Sommaire
Une intelligence artificielle comme Claude ou ChatGPT peut aujourd’hui faire en quelques minutes une partie du travail d’un analyste : filtrer des milliers d’entreprises, les classer, repérer les signaux d’alerte et rédiger une note de synthèse. Mais elle ne remplace pas votre jugement, et elle a deux défauts majeurs : elle peut utiliser des chiffres faux ou périmés, et elle a tendance à vous donner raison.
Bien utilisée, l’IA ne vous dit pas quoi acheter. Elle vous fait gagner du temps sur cinq tâches : chercher, filtrer, organiser, comparer et challenger. Voici la méthode, étape par étape, avec les prompts à adapter.
Les deux pièges d’une IA livrée à elle-même
Les données. Sans accès à une source fiable, une IA va chercher des chiffres sur internet : articles anciens, sites agrégateurs, données incomplètes. Quand une donnée lui manque, elle peut l’inventer sans le signaler. Un PER ou une marge erronés suffisent à fausser toute une analyse.
La solution consiste à la connecter à une vraie base de données financières. Claude, par exemple, peut se brancher sur des logiciels extérieurs grâce à des connecteurs (le protocole MCP). C’est ce que nous avons fait avec Value Investing Screener : l’IA interroge directement des données retraitées et comparables d’une entreprise à l’autre, au lieu de les deviner.
La complaisance. Une IA prolonge le cadre que vous lui donnez. Demandez-lui pourquoi une entreprise est intéressante, elle trouvera d’excellentes raisons. Or en investissement, le danger n’est pas de rater une opportunité : c’est de tomber amoureux d’une mauvaise idée très bien racontée. La dernière étape de la méthode sert précisément à corriger ce biais.
Étape 1 : traduire une intention en critères
Plutôt que de régler quinze filtres à la main, on décrit ce que l’on cherche, avec des critères précis. Exemple pour des petites capitalisations « value » :
Identifie 10 small caps qui semblent à la fois rentables, solides financièrement et peu chères. Recherche en priorité : un PEG inférieur à 1, un PER inférieur à 75 % de la moyenne historique du secteur, une marge brute supérieure à 35 %, une marge opérationnelle supérieure à 15 %, un ROE supérieur à 10 %, un nombre d’actions en baisse (rachats, pas de dilution), un actif courant suffisant pour couvrir les dettes à court terme et un endettement raisonnable. Écarte les banques et les sociétés dont les données sont insuffisantes. Présente les résultats dans un tableau et explique pourquoi chaque entreprise ressort.
Chaque critère a une raison d’être : le PEG rapporte le prix à la croissance, une marge brute élevée signale souvent un pouvoir de fixation des prix, un nombre d’actions qui baisse protège votre part du gâteau. Si ces ratios ne vous sont pas familiers, notre guide des ratios de valorisation et celui des indicateurs financiers les expliquent.
Un avantage de l’IA sur un screener classique : elle peut signaler une entreprise qui rate un critère de peu au lieu de l’éliminer, à condition de le dire explicitement. On ne cherche pas l’entreprise parfaite, mais le meilleur compromis entre qualité, prix et risque.
Étape 2 : classer, pas seulement filtrer
Une liste n’est qu’un point de départ. Choisir l’action qui a le ratio le plus bas serait une erreur : une entreprise n’est pas intéressante parce qu’elle paraît bon marché sur un seul chiffre.
Classe ces entreprises de la plus intéressante à la moins intéressante, en combinant prix raisonnable, marges, solidité du bilan, alignement des dirigeants (part du capital détenue) et capacité à faire croître le free cash flow. Pour chacune, indique son principal point fort, son principal point faible, les données manquantes et la raison de sa position. Distingue toujours les faits, les données indisponibles et tes propres hypothèses.
La dernière phrase est essentielle : elle oblige l’IA à séparer ce qu’elle sait de ce qu’elle suppose.
Étape 3 : débusquer les value traps
Une action peu chère l’est parfois pour de bonnes raisons. C’est le piège de la fausse décote (value trap).
Pour les 5 premières entreprises, détermine si leur faible valorisation est une opportunité ou une value trap. Recherche : une baisse progressive des marges, une croissance surtout portée par des acquisitions, une hausse régulière du nombre d’actions, une dépendance à un client, une forte sensibilité au cycle économique, une hausse de l’endettement ou une baisse du free cash flow. Explique simplement pourquoi le marché pourrait avoir raison. Conclus par : décote probablement temporaire, risque de value trap, ou information insuffisante pour conclure.
C’est ici que l’IA devient vraiment utile : elle ne fait pas l’analyse à votre place, mais elle vous montre où creuser. Savoir où regarder permet d’éliminer la plupart des mauvaises idées avant d’y passer des heures. Pour aller plus loin sur la qualité des comptes, voir le Beneish M-Score, qui repère les manipulations comptables, et le Piotroski F-Score.
J’ai déroulé cette méthode en direct, du premier filtre jusqu’à la contre-analyse, dans cette vidéo :
Étape 4 : comparer avec une grille qualitative
Les chiffres ne disent pas tout. Pour départager les deux meilleures entreprises, on impose une grille qui force une lecture complète :
Compare les deux meilleures entreprises comme pour une note destinée à un investisseur long terme, selon 7 axes : qualité du modèle économique et avantage concurrentiel ; capacité à augmenter ses prix sans perdre de clients ; qualité et intégrité de la direction ; allocation du capital ; solidité financière ; capacité à maintenir ses résultats dans le temps ; valorisation actuelle. Pour chaque axe, indique quelle entreprise a l’avantage, pourquoi, et les informations manquantes. Termine par les trois points à vérifier dans les rapports annuels. Ne conclus pas si une donnée essentielle manque.
Cette grille n’est pas une formule magique. Elle évite simplement de trancher sur un seul ratio, et elle vous renvoie vers les rapports annuels, la source que vous devez de toute façon lire. Notre méthode complète pour analyser une action détaille chacun de ces axes.
Étape 5 : demander à l’IA de démolir sa conclusion
C’est l’étape la plus importante, et celle que presque personne ne fait.
Considère maintenant que ton classement est peut-être faux. Construis le meilleur argument possible contre l’entreprise classée première : quelles hypothèses sont les plus fragiles, quel risque est sous-estimé, quelles données manquent, quels événements futurs montreraient que l’investissement était une erreur. Présente ensuite le meilleur argument pour, le meilleur argument contre, et les informations qui permettraient de trancher. Ne cherche pas à confirmer ton classement.
Dans notre démonstration, cette question a fait ressortir des risques absents des étapes précédentes : des marges exceptionnelles prises pour un niveau normal, une gouvernance de filiale contrôlée par un groupe étranger, un titre peu échangé et un risque de change. Exactement le genre de points qui font la différence entre une bonne et une mauvaise décision.
Warren Buffett le résume ainsi : le risque vient de ne pas savoir ce que l’on fait. Un outil capable d’analyser des milliers de sociétés ne réduit ce risque que s’il vous force à rendre vos hypothèses explicites et à chercher ce qui pourrait vous donner tort.
Aller plus loin : notes d’analyste et suivi de portefeuille
Au-delà de la recherche d’idées, les assistants IA proposent désormais des modules spécialisés pour la finance. Dans Claude, des plugins de recherche actions peuvent produire une note d’initiation de couverture complète (présentation de l’entreprise, modèle financier, valorisation par DCF, graphiques), ou une note de synthèse après chaque publication de résultats sur les entreprises que vous détenez.
Ces documents impressionnent, mais la règle reste la même : un prix cible issu d’un modèle n’est qu’une sortie de calcul. Sa valeur tient aux hypothèses, que vous devez lire, contester et modifier. Pour comprendre ce que contient un DCF, voir calculer la valeur intrinsèque d’une action.
L’IA peut aussi proposer une sélection de lignes et des pondérations. Dans ce cas, testez toujours le résultat sur le passé avant d’investir : notre guide pour backtester un portefeuille explique comment lire les résultats.
En résumé
- Connectez l’IA à des données financières fiables, sinon elle travaille sur des chiffres incertains.
- Donnez des critères précis, puis demandez un classement argumenté, pas une simple liste.
- Exigez qu’elle sépare les faits, les données manquantes et ses hypothèses.
- Faites-lui chercher les value traps, puis démolir sa propre conclusion.
- Vérifiez vous-même les points clés dans les rapports annuels : la décision reste la vôtre.