiers peuvent générer des structures de modèles, peupler les hypothèses à partir des publications d'entreprises et même signaler les incohérences logiques dans vos données.

Là où le jugement humain commande encore une prime

La préparation de rapports de valorisation et d'attestations d'équité a un taux d'automatisation de 52 % [Fait] -- nettement inférieur aux tâches analytiques. Et c'est là que l'histoire devient nuancée.

Une attestation d'équité n'est pas juste un chiffre sur une page. C'est un jugement professionnel selon lequel le prix d'une transaction est équitable d'un point de vue financier, portant souvent un poids juridique dans les litiges d'actionnaires et les procédures réglementaires. L'analyste qui rédige cette attestation doit défendre sa méthodologie, expliquer ses hypothèses à un conseil d'administration, et parfois témoigner devant un tribunal. Aucune IA ne peut signer une attestation d'équité et porter la responsabilité professionnelle qui l'accompagne.

Au-delà de la dimension juridique, il y a la relation client. Quand un directeur financier appelle à minuit avant la clôture d'un deal pour demander si la valorisation tient si un contrat client clé tombe, il ne veut pas un chatbot. Il veut un humain qui comprend son entreprise, a lu l'ambiance de la réunion du conseil, et peut prendre une décision sous pression.

Pour une vue plus large, comparez avec les analystes d'investissement et les analystes crédit. Le schéma est constant : les tâches analytiques s'automatisent vite, mais les relations de conseil perdurent.

La route vers 2028

Nos projections indiquent que d'ici 2028, les analystes en valorisation atteindront 76 % d'exposition globale à l'IA avec un risque d'automatisation de 61 sur 100 [Estimation]. Cela place fermement ce rôle dans la catégorie "forte transformation."

L'implication pratique est une bifurcation de la profession. D'un côté, les analystes juniors dont la valeur principale était de construire des modèles et d'extraire des données feront face à une pression significative. De l'autre, les analystes seniors qui savent interpréter les résultats, conseiller les clients et exercer leur jugement professionnel deviendront plus précieux -- parce que l'IA permet à chaque analyste senior de couvrir plus de dossiers avec moins de personnel.

C'est déjà visible dans les tendances de recrutement. Les grands cabinets comme Duff & Phelps et Houlihan Lokey investissent massivement dans les outils d'IA tout en recherchant des professionnels expérimentés avec une expertise sectorielle profonde. Le message est clair : moins de personnes faisant un travail à plus forte valeur ajoutée.

Ce que cela signifie pour vous

Si vous êtes analyste en valorisation, les compétences qui protégeront votre carrière ne sont pas celles apprises dans vos manuels CFA. La construction technique de modèles se commoditise. Ce qui compte maintenant, c'est l'expertise sectorielle, les compétences en communication et le jugement professionnel -- la capacité à prendre des décisions défendables quand les données sont ambiguës.

Si vous êtes en début de carrière, apprenez les outils d'IA. Devenez la personne qui peut construire une valorisation en moitié moins de temps et passer l'autre moitié à réfléchir de manière critique. Cette combinaison de rapidité et de jugement est ce que le marché récompensera.

Pour le détail tâche par tâche, consultez la page profession Analystes en valorisation. Pour les rôles connexes, voir analystes actuariels et analystes budgétaires.

Historique des mises à jour

• 2026-03-30 : Publication initiale avec les données réelles de 2025 et les projections pour 2028.

Sources

• Eloundou et al. (2023). « GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. »
• Brynjolfsson et al. (2025). « Generative AI at Work. »
• Anthropic Economic Research (2026). Labor Market Impact Assessment.

---

Cette analyse a été réalisée avec l'assistance de l'IA. Toutes les statistiques font référence à notre jeu de données combinant recherche évaluée par des pairs et données industrielles. Pour les détails méthodologiques, consultez À propos de nos données.