Un acheteur ne compte pas les têtes. Un acheteur se pose une seule question : que reste-t-il en fonctionnement si une personne clé disparaît demain. La réponse à cette question détermine si une entreprise est valorisée sur le bénéfice de l'année dernière, ou un peu moins parce qu'une partie de ce bénéfice dépend de personnes qui ne sont pas vendues avec l'entreprise.
Ce n'est pas une nouvelle façon de voir les choses. La due diligence a toujours interrogé la transférabilité. Ce qui change en revanche, c'est la manière dont les entreprises organisent cette transférabilité. Un travail qui, autrefois, ne se trouvait que dans la tête d'un collaborateur, est aujourd'hui, dans un nombre croissant d'entreprises, consigné dans un système qui l'exécute ou le contrôle. Cela ne change pas seulement la quantité de travail existant, mais aussi qui ou quoi porte ce travail.
L'IA reprend du travail. Pas partout, pas en une seule fois, et pas comme une promesse pour plus tard — par fragments, dès aujourd'hui, selon trois catégories qui traversent presque tous les processus. Certaines tâches, un système peut les exécuter de manière totalement autonome. D'autres tâches sont partiellement reprises, avec une personne qui approuve ou rejette en motivant sa décision. Et une troisième catégorie reste un travail humain, car elle exige un jugement, une relation ou un contexte qu'un système ne possède pas.
La répartition entre ces trois catégories varie fortement d'une entreprise à l'autre, y compris au sein d'un même secteur. La différence ne réside pas dans le secteur, mais dans la manière dont le travail est organisé : le processus est-il décrit et reproductible, ou le savoir se trouve-t-il uniquement dans la tête de la personne qui l'exerce depuis des années. Les entreprises où les processus sont consignés identifient plus rapidement les tâches qui se prêtent à une reprise. Les entreprises où le travail se transmet oralement doivent d'abord accomplir autre chose avant que l'IA puisse y reprendre quoi que ce soit : rendre le travail visible.
Dès que le travail bascule d'une personne vers un système sous contrôle, le poids de chaque moteur de valeur pris en compte par un acheteur change. La dépendance au dirigeant est le facteur le plus touché : si le dirigeant est le seul à savoir quelles exceptions sont accordées à un client, aucune automatisation ne fait entrer ce savoir en compte — la dépendance demeure. Mais la qualité du bénéfice change également. Une économie qui figure aujourd'hui dans le bénéfice parce qu'un fournisseur externe exécute automatiquement une tâche est différente d'une économie intégrée dans le processus interne et qui fonctionnera encore demain si ce fournisseur cesse son activité ou augmente son prix. Un acheteur qui ne voit pas cette différence se surestime ou se sous-estime sans le savoir. Ce qui advient de la valeur lorsque le travail dépend d'un fournisseur décrit précisément cette distinction.
Un score de maturité par moteur de valeur est une estimation, pas une mesure. Il repose sur des preuves — processus consignés, systèmes exécutant des tâches, documentation permettant la transmission — mais ces preuves ne sont pas partout aussi faciles à établir. Pour une tâche entièrement exécutée par un système, cette preuve est souvent simple à démontrer : un journal, un rapport, un résultat. Pour une tâche partiellement reprise avec contrôle humain, la preuve est plus ténue : quelqu'un approuve ou rejette, mais la raison de cette décision n'est pas toujours consignée par écrit. Là, l'estimation est plus incertaine, et cela n'est pas dissimulé derrière un score qui paraîtrait plus fiable qu'il ne l'est.
Un score ne signifie rien non plus sans se demander qui devrait y croire. Un score de maturité qui ne repose que sur des impressions internes ne convainc pas un acheteur. Comment étayer une économie générée par l'IA montre quelles preuves résistent à la due diligence et lesquelles ne convainquent qu'en interne. Et sans consignation précise de ce que l'IA fait exactement dans l'entreprise — quelle tâche, quel système, quel contrôle — il reste peu de choses sur quoi s'appuyer ; comment consigner ce que l'IA fait dans votre entreprise traite de cette consignation.
Le résultat du scan indique surtout où un acheteur poserait des questions. Il ne dit rien sur ce qu'il faut faire du personnel. Si un résultat touche à la question de savoir si des fonctions doivent disparaître ou évoluer, des exigences légales propres s'appliquent, indépendamment de cette méthode.
Sous tous ces moteurs se trouve une seule question : quel travail, dans cette entreprise, peut réellement être repris par l'IA, et quel travail ne le peut pas. C'est la question à laquelle le scan de travail de FTE TO AI répond tâche par tâche, en prenant les trois catégories comme point de départ.
Rendre une entreprise prête pour la vente n'est pas une intervention unique, mais une série de choix étalés sur deux ans, où chaque choix renforce un peu plus un moteur de valeur. Comment rendre mon entreprise prête pour la vente place ces choix sur une chronologie. La dépendance au dirigeant y est souvent le moteur qui pèse le plus, et aussi le plus lent à réduire — transmettre le savoir et intégrer des systèmes prend du temps. Comment réduire ma dépendance en tant que dirigeant décrit où commence généralement cette réduction.
La question de savoir si un acheteur achètera plus tard des collaborateurs ou une méthode de travail ne se répond pas en une seule conversation. Une première image, si. Le contrôle de valeur gratuit se compose de huit questions courtes, une par moteur de valeur, et montre quel moteur pèse le plus aujourd'hui sur le prix de l'entreprise. Le scan de valeur complet, avec des preuves par moteur et un calendrier sur deux ans menant au moment de la sortie, est en cours de construction.