Comment l’operating partner doit arbitrer le déploiement de l’IA dans une intégration post-acquisition.
Un build-up ne ressemble à rien d’autre dans le portefeuille d’un fonds. Ce n’est pas une participation qu’on accompagne dans sa croissance organique. C’est une construction en mouvement : plusieurs entités, plusieurs systèmes, plusieurs cultures qu’on assemble tout en continuant à faire tourner chaque business.
Dans ce contexte d’intégration post-acquisition, l’IA arrive comme une promesse supplémentaire. Accélérer l’intégration. Harmoniser les processus. Produire plus avec les mêmes équipes. La promesse est réelle. Mais le timing et l’ordre d’introduction font toute la différence entre un levier de valeur et une source de complexité supplémentaire dans une organisation déjà sous tension.
C’est la question que l’operating partner doit trancher avant que les équipes ne la tranchent seules, ce qu’elles font invariablement, dans le désordre, dès que les outils sont accessibles.
Ce que le build-up change dans la logique de déploiement IA
Dans une participation stable, déployer l’IA sur un processus est une décision relativement simple. On identifie le processus, on vérifie la qualité des données, on choisit l’outil, on forme les équipes. Le contexte est connu.
Dans un build-up, rien n’est stable. Les processus de deux entités qui viennent de fusionner ne sont pas encore harmonisés. Les données sont dans des systèmes différents, avec des formats différents, des référentiels différents. Les équipes sont en phase d’adaptation culturelle : elles ne savent pas encore qui décide de quoi, selon quels processus, avec quels outils communs.
Déployer l’IA dans ce contexte sans cadrage préalable, c’est automatiser le désordre. On accélère des processus qui n’ont pas encore été arbitrés. On crée des dépendances technologiques sur des architectures provisoires. On génère de la friction là où l’énergie des équipes devrait aller à l’intégration humaine et opérationnelle.
Le fossé entre ce que l’IA peut faire et ce qu’on lui demande, déjà problématique dans une participation stable, est encore plus coûteux dans un build-up si le timing est mauvais.
Les trois phases d’un build-up et où l’IA a sa place
La question n’est pas « faut-il déployer l’IA dans ce build-up ? » mais « à quelle phase, et sur quoi ? »
Dans les 100 premiers jours, la priorité est la stabilisation : comprendre ce qui existe dans chaque entité, identifier les risques, sécuriser les processus critiques. L’IA n’a qu’un rôle très limité ici : accélérer la cartographie elle-même. Des modèles peuvent analyser des volumes de données, identifier des doublons, comparer des référentiels. C’est un usage d’analyse, pas d’automatisation. Tout déploiement opérationnel dans cette phase est prématuré.
Entre 3 et 12 mois, les processus commencent à être arbitrés. On sait quels outils vont survivre, quels processus vont être harmonisés, quelle architecture data va émerger. C’est la fenêtre d’introduction de l’IA, sur des processus déjà stabilisés et non sur des processus encore en cours d’arbitrage. Le reporting consolidé, la facturation inter-entités, la qualification commerciale commune sont des candidats naturels à cette phase.
Au-delà de 12 mois, une fois que les équipes partagent les mêmes processus et les mêmes référentiels, le déploiement agentique devient pertinent. C’est là que le build-up peut réellement créer un avantage de scale que chaque entité n’aurait pas pu obtenir seule : un seul agent qui traite les factures de l’ensemble du groupe, une qualification commerciale unifiée, un reporting consolidé en temps réel.
Les processus prioritaires selon la phase
L’operating partner qui veut guider ses équipes sur le sujet a besoin d’une grille simple. Selon le rapport State of AI in Business 2025 publié par le MIT (NANDA / Media Lab), 95 % des projets d’IA générative déployés en entreprise ne produisent pas de retour mesurable, faute de stratégie et de priorisation. Dans un build-up, ce risque est multiplié par la complexité organisationnelle.
Les processus à privilégier en priorité sont ceux qui réunissent trois conditions : ils existent déjà dans les deux entités sous une forme comparable, ils sont suffisamment documentés pour être codifiés, et ils ne sont pas au cœur des arbitrages culturels en cours. La comptabilité fournisseurs, le traitement des notes de frais, la consolidation du reporting financier remplissent généralement ces trois critères. La gestion commerciale, les RH ou la relation client, non : ces processus sont souvent au cœur de ce qui différencie les cultures des entités fusionnées.
Ce que l’IA ne peut pas accélérer dans un build-up
C’est le point que les équipes techniques oublient systématiquement, et que l’operating partner doit rappeler.
L’intégration culturelle ne s’automatise pas. La confiance entre des équipes qui viennent d’entités différentes se construit dans l’interaction humaine, pas dans la performance d’un outil partagé. Déployer un agent commun avant que les équipes ne se soient alignées sur les objectifs crée un faux sentiment de cohésion et masque des tensions qui réapparaissent au premier désaccord opérationnel.
De la même façon, la qualité des données ne s’améliore pas par magie avec l’IA. Un agent a besoin de données propres et structurées. Si les deux entités ont des référentiels clients différents, des formats de facturation incompatibles ou des systèmes ERP non connectés, aucun déploiement IA ne fonctionnera correctement avant que ce socle data soit unifié. C’est un travail d’intégration IT classique, et il doit précéder le déploiement IA, pas lui succéder.
Ce que l’operating partner doit mettre dans son plan de valeur
L’IA dans un build-up est un levier de valeur réel, mais il appartient au milieu du plan de valeur, pas au début. L’operating partner qui l’inscrit dans les 100 premiers jours crée de la complexité. Celui qui l’ignore complètement rate une opportunité de scale que le build-up rend possible et que chaque entité seule n’aurait pas pu atteindre.
Chez Muzzo, nous observons à travers notre réseau que les build-ups qui réussissent leur intégration IA ont tous un point commun : un porteur métier clairement identifié qui pilote l’harmonisation des processus avant de lancer les déploiements.
Ce profil, à la croisée du métier, de la data et du pilotage d’intégration, est rare sur le marché. Il ne correspond ni au DSI classique, ni au directeur opérationnel traditionnel, ni au chief data officer cantonné à la technique. Il combine une compréhension fine des enjeux business, une littératie data solide et une expérience de conduite du changement en contexte post-deal. L’identifier et le recruter au bon moment, dès la phase de stabilisation, est l’un des arbitrages les plus structurants du plan de valeur. C’est précisément sur ce type de recrutement stratégique que nous accompagnons les operating partners.
Conclusion
L’IA n’est pas une distraction dans un build-up. Elle est un levier de scale réel, mais qui appartient à la deuxième partie du plan de valeur, pas à la première. L’operating partner qui pose la question « quand » avant la question « quoi » évite les déploiements prématurés et construit les conditions d’un impact durable. Le build-up crée une opportunité unique : celle de repartir de zéro sur des processus communs, propres, optimisés. L’IA amplifie cette opportunité. Elle ne la crée pas.
Pour prolonger la réflexion, notre podcast MuzzOsphère donne la parole à des bâtisseurs de croissance et explore comment les relations orientent les stratégies, comment les intuitions guident les décisions, et comment les talents, connectés aux bons réseaux, deviennent moteurs de transformation.
FAQ
À quel moment introduire l’IA dans un build-up ?
Pas avant que les processus soient harmonisés et les données structurées dans un référentiel commun. En pratique, cela situe la fenêtre d’introduction entre 3 et 12 mois après le closing, sur des processus déjà stabilisés. Avant cette phase, l’IA complique plus qu’elle n’accélère.
Quels processus automatiser en priorité dans un build-up post-acquisition ?
Ceux qui réunissent trois conditions : ils existent dans les deux entités sous une forme comparable, ils sont documentés et codifiables, et ils ne sont pas au cœur des arbitrages culturels en cours. La comptabilité fournisseurs, la consolidation du reporting et le traitement des notes de frais sont les candidats naturels.
Pourquoi l’IA échoue-t-elle souvent dans les contextes de fusion-acquisition ?
Parce qu’elle est déployée trop tôt, sur des processus instables et des données non harmonisées. Selon le rapport State of AI in Business 2025 du MIT, 95 % des projets d’IA générative déployés en entreprise ne produisent pas de retour mesurable, faute de stratégie et de priorisation. Un risque multiplié dans les contextes d’intégration post-acquisition, où la complexité organisationnelle est maximale.
L’IA peut-elle accélérer l’intégration culturelle dans un build-up ?
Non. L’intégration culturelle repose sur des interactions humaines, des arbitrages managériaux et du temps. Déployer un outil commun avant que les équipes ne soient alignées sur les objectifs crée un faux sentiment de cohésion sans résoudre les tensions sous-jacentes.
Quel profil recruter pour piloter l’IA dans un build-up ?
Un porteur métier, et non un DSI, capable de piloter l’harmonisation des processus avant de lancer les déploiements. Ce profil combine compréhension fine des enjeux business, littératie data et expérience de conduite du changement en contexte post-deal. C’est un recrutement à anticiper dès la phase de stabilisation.
