Les économistes du monde entier se concentrent à juste titre sur la manière dont l'IA va remodeler les marchés du travail. Mais le changement le plus important de la prochaine décennie pourrait se produire sur un tout autre marché : celui des capitaux propres.

En transformant la manière dont les données sont générées et partagées, l'IA pourrait réduire considérablement les coûts de l'information, du contrôle, de la conformité et de la tenue des marchés. Ce faisant, elle pourrait faire passer les capitaux propres d'un privilège élitiste à une source majeure de financement, en particulier pour les petites et jeunes entreprises.

En dehors d'une poignée de pays comme les Etats-Unis, le Royaume-Uni, le Canada et Singapour, les marchés d'actions dynamiques sont rares. Et même dans ces pays, la «longue traîne» des sociétés cotées en bourse est remarquablement mince. Peu d'entreprises sont cotées en bourse lorsque leur valeur est inférieure à 10 millions de dollars, et lorsqu'elles le sont, la liquidité est négligeable et les coûts fixes liés à la cotation sont prohibitifs.

Dans une grande partie du monde, y compris en Europe occidentale, le «développement financier» en est venu à signifier «développement bancaire». Si les banques sont indispensables, elles ne vendent qu'un seul produit: la dette. Or, un bilan sain dépend d'une combinaison équilibrée de dettes et de capitaux propres - plus l'entreprise est risquée, plus elle a besoin de capitaux propres.

Et c'est là que le bât blesse: si les marchés de la dette sont robustes, il n'en va pas de même pour les marchés des actions. Dans la pratique, les banques prêtent en proportion de la réserve de fonds propres dont dispose déjà une entreprise. Mais ces fonds propres proviennent généralement de deux sources: l'argent des amis et de la famille ou les bénéfices non distribués. Les premiers sont limités et inégalement répartis; les seconds limitent la croissance.

Par conséquent, les entreprises qui s'appuient sur l'autofinancement ne peuvent croître qu'à hauteur de leurs bénéfices, et non de leurs opportunités. Cela peut suffire à une boulangerie, mais pas à une plateforme numérique qui dépend d'effets de réseau ou à un fabricant qui doit investir massivement avant de générer des revenus. De nombreuses entreprises transformatrices - des géants du commerce électronique comme Amazon aux pionniers du covoiturage comme Uber - ont fonctionné à perte pendant des années. Un système centré sur les banques ne peut pas financer ce type de croissance.

La rareté des fonds propres peut être largement attribuée à l'asymétrie de l'information. Alors que les prêteurs peuvent obtenir des garanties, exiger des paiements fixes et saisir des actifs si les choses tournent mal, les investisseurs en capital sont les derniers sur la liste et obtiennent ce qui reste une fois que tous les autres ont été payés.

C'est pourquoi la divulgation, la diligence raisonnable et la gouvernance sont essentielles à la viabilité des marchés boursiers. Pourtant, pour les petites entreprises, les coûts dépassent souvent les gains potentiels. Ajoutez à cela l'illiquidité, les coûts de cotation élevés, la couverture limitée des analystes et la faible protection des actionnaires minoritaires, et vous obtenez une échelle sans barreaux inférieurs.

L'IA peut aider à les construire, en commençant par la divulgation d'informations. Les petits émetteurs d'aujourd'hui sont confrontés à des systèmes de conformité conçus pour des géants, mais l'IA peut réduire les coûts en générant des données financières lisibles par machine et en vérifiant en temps réel les factures, les relevés bancaires, les déclarations fiscales et les fiches de paie - et en signalant les incohérences avant qu'elles ne deviennent des scandales.

Des données normalisées et lisibles par machine permettraient aux investisseurs (ou à leurs robots) d'effectuer des comparaisons instantanées entre des milliers d'entreprises, et pas seulement entre les quelques grands noms que les analystes couvrent déjà. Avec le temps, la surveillance par l'IA pourrait faire paraître l'audit annuel traditionnel aussi désuet que l'accès à l'internet par ligne commutée.

En outre, les modèles en langage naturel peuvent examiner les contrats, les permis, l'historique des litiges et les déclarations environnementales, tandis que les modèles de séries chronologiques peuvent réconcilier les commandes, les expéditions et les flux de trésorerie. Les tâches qui nécessitaient autrefois des armées d'associés peuvent désormais être accomplies en quelques minutes, et les résultats seront moins chers, plus cohérents et entièrement vérifiables. Cette évolution pourrait donner naissance à un nouveau modèle commercial : le souscripteur d'IA. Au lieu de percevoir des commissions élevées de la part de quelques gros clients, ces souscripteurs pourraient introduire en bourse des dizaines de petits émetteurs chaque semaine en utilisant des informations standardisées, des contrôles automatisés et des alertes de risque en temps réel.

Une autre opportunité concerne la liquidité. Les teneurs de marché algorithmiques, qui sont déjà la norme dans les grandes entreprises publiques, pourraient être étendus de manière responsable aux petits émetteurs une fois que les informations auront été normalisées et que la surveillance sera devenue continue. La recherche pilotée par l'IA pourrait contribuer à améliorer les prix et la liquidité en augmentant la disponibilité de l'information et la confiance, tandis que les algorithmes d'appariement pourraient aligner les mandats des investisseurs et les profils des émetteurs de manière beaucoup plus précise que les regroupements grossiers d'aujourd'hui.

Dans de nombreuses économies émergentes, les transactions entre parties liées, les tunnels d'actifs et les dilutions soudaines ont depuis longtemps érodé la confiance des investisseurs. Ici aussi, les systèmes de surveillance basés sur l'IA peuvent contribuer à faire respecter les protections des actionnaires minoritaires en suivant en temps réel les transactions, les procès-verbaux des conseils d'administration, les dossiers d'approvisionnement et les modèles de négociation, alertant ainsi les régulateurs et les investisseurs en cas d'abus potentiels.

Parallèlement, la gouvernance programmable - des chartes qui appliquent automatiquement les droits de préemption, les protections et les déclencheurs de dividendes - peut transformer un texte juridique en un code applicable, ce qui rend beaucoup plus difficile pour les initiés de diluer ou de désavantager les investisseurs extérieurs.

Enfin, les informations numériques normalisées et les robots-conseillers pourraient contribuer à démocratiser l'investissement dans les petites entreprises, en constituant des portefeuilles diversifiés d'actions de petites et moyennes entreprises (PME) adaptés à la tolérance au risque, à la situation géographique et aux objectifs des investisseurs. Les fonds de pension et les assureurs, qui sont largement absents de ce segment, pourraient être autorisés à allouer de modestes portions de leurs actifs à des indices créés par l'IA, éliminant ainsi le besoin d'équipes internes coûteuses.

Mais pour que cette vision se concrétise, les décideurs politiques devront établir un petit régime d'actions publiques reposant sur quatre piliers: des rapports continus et rationalisés, au lieu de dépôts périodiques volumineux ; des protections de la responsabilité pour les émetteurs qui adoptent des systèmes de vérification basés sur l'IA; des exigences de cotation simplifiées; et des cadres de données ouvertes qui permettent à des tiers d'apporter une valeur ajoutée en analysant les informations communiquées.

Après avoir subventionné le crédit pendant des décennies, les banques publiques de développement devraient consacrer une partie de leurs ressources à des prises de participation. Elles pourraient, par exemple, soutenir les entreprises qui respectent les normes de divulgation et de vérification basées sur l'IA, fournir une couverture en première perte pour les fonds d'actions diversifiés des PME et promouvoir une infrastructure de surveillance partagée.

Certes, l'IA peut halluciner, les modèles peuvent être manipulés et les initiés en sauront toujours plus. Mais le critère est l'avantage relatif, pas la perfection. Si l'IA réduit les coûts de transaction de 50 à 90%, l'impact sera transformateur: même si certaines fraudes passeront inévitablement à travers les mailles du filet, beaucoup plus d'entreprises légitimes deviendront des candidats viables à l'investissement extérieur.

Afin d'élargir la propriété, de stimuler l'innovation et d'accélérer la croissance, nous devrions orienter l'IA vers le défi à plus haut rendement que constitue l'abondance des capitaux propres. L'objectif n'est pas de créer un casino, mais un marché plus sûr, moins cher et riche en données, où les risques sont supportés par ceux qui sont le mieux à même de les assumer. Après un siècle passé à perfectionner la plomberie du crédit, l'IA offre une chance de compléter - enfin - l'autre moitié du système financier.

Copyright: Project Syndicate, 2025.
www.project-syndicate.org

Texte traduit par IA.