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

61 %. C'est le niveau d'exposition à l'IA des analystes en valorisation en 2025 — l'un des plus élevés parmi les professionnels de la finance. Si vous travaillez dans ce métier, vous avez probablement déjà ressenti ce glissement. Ce modèle DCF qui vous prenait deux jours entiers à construire ? Une IA en génère désormais 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 l'information avant que vous n'ayez terminé votre deuxième café.

Ce n'est pas hypothétique. Nos données indiquent que les analystes en valorisation affichent un risque d'automatisation de 48 % [Fait]. Parmi les professionnels de la finance, c'est l'un des niveaux d'exposition les plus élevés — et la trajectoire est abrupte. Mais voici le paradoxe : la demande d'analystes capables d'associer des compétences classiques en valorisation à une maîtrise de l'IA a progressé d'environ 18 % d'une année sur l'autre dans les principaux centres financiers américains [Estimation, d'après les offres agrégées LinkedIn et Indeed, T1 2026].

Alors, quel est le verdict — une profession en déclin ou une profession en mutation profonde ? La réponse honnête est que les deux phénomènes se produisent simultanément, et que la différence entre prospérer et être marginalisé dépendra de vos choix au cours des dix-huit prochains mois.

Ce que les chiffres révèlent réellement sur votre poste

Entrons dans le détail. Lorsqu'on décompose le rôle d'analyste en valorisation en tâches élémentaires, le tableau se précise considérablement. Environ 72 % du travail de collecte de données qui mobilisait historiquement les analystes débutants est aujourd'hui automatisable avec les outils de génération actuelle. Cela comprend la recherche de transactions comparables, la normalisation des états financiers, le calcul de multiples standards et la rédaction des parties boilerplate des mémorandums de valorisation [Estimation].

Mais la valorisation ne se réduit pas à la collecte de données. Le travail à forte composante de jugement — sélectionner le bon groupe de pairs quand aucun comparable évident n'existe, défendre une hypothèse de taux d'actualisation face à un comité d'audit sceptique, gérer un contentieux de juste valeur, structurer un mécanisme d'earn-out dans une société à capital fermé — est bien moins automatisable. Nous estimons que seulement environ 24 % de ce travail de jugement est exposé à un risque significatif dans les cinq prochaines années [Estimation].

Le problème est que les analystes en début de carrière consacrent environ 70 à 80 % de leur temps aux tâches automatisables, tandis que les valorisateurs seniors passent l'essentiel de leur temps sur les tâches de jugement. Cela crée un étranglement brutal au milieu de la hiérarchie. Si vous comptez deux à quatre ans d'expérience, vous êtes exactement là où l'IA grignote le plus.

Pour une ventilation plus granulaire des tâches — incluant les sous-tâches spécifiques que notre modèle identifie comme à haut risque ou protégées — consultez la page dédiée aux analystes en valorisation.

L'OIT et l'OCDE ne sont pas tout à fait d'accord avec nous, et cela compte

Lorsqu'on confronte notre chiffre d'exposition de 61 % aux références externes, le tableau devient intéressant. L'étude 2024 de l'Organisation internationale du Travail sur l'exposition à l'IA générative place les analystes financiers au sens large autour de 45 à 55 % d'exposition [Affirmation, OIT 2024]. Les Perspectives de l'emploi 2023 de l'OCDE sur l'IA et les marchés du travail aboutissent à un niveau encore inférieur pour les « professionnels des services financiers et d'assurance », autour de 38 % [Affirmation, OCDE 2023].

Pourquoi cet écart ? Trois raisons. Premièrement, notre notation est spécifique aux tâches de valorisation, et non à la catégorie plus large des analystes financiers. Deuxièmement, notre analyse intègre les capacités des modèles de 2025 — notamment le raisonnement sur de longs contextes de documents financiers — qui n'existaient tout simplement pas lorsque l'OIT et l'OCDE ont conduit leurs études. Troisièmement, nous pondérons les tâches par le temps qui leur est consacré plutôt que de les traiter comme équivalentes. Quand un valorisateur junior passe soixante pour cent de sa semaine sur des tâches automatisables, cela fait monter sensiblement le chiffre d'exposition.

L'implication : les chiffres d'exposition publiés entre 2023 et 2024 sous-estiment presque certainement le risque pour les fonctions analytiques en 2026 et au-delà. Ne vous laissez pas rassurer par les chiffres plus bas que vous pourriez trouver dans des rapports anciens.

Ce que font vraiment les valorisateurs chevronnés (que vous ne faites probablement pas)

Nous avons échangé avec une directrice générale d'une société de conseil en valorisation de taille intermédiaire, qui exerce depuis vingt-deux ans. Sa réponse à la question « que représente l'IA pour votre équipe ? » était éclairante. « J'ai cessé de recruter des analystes capables de construire un DCF. Tout le monde peut construire un DCF aujourd'hui. Je recrute des analystes capables de me dire quand le DCF est le mauvais outil. »

À quoi cela ressemble-t-il concrètement ? Cela signifie savoir qu'un DCF appliqué à une startup logicielle en forte croissance produira un chiffre, mais que ce chiffre est largement dénué de sens parce que l'hypothèse de valeur terminale absorbe l'intégralité du modèle. Cela signifie comprendre pourquoi une approche patrimoniale est pertinente pour un portefeuille immobilier en difficulté mais pas pour un cabinet de conseil asset-light. Cela signifie reconnaître le moment où une approche par les revenus doit être recoupée avec une approche par le marché, et laquelle privilégier quand elles divergent de trente pour cent.

Ces compétences ne s'acquièrent pas en multipliant les modèles. Elles s'acquièrent en lisant des centaines de transactions, en assistant à des contentieux face à des experts adverses, en voyant ses conclusions contestées en déposition ou par un réviseur d'un Big Four. L'IA ne peut pas faire cela à votre place — du moins pas encore, et probablement pas avant longtemps.

Les trois catégories : qui est protégé, qui est sous pression, qui est évincé

Voici comment nous envisageons l'évolution de la profession de valorisateur sur les cinq prochaines années.

Première catégorie — les trente pour cent les mieux protégés. Les valorisateurs chevronnés avec une spécialisation pointue (valorisation d'actifs incorporels à des fins fiscales, valorisation d'instruments dérivés complexes, évaluation ESOP, valorisation de pratiques médicales) verront leur travail évoluer mais non disparaître. L'IA gère la mécanique des modèles ; ils assurent le jugement défendable. La rémunération de ce groupe augmentera probablement, car l'offre de vrais experts est limitée et la demande de valorisations défendables dans un environnement de plus en plus contentieux ne cesse de croître.

Deuxième catégorie — le milieu sous pression, environ cinquante pour cent. Les généralistes en milieu de carrière qui ont bâti leur parcours sur la rapidité et la précision dans les modèles standards font face à l'ajustement le plus difficile. Leur compétence centrale — être plus rapide et plus précis que le voisin pour construire des comparables et des DCF — est banalisée en temps réel. Pour survivre, ce groupe doit s'engager fermement dans l'une de deux directions : soit progresser vers le haut de l'échelle du jugement (spécialisation approfondie, expertise judiciaire, résolution de contentieux), soit évoluer latéralement vers des fonctions adjacentes où la culture de la valorisation est précieuse mais n't est pas la compétence principale (développement corporate, conseil en transactions, capital-investissement).

Troisième catégorie — les vingt pour cent déplacés. Les analystes débutants dont la proposition de valeur était « je peux déchiffrer des modèles plus vite que les seniors ne souhaitent le faire » font face au chemin le plus difficile. Ces postes se réduisent déjà dans les grands cabinets. La bonne nouvelle est que les professionnels en début de carrière ont le plus de temps pour se réorienter. La mauvaise nouvelle est que la rampe d'accès à la profession se rétrécit, et qu'entrer par l'extérieur est plus difficile qu'il y a cinq ans.

Ce qu'il faut faire ce trimestre — concrètement

Si vous lisez ceci et que vous travaillez en valorisation, voici cinq actions concrètes à entreprendre dans les quatre-vingt-dix prochains jours.

Premièrement, choisissez un outil d'IA et devenez véritablement compétent. Pas « j'ai essayé ChatGPT une fois pour un comparable ». Véritablement compétent — c'est-à-dire capable de le guider à travers un mémorandum de valorisation complet en première ébauche avec les sources appropriées, comprendre où il hallucine, et disposer d'une liste de contrôle pour ce qu'il faut vérifier manuellement. Les outils AI-Powered Analyst de Bloomberg, Mercury de FactSet, les intégrations GenAI de Capital IQ et des outils indépendants comme AlphaSense constituent tous des points de départ viables.

Deuxièmement, constituez un portfolio de « cas de jugement » — des situations où le modèle évident a donné la mauvaise réponse et où votre jugement l'a rattrapé. Rédigez-les. Deux paragraphes chacun. Vous en aurez besoin lors des entretiens d'évaluation, lors des recrutements, et dans votre propre esprit lorsque vous devrez vous rappeler pourquoi votre poste n'est pas banalisé.

Troisièmement, prenez une spécialisation au sérieux. La valorisation est une profession qui récompense la profondeur. Choisissez quelque chose — section 409A, titres complexes, dépréciation d'actifs incorporels, prix de transfert, dette en difficulté — et commencez à développer votre expertise de manière systématique. Lisez les guides pratiques de l'AICPA. Suivez les formations CEIV ou ASA. Assistez à des contentieux si vous en avez la possibilité.

Quatrièmement, investissez dans votre communication écrite. L'IA peut générer un modèle, mais un mémorandum de valorisation clair et défendable qui guide un lecteur à travers votre raisonnement demeure une compétence profondément humaine. Les conseils d'administration, les comités d'audit, les juges et les autorités fiscales lisent ces documents. L'analyste qui rédige le mémorandum le plus convaincant l'emporte, point final.

Cinquièmement, rendez-vous visible. La profession de valorisateur fonctionne sur la réputation et les recommandations. Publiez sur LinkedIn. Présentez aux conférences de la NACVA ou de l'ASA. Commentez de manière réfléchie les exposés-sondages du FASB. L'IA ne peut pas construire une réputation à votre place, et la réputation représente une part croissante de ce que le marché rémunère.

Le bilan honnête

La valorisation ne va pas disparaître. Les entreprises continueront à être achetées et vendues, les successions continueront à être taxées, les contentieux continueront à nécessiter des experts, les rapports financiers continueront à exiger des mesures de juste valeur défendables. Le travail lui-même est pérenne.

Mais il sera accompli par bien moins de personnes qu'aujourd'hui, et ces personnes seront différentes des analystes en valorisation actuels. Elles seront plus spécialisées, davantage orientées vers le jugement, plus à l'aise pour diriger l'IA plutôt que pour rivaliser avec elle. La course n'est pas humain contre machine — c'est humain-plus-machine contre humain seul, et l'écart entre les deux se creuse rapidement.

La bonne nouvelle pour quiconque lit ceci est que la transition s'étale sur des années, et non sur des mois. Vous avez du temps. La question est de savoir si vous en profiterez, ou si vous attendrez.

Historique des mises à jour

• 22 avril 2026 : Publication initiale basée sur l'analyse des tâches du T1 2026
• 14 mai 2026 : Enrichi avec la comparaison aux références OIT/OCDE, le cadre des trois catégories et un plan d'action concret sur quatre-vingt-dix jours. Ajout d'une discussion sur les exigences de maîtrise des outils d'IA pour le travail de valorisation actuel.

---

Cette analyse a été générée avec l'assistance de l'IA et relue pour en vérifier l'exactitude. Les données marquées [Fait] proviennent de notre modèle interne ; [Affirmation] renvoie à des sources externes citées ; [Estimation] reflète une analyse directionnelle lorsque des chiffres précis ne sont pas encore disponibles.