Par Chadha, fondateur, PDG et directeur des investissements de HandsOn Global Management – Série d’interviews

Par Chadha, fondateur, PDG et directeur des investissements de HandsOn Global Management, est un entrepreneur, investisseur et cadre technologique avec des décennies d’expérience dans la création et le développement d’entreprises technologiques. Depuis la création de HandsOn Global Management en 2001, il se concentre sur des investissements dans l’automatisation des flux de travail, le big data, l’automatisation robotisée des processus (RPA), les technologies cognitives et l’intelligence artificielle dans les services financiers, la santé, l’assurance et les marchés juridiques. Il est également co‑fondateur de Rule14 et a auparavant occupé les postes de président et président exécutif d’Exela Technologies, ainsi que de président de SourceHOV.

HandsOn Global Management (HGM) Limited est une entreprise axée sur la technologie qui opère à l’intersection de l’investissement stratégique et des services aux entreprises, combinant le déploiement de capitaux avec une expertise opérationnelle pour créer et développer des entreprises technologiques. La société se concentre de plus en plus sur les services de santé pilotés par l’IA, notamment la gestion du cycle des revenus, le codage médical, l’écoute ambiante et l’analyse des données de santé, tout en appliquant l’automatisation et l’optimisation des processus alimentées par l’IA aux flux de travail d’entreprise. HGM décrit son modèle comme un hybride entre une société d’investissement et un prestataire de services diversifié, utilisant acquisitions, intégration technologique et exécution opérationnelle pour poursuivre une croissance à long terme sur des marchés incluant l’Amérique du Nord, l’Asie‑Pacifique et le Moyen‑Orient.

Vous avez fondé HandsOn Global Management en 2001, bien avant que l’intelligence artificielle ne devienne un thème d’investissement grand public. Qu’est‑ce qui vous a initialement inspiré à créer l’entreprise, et comment sa philosophie d’investissement a‑t‑elle évolué parallèlement aux avancées de l’automatisation des flux de travail, de l’intelligence des données et de l’IA agentique ?

Le nom HandsOn décrit ma façon de concevoir l’organisation. Si vous ne pouvez pas être « hands‑on »—si vous êtes « hands‑off »—vous n’avez pas votre place dans notre structure. J’attends des personnes qui supervisent les entreprises, moi y compris, qu’elles pratiquent ce que j’appelle le leadership serviteur. Notre mission est de servir les personnes qui travaillent pour nous et de les aider à réussir davantage.

La technologie a changé de façon spectaculaire, mais la question fondamentale n’a guère évolué : que permet la technologie d’améliorer pour l’entreprise ?

Avec l’automatisation, je me suis toujours concentré sur ce que j’appelle la capacité flexible. Si un employé peut traiter 100 transactions et que l’automatisation lui permet d’en traiter 250, vous créez une capacité de croissance sans ajouter le même niveau de coût. Cela rend l’entreprise plus rentable et évolutive.

Aujourd’hui, l’IA pousse cela beaucoup plus loin. Nous nous dirigeons vers des flux de travail basés sur l’IA où l’on orchestre de nombreuses tâches différentes, avec des humains dans la boucle et une IA agentique également intégrée. Je pense que ce type d’entreprises sera très recherché et constituera parmi les sociétés les plus disruptives.

Ainsi, la technologie a évolué, mais notre philosophie reste « hands‑on » : comprendre le problème opérationnel, identifier où la productivité peut être générée, et transformer la technologie en activité.

En tant que PDG et directeur des investissements, quels critères distinguent une entreprise d’IA susceptible de devenir une activité pérenne d’une société qui ne profite que de l’engouement à court terme autour de la technologie ?

Pour moi, la différence réside dans la capacité à transformer l’investissement en activité. Sinon, l’investissement n’est qu’un coût.

Il peut y avoir beaucoup d’engouement autour de la propriété intellectuelle ou d’une nouvelle technologie, mais quelqu’un doit encore l’utiliser. Elle doit résoudre un problème, offrir une proposition de valeur et, en fin de compte, générer des revenus.

Prenons l’automatisation comme exemple. Il faut également comprendre la fonction que l’on automatise. Le marketing, les ventes, les achats, les RH, la finance, l’administration, la déclaration fiscale et la sécurité sont des fonctions très différentes. L’automatisation doit être conçue autour de ce que fait réellement l’entreprise concernée. Une station-service a des besoins très spécifiques. Un restaurant a des besoins très spécialisés.

Les entreprises qui perdureront seront celles où les clients constatent la différence — plus de rentabilité, plus d’évolutivité, plus de capacité, ou la possibilité de faire quelque chose qui n’était pas économiquement faisable auparavant. La technologie est importante, mais elle doit finalement devenir une activité.

HandsOn Global Management joue un rôle opérationnel actif dans la construction, l’acquisition et la transformation d’entreprises. En quoi cette approche « hands‑on » modifie‑t‑elle votre façon d’évaluer les investissements en IA comparée à un modèle de capital‑risque ou de capital‑investissement traditionnel ?

Je ne crois pas qu’il faille rester au sommet et simplement dire aux gens ce qu’ils doivent faire. Mon approche a toujours été que les personnes qui travaillent pour vous présentent des lacunes, et que votre rôle est de les combler et de les rendre performantes.

Cela signifie que, lorsqu’on examine un investissement, nous le faisons d’un point de vue opérationnel. Qui va le diriger ? Comment sera‑t‑il positionné ? Qui sont les clients et les partenaires ? Quelle est la proposition de valeur ? Peut‑il devenir évolutif ?

Je travaille main dans la main avec les équipes de direction, mais je souhaite également que la personne opérationnelle prenne les rênes. Je fais les présentations, laisse cette personne prendre le relais, reste en copie et suis disponible. Pour nous, posséder un investissement et exploiter une entreprise ne sont pas deux activités complètement distinctes.

De nombreuses entreprises expérimentent l’IA, mais peu ont réussi à la déployer à l’échelle des opérations critiques. Qu’est‑ce qui distingue les organisations qui passent de projets pilotes isolés à une adoption à l’échelle de la production ?

Une grande partie dépend de la capacité de l’organisation elle‑même à se préparer au changement.

La technologie peut évoluer plus rapidement que les personnes. Nous avons des diplômés qui maîtrisent l’IA, les agents, et peuvent devenir productifs très rapidement. En même temps, des personnes avec cinq, dix ou vingt ans d’expérience professionnelle peuvent avoir du mal à sortir de leur zone de confort pour entrer dans la nouvelle zone. Nous observons le même comportement aux États‑Unis, en Inde, aux Philippines et en Europe.

Cela devient un problème organisationnel, et non simplement un problème technologique.

Les entreprises qui effectuent la transition seront prêtes à modifier le flux de travail lui‑même. Une fois que vous orchestrez différentes tâches avec des humains et une IA agentique travaillant dans le processus, vous changez la façon dont le travail est réalisé.

Si les entreprises ne font pas ce changement, d’autres le feront. Je pense que cela devient une question de survie. Les entreprises qui perturbent le marché avanceront, tandis que celles qui ne le font pas seront perturbées.

Les initiatives de santé de HGM comprennent le codage médical autonome, l’intelligence vocale et conversationnelle, l’analyse prédictive et les agents IA qui opèrent à la fois dans les flux de travail administratifs et cliniques. Selon vous, où l’IA peut‑elle éliminer le plus de friction dans le secteur de la santé sans compromettre la précision, la confidentialité ou la confiance des patients ?

L’un des plus grands problèmes dans le domaine de la santé est que nous avons numérisé des fonctions individuelles sans nécessairement connecter l’ensemble de l’entreprise. Les réclamations, les inscriptions, la gestion des soins, la pharmacie, les services aux prestataires, l’analyse et le cycle des revenus peuvent encore fonctionner comme des systèmes isolés. Cela engendre du travail dupliqué, de l’inefficacité, des coûts plus élevés et une mauvaise expérience.

Je ne pense pas que la solution se résume à une autre application. L’intelligence doit être intégrée au flux de travail. L’opportunité consiste à rassembler données, processus et personnes afin que l’IA puisse aider à comprendre ce qui se passe, prédire la suite, recommander une action et automatiser les tâches qui le peuvent de manière appropriée.

Le travail administratif est un point de départ évident. Les prestataires sont encore confrontés à des processus manuels, des autorisations préalables et une charge administrative. Si la technologie peut simplifier ces flux, vous créez davantage de capacité pour le professionnel et, en fin de compte, plus de temps pour les soins.

Mais la confiance est cruciale dans le domaine de la santé. La sécurité, la conformité et la gouvernance doivent faire partie de l’architecture. La technologie doit simplifier la complexité, pas l’ajouter. L’objectif n’est pas l’IA pour l’IA, mais de meilleurs soins, des coûts réduits, une performance opérationnelle accrue et une meilleure expérience pour le patient et le prestataire.

Dans les secteurs réglementés tels que la santé, les services financiers, l’assurance et le gouvernement, comment les entreprises doivent‑elles déterminer quelles décisions peuvent être confiées à des agents IA autonomes et lesquelles doivent encore faire l’objet d’une révision humaine ?

Je pense que la responsabilité devient la ligne de démarcation.

Dans les activités réglementées, quelqu’un porte en fin de compte la responsabilité de ce qui est présenté. Dans la cybersécurité, par exemple, les régulateurs peuvent exiger que la direction et les conseils d’administration divulguent rapidement des informations, et la haute direction peut devoir signer des déclarations publiques. Le problème, c’est que personne ne sait tout, surtout aussi rapidement.

L’IA peut regrouper des outils, établir une référence, organiser l’information et rendre un processus beaucoup plus productif. Mais cela ne fait pas disparaître la responsabilité.

La santé en est un bon exemple. L’IA peut prédire, détecter, recommander et automatiser, mais ces fonctions n’ont pas toutes le même niveau de risque. L’architecture doit reconnaître où l’automatisation est appropriée et où les humains doivent rester dans la boucle. Plus la décision est conséquente, plus la gouvernance, l’explicabilité et la responsabilité deviennent importantes.

Je ne vois pas cela comme un choix entre une IA totalement autonome et un travail entièrement manuel. La question est de savoir où l’IA peut accomplir la tâche efficacement et où une personne doit encore exercer son jugement ou se porter garant du résultat.

Vous avez co‑fondé Rule14, une plateforme conçue pour trouver, surveiller, analyser et résumer l’information en temps réel. Comment les grands modèles de langage et l’IA générative ont‑ils changé ce qui est possible en extraction de données, et quels défis fondamentaux de données restent à résoudre ?

Les grands modèles de langage offrent la possibilité de rendre le travail basé sur l’information beaucoup plus évolutif.

Nous avons des entreprises où des centaines d’avocats et d’autres professionnels travaillent avec du contenu et de l’information, et historiquement ils ont utilisé davantage d’outils hérités que de grands modèles de langage. Ce qui m’intéresse, c’est la façon dont on peut prendre des plateformes conçues à une fin, les emballer correctement et les utiliser à grande échelle pour un objectif très différent.

Il ne s’agit pas simplement du fait qu’un modèle puisse résumer quelque chose. Vous pouvez modifier l’économie de la façon dont de grandes quantités d’information sont traitées, emballées et livrées.

Mais je n’assumerais pas que le fait de disposer d’un grand modèle de langage signifie que vous savez tout. L’information sous‑jacente reste importante, et dans le monde réel l’information peut être incomplète ou indisponible lorsqu’on en a besoin. Les modèles nous rendent beaucoup plus productifs ; ils n’éliminent pas la nécessité de comprendre quelles informations vous possédez réellement.

L’écosystème stratégique de HGM comprend des entreprises travaillant dans le codage médical autonome, la documentation clinique ambiante, les flux de travail intelligents, les paiements, le traitement des données et les plateformes de développement IA. Comment créez‑vous une collaboration technique et commerciale significative au sein d’un portefeuille sans forcer les entreprises à entrer dans un écosystème artificiel ?

Vous utilisez chaque entreprise pour ce qu’elle fait de mieux.

Je l’ai décrit dans la cybersécurité comme la création d’un petit club. Nous sommes le prestataire du service, et les autres entreprises sont des experts dans leurs domaines. Nous utilisons chacune pour sa meilleure capacité. En s’associant avec nous, elles accèdent à nos clients, et nous bénéficions de ce qu’elles font très bien.

Cela diffère de l’idée que chaque entreprise doit utiliser toutes les autres parce qu’elles se trouvent dans le même portefeuille. L’objectif est de rassembler les capacités en une solution que le client peut réellement utiliser.

En interne, j’adopte une approche similaire. Je connecte les bonnes personnes et laisse la personne opérationnelle diriger. Elles déterminent ce qu’elles peuvent faire ensemble, quels sont les budgets et si cela doit figurer sur la feuille de route produit.

La collaboration doit créer de la valeur. Sinon, il n’y a aucune raison de l’imposer.

Vous avez dirigé des investissements, des acquisitions et des transformations opérationnelles dans plusieurs régions et secteurs. Qu’avez‑vous appris sur l’adaptation des produits IA à différents environnements réglementaires, cultures d’entreprise, langues et niveaux de maturité numérique ?

La culture est importante, tout comme les relations personnelles.

Lorsque les personnes ne se connaissent que via un annuaire, un numéro de téléphone ou un courriel, j’appelle cela une relation très impersonnelle. Cela peut fonctionner quand tout est normal. Mais lorsque vous construisez, développez, réparez quelque chose ou gérez une difficulté, connaître la personne de l’autre côté devient beaucoup plus important.

Les voyages vous apprennent que les marchés ne sont pas tous identiques. Vous découvrez ce que les gens mangent, quels sports ils suivent, comment fonctionnent leurs systèmes scolaires, ce qui est sensible culturellement et ce qui crée des barrières inutiles. Plus vous connaissez le pays, les habitants et leur mode de vie, plus vous réduisez l’écart dans la relation.

La technologie est similaire. Les différents marchés sont à des stades différents. Certains pays sont plus avancés que les États‑Unis dans certains services professionnels, tandis que nous pouvons être plus avancés dans d’autres formes d’automatisation.

On ne peut pas supposer que l’on peut prendre un modèle, le déployer partout et attendre le même résultat. Il faut comprendre le fonctionnement réel de ce marché et établir des relations avec les personnes qui l’utiliseront.

À mesure que l’IA agentique, l’automatisation cognitive et l’IA physique convergent, quelles opportunités estimez‑vous sous‑estimées, et quels conseils donneriez‑vous aux fondateurs qui créent des entreprises pour cette prochaine phase de l’automatisation ?

Je pense que les flux de travail basés sur l’IA seront très, très demandés — l’orchestration d’une variété de tâches différentes avec des humains et une IA agentique dans la boucle. Je crois que ce seront parmi les entreprises les plus disruptives.

La disruption sera également plus large que ce que les gens imaginent. On a tendance à penser que l’automatisation touche le bas de l’échelle professionnelle. À mon avis, c’est souvent la couche intermédiaire qui est affectée. Les cadres supérieurs peuvent en faire davantage, donc ils ont besoin de moins de personnel intermédiaire. Le codage, les tests, la saisie de données et l’analyse de données sont automatisés, tandis que les flux de travail et les tableaux de bord réduisent le besoin de gérer certaines de ces fonctions.

Ensuite, il y a le volet physique. Les restaurants se automatisent. Le travail qui nécessitait auparavant des personnes pendant les saisons de récolte et de plantation est remplacé par des machines autonomes, des robots et des drones. Ce paysage évolue très rapidement.

Cette transition sera douloureuse. Les moteurs productifs auront besoin de moins de personnes. Mais si nous n’améliorons pas la productivité, nous ne pourrons pas concurrencer des pays beaucoup plus peuplés avec des structures de coûts très différentes. Si nous réussissons, je pense que cela peut être le début d’un nouveau siècle américain.

Pour les fondateurs, je me concentrerais sur le flux de travail et la productivité que vous créez. Construisez quelque chose qui devienne partie intégrante de la façon dont le travail est réellement effectué, comprenez où les personnes doivent encore intervenir, et reconnaissez que les organisations qui adoptent votre technologie traversent également une transition majeure de leur main‑d’œuvre.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter HandsOn Global Management.