La transformation numérique peut nuire aux bénéfices tout en augmentant les valorisations

La transformation numérique est généralement présentée comme une voie vers une plus grande efficacité, une meilleure prise de décision et, finalement, des profits plus élevés. Le problème est que les avantages financiers n’arrivent pas nécessairement au moment où les factures sont dues.

Une nouvelle étude examinant les sociétés cotées chinoises offre une illustration utile de ce décalage.¹ Les chercheurs ont analysé 46 055 observations d’entreprises sur une année couvrant les sociétés à actions A de 2009 à 2024 et ont constaté qu’une plus grande transformation numérique était associée à une rentabilité actuelle plus faible, mesurée par le retour sur actifs, mais à une valorisation boursière plus élevée, mesurée par le Q de Tobin.

Pour les investisseurs, cela crée une distinction importante. Une entreprise peut dépenser massivement en technologie, ce qui réduit les bénéfices actuels, tout en développant simultanément des capacités que les marchés s’attendent à voir créer de la valeur future. Le défi consiste à déterminer si ces coûts représentent une véritable transformation ou simplement des dépenses technologiques onéreuses sans retour durable.

Pourquoi la transformation numérique peut d’abord mettre sous pression les bénéfices

La transformation des entreprises est devenue une initiative bien plus vaste que l’installation de nouveaux logiciels. Les projets modernes peuvent impliquer une infrastructure cloud, l’intelligence artificielle, l’automatisation, la cybersécurité, l’architecture des données, la reconversion des employés et la refonte de processus entiers.

Chaque composant engendre des coûts avant que l’organisation ne puisse en tirer les bénéfices. Les systèmes hérités doivent être intégrés ou remplacés. Les employés ont besoin de formation. Les processus peuvent temporairement devenir moins efficaces pendant que les équipes passent des anciens aux nouveaux modèles opérationnels. La nouvelle infrastructure peut également fonctionner en parallèle avec les systèmes existants pendant plusieurs mois ou années.

Les résultats de l’étude sont cohérents avec ces pressions. Dans sa spécification privilégiée, une hausse d’une unité de la mesure de la transformation numérique des chercheurs était associée à une baisse de 0,0025 du ROA. Par rapport à la moyenne du ROA de l’échantillon, qui est de 0,040, cela représente environ 6,25 % de la moyenne.

Cela ne signifie pas que la technologie réduit intrinsèquement la rentabilité. Au contraire, cela met en évidence un problème de synchronisation. Les dépenses de transformation peuvent être comptabilisées immédiatement, tandis que les gains de productivité peuvent n’apparaître que bien plus tard.

Cette dynamique devient particulièrement importante à mesure que les entreprises passent d’une numérisation relativement simple à des opérations activées par l’IA. Comme Securities.io a déjà exploré, l’avantage concurrentiel dépend de plus en plus de la combinaison de l’IA avec des données propriétaires, le savoir institutionnel et l’expertise interne. Construire ces bases nécessite plus que simplement acheter l’accès à un modèle.

Pourquoi les marchés peuvent récompenser la transformation avant l’amélioration des bénéfices

L’autre moitié de l’étude est sans doute plus intéressante pour les investisseurs. Alors que la transformation numérique était négativement associée au ROA, elle était positivement associée au Q de Tobin, une mesure couramment utilisée pour évaluer la valorisation du marché par rapport aux actifs sous-jacents d’une entreprise.

Le coefficient de la transformation numérique était positif, à 0,0236. Les chercheurs estiment qu’une hausse d’une unité de leur mesure de transformation correspond à une augmentation du Q de Tobin équivalente à environ 1,19 % de la moyenne de l’échantillon.

Cela crée ce que l’on pourrait appeler un écart de reconnaissance. Les résultats comptables reflètent les dépenses déjà engagées. Les valorisations de marché peuvent intégrer des attentes concernant des capacités qui n’ont pas encore généré de bénéfices mesurables.

Les investisseurs appliquent régulièrement cette logique aux usines, aux fonderies de semi-conducteurs, aux programmes de recherche et à la nouvelle capacité de production. L’infrastructure numérique mérite un traitement similaire. Une entreprise qui déploie l’automatisation sur l’ensemble de sa chaîne d’approvisionnement pourrait initialement faire face à des frais d’intégration tandis que les marchés attribuent de la valeur à la productivité future que ces systèmes pourraient permettre.

Les déploiements récents illustrent l’étendue croissante de ces systèmes. Le travail de NVIDIA et Palantir sur les chaînes d’approvisionnement activées par l’IA, par exemple, combine des modèles, des données d’entreprise, des logiciels d’optimisation et la prise de décision opérationnelle plutôt que de considérer l’IA comme une application autonome.

La vraie question est de savoir si les dépenses développent des capacités

Une rentabilité à court terme plus faible à elle seule ne prouve pas qu’une transformation numérique réussit. Une mauvaise mise en œuvre peut détruire la valeur tout aussi facilement qu’une mise en œuvre réussie peut la créer.

C’est à ce stade que les investisseurs doivent aller au-delà de la simple question du montant que l’entreprise dépense en technologie.

• La technologie modifie-t-elle réellement le fonctionnement de l’entreprise ?
• Les employés et les clients adoptent-ils les nouveaux systèmes ?
• L’innovation, la productivité ou les capacités de service s’améliorent-elles ?
• La direction peut-elle identifier des résultats mesurables de l’investissement ?

Cette distinction est importante parce que la transformation numérique est devenue un récit d’entreprise attrayant. Les entreprises peuvent parler d’IA, d’informatique en nuage, d’automatisation ou de blockchain sans que ces technologies ne deviennent des capacités opérationnelles significatives.

L’étude elle‑même comporte un avertissement important à ce sujet. Sa variable de transformation numérique repose sur la fréquence de la terminologie liée à la transformation dans les rapports annuels des entreprises. Il s’agit donc d’un proxy basé sur les divulgations plutôt que d’une mesure directe de la capacité technique.

Cette limitation a une portée plus large. Les investisseurs ne doivent pas supposer qu’une entreprise qui mentionne fréquemment l’IA se transforme nécessairement plus rapidement qu’un concurrent qui aborde la technologie de façon moins agressive. Les preuves les plus utiles proviennent des déploiements, de l’adoption par les clients, de l’efficacité opérationnelle, des nouveaux produits et des améliorations de la prise de décision.

C’est également pourquoi la couche de données d’entreprise importe. l’expansion continue de Snowflake autour des données d’entreprise et de l’IA reflète une tendance plus large selon laquelle la transformation dépend de plus en plus de la connexion d’informations auparavant fragmentées avec des logiciels capables d’agir sur celles‑ci.

L’innovation peut être une voie du dépense à la valeur

Les chercheurs ont également constaté que la transformation numérique était positivement associée à la capacité d’innovation. Leur mesure de l’innovation était basée sur les demandes de brevets, le coefficient de transformation numérique atteignant 0,0333.

Cette constatation est utile, mais il ne faut pas la surestimer. L’étude n’a pas réalisé la régression de second niveau nécessaire pour établir que l’innovation médie formellement la relation entre transformation et performance financière. Le résultat indique donc un canal potentiel plutôt que de prouver que la numérisation crée de la valeur spécifiquement via les brevets.

Cela dit, la logique est importante. Une meilleure infrastructure de données peut réduire les silos d’information. L’automatisation peut raccourcir les cycles d’expérimentation. L’IA peut aider les employés à rechercher de vastes ensembles d’informations ou à évaluer des alternatives plus rapidement. Les flux de travail numériques peuvent également faciliter la collaboration entre équipes de différents services.

Ces capacités aident à expliquer pourquoi la technologie d’entreprise se déplace de plus en plus des systèmes numériques vers des systèmes intelligents qui connectent les données, les connaissances organisationnelles et la prise de décision.

Une recherche distincte de 2026 a également constaté que la transformation numérique des entreprises était associée à un coût du capital propre plus bas, suggérant que les conséquences financières potentielles de la numérisation peuvent s’étendre au-delà de l’efficacité opérationnelle et influencer la façon dont les marchés financiers évaluent les sociétés.

La FinTech peut renforcer l’environnement autour de la transformation

L’article a également examiné si un environnement FinTech plus fort modifie la relation entre transformation et performance. Les chercheurs ont utilisé l’Indice de Finance Inclusive Numérique comme mesure externe du développement de la FinTech plutôt que de mesurer l’utilisation directe de la technologie financière par les entreprises individuelles.

L’interaction entre le développement de la FinTech et la transformation numérique était positive et statistiquement significative lorsque le Q de Tobin était la variable dépendante. En d’autres termes, les entreprises opérant dans des environnements de finance numérique plus développés semblaient présenter une relation positive plus forte entre transformation et valorisation boursière.

Il existe une limitation importante. Cette partie de l’analyse ne comportait que 100 observations, contre 46 055 observations d’entreprise‑année dans l’étude principale. L’article ne documente pas pleinement comment l’échantillon a été réduit à cette taille. Le résultat doit donc être considéré davantage comme un signal exploratoire que comme l’une des conclusions les plus solides de l’étude.

Accenture offre une exposition à la transformation numérique des entreprises

L’étude indique également une autre façon pour les investisseurs d’aborder la tendance de la transformation numérique. Au lieu d’essayer d’identifier quelle entreprise individuelle tirera le meilleur rendement des dépenses technologiques, les investisseurs peuvent examiner les sociétés qui vendent l’infrastructure et l’expertise nécessaires à la réalisation de ces transformations.

Accenture est particulièrement pertinente. Ses activités de conseil et de technologie couvrent la migration vers le cloud, l’architecture des données, la cybersécurité, l’automatisation, les logiciels d’entreprise et, de plus en plus, la mise en œuvre de l’IA. Cela place l’entreprise de l’autre côté des dépenses de transformation identifiées dans l’étude.

L’opportunité évolue à mesure que les entreprises passent de l’expérimentation avec l’IA générative à l’intégration directe de l’IA dans les processus métier. Accenture a continué d’élargir ses capacités dans ce domaine, notamment grâce à un récent investissement et partenariat avec Within axé sur la cartographie des processus métier, le déploiement d’agents IA et l’amélioration des opérations d’entreprise.

Pour les investisseurs, la thèse générale n’est pas que chaque projet technologique mérite de la patience. Il s’agit plutôt du fait que les résultats actuels peuvent donner une image incomplète lorsqu’une entreprise réalise d’importants investissements dans des capacités destinées à modifier sa future structure de coûts, sa capacité d’innovation ou sa position concurrentielle.

La transformation numérique nécessite une perspective d’investissement plus longue

La leçon la plus utile de l’étude n’est donc pas simplement que la transformation numérique est bonne ou mauvaise pour la performance financière. La relation dépend en partie de ce que les investisseurs choisissent de mesurer.

La rentabilité comptable actuelle peut refléter le coût de la transformation. La valorisation de marché peut refléter les attentes quant à ce que ces investissements finiront par produire. Aucun des deux ne raconte l’histoire complète pris isolément.

Cela fait de la transformation numérique un problème d’analyse d’investissement autant qu’un problème technologique. Les investisseurs doivent séparer les investissements productifs des dépenses à la mode, déterminer si les nouveaux systèmes s’intègrent réellement aux opérations, et identifier les preuves d’une amélioration des capacités organisationnelles.

Les entreprises qui réussissent cette transition peuvent éventuellement transformer les dépenses technologiques d’aujourd’hui en avantages concurrentiels de demain. Celles qui ne le font pas se retrouveront simplement avec les dépenses.

Références :

¹ Yang, F. et Wang, Y. (2026). Étude sur la transformation numérique des entreprises et la performance financière : le rôle modérateur du développement des technologies financières. International Review of Economics and Finance. Publication en ligne anticipée. https://doi.org/10.1016/j.iref.2026.105915