Le défi
Le deal sourcing aide les investisseurs à repérer des marchés de niche et à évaluer la santé financière des entreprises qui les composent. Mais ce processus prend beaucoup de temps. Les limites du système de classification sectorielle utilisé dans l’Union européenne le compliquent encore.
Toute entreprise inscrite au registre du commerce allemand doit décrire ses principales activités. Or les systèmes de classification européens comme la NACE (Nomenclature statistique des activités économiques) ne couvrent pas les domaines nouveaux et émergents. Il n’existe, par exemple, aucun code pertinent pour les entreprises spécialisées dans le machine learning et l’intelligence artificielle. La recherche par mots-clés aide peu, car elle ne renvoie pas les entreprises sémantiquement proches de la requête. Résultat : fonds de private equity et sociétés de développement d’affaires peinent à explorer les marchés de niche et à y trouver les bonnes entreprises.
Notre solution
Nous avons développé une solution de bout en bout fondée sur des techniques de traitement du langage naturel et des modèles de deep learning. Elle collecte, traite, analyse et affiche des données issues de différentes sources. Les utilisateurs peuvent lancer des recherches sémantiques et syntaxiques, explorer des clusters d’entreprises et consulter des entreprises similaires.
Un scraper extrait les informations de sources de données publiques vers une base de données qui contient, pour chaque entreprise, son nom, sa date d’immatriculation, son statut (active ou inactive) et la description de son activité commerciale. Des modèles de deep learning pré-entraînés comme BERT multilingue vectorisent ces descriptions, ce qui permet de regrouper les entreprises par similarité sémantique. La recherche sémantique fonctionne de la même manière : le terme recherché est vectorisé puis rapproché des descriptions les plus proches dans la base.
- Scraper qui agrège les données publiques des registres dans une base d’entreprises
- Vectorisation des descriptions d’entreprises avec BERT multilingue
- Regroupement des entreprises par similarité sémantique, avec contrôle par l’utilisateur de la taille des clusters et du seuil de similarité
- Recherche sémantique qui renvoie les entreprises les plus proches, par le sens, d’un terme recherché
- Extraction et agrégation des données financières pour suivre les entreprises dans le temps, individuellement ou en groupe
- Export des résultats sous forme de rapport PDF
Le résultat
Le client, une société de private equity, dispose désormais d’outils avancés pour explorer le marché et analyser des secteurs précis. La solution a rendu le deal sourcing plus efficace : elle réduit la charge de travail d’un analyste d’une semaine pour chaque nouveau marché de niche identifié.
La même approche sert au-delà du private equity. Elle peut aider des analystes de marché à produire des rapports et à étudier les tendances d’un secteur, ou des responsables du développement commercial à trouver les entreprises pertinentes pour leur offre.
