Le moteur revenue d'un fonds PE et M&APE et M&A, sur Attio et Deepline

Le problème : un réseau de valeur que personne ne pouvait interroger

Le fonds investit en private equity et M&A, et comme la plupart des fonds son actif le plus précieux est son réseau : fondateurs, intermédiaires, co-investisseurs, LPs. Sur le papier ce réseau paraissait large. En pratique il était inutilisable, et le volume brut n'a jamais été le sujet. Les contacts s'étaient déversés pendant des années depuis des sources qui ne se parlaient pas, un export par-ci, une liste de conférence par-là, des runs d'enrichissement, des invitations d'agenda, et le résultat était une base pleine de doublons, de rôles morts et de fiches à moitié remplies. La vraie question n'était pas combien il y avait de contacts, c'était combien d'entre eux étaient réels, à jour et dignes de l'attention d'un associé, et personne ne savait répondre.

Les symptômes étaient ceux que tout fonds finit par rencontrer. Le dealflow vivait en partie dans un tableur et en partie dans la tête de trois associés. Les introductions étaient redécouvertes par accident, des mois trop tard, parce que personne ne voyait qui connaissait déjà une cible. Les étapes de deal étaient une colonne que quelqu'un avait oublié de mettre à jour avant la réunion du lundi. Et le CRM lui-même avait franchi la ligne que tout CRM peut franchir : les associés ne croyaient plus ce qu'il leur racontait, donc ils ont cessé d'y mettre de la bonne donnée, ce qui le rendait encore moins fiable. Un CRM auquel personne ne croit est pire que pas de CRM, parce qu'il coûte de l'argent et vous ment.

Le mandat n'était pas « configurez-nous un CRM ». C'était : rendre ce réseau interrogeable, rendre le pipeline réel, et automatiser le travail manuel pour que le fonds tourne sur le système au lieu de tourner autour, sans recruter une équipe d'ingénierie interne pour le surveiller.

Le build, partie une : Attio comme source de vérité

Automatiser par-dessus un mauvais modèle de données ne fait que produire de fausses réponses plus vite. Le premier chantier a donc été le modèle lui-même, conçu autour de la façon dont ce fonds investit vraiment, pas un tunnel de vente générique. Tout le raisonnement est dans notre guide Attio pour les fonds ; voici ce qui a été livré pour cette société.

Un humain, une fiche

Les personnes sont devenues un objet typé unique : le côté du deal (acheteur, vendeur ou intermédiaire dans un contexte M&A), la fourchette de ticket, le focus sectoriel, la source. La discipline la plus importante était un humain, une fiche, ce qui semble évident et est la chose la plus dure à tenir dans un fonds où le même fondateur vous atteint via une adresse Calendly, un email pro et un profil LinkedIn. Tenir cette ligne est un pipeline, pas un réglage, et c'est traité plus bas.

Sociétés et deals sur le vrai process du fonds

Un seul objet Sociétés couvre les prospects, le portefeuille, les institutions LP et les firmes co-investisseuses, séparés par classification plutôt que par silos, parce que la firme qui a passé son tour sur un véhicule est le LP prospect du suivant. Les étapes de deal reflètent le vrai parcours du comité d'investissement : sourcé, première réunion, revue associé, term sheet, due diligence, closé. Deux attributs ont été rendus non négociables : un propriétaire sur chaque deal et une prochaine étape datée, parce qu'un deal sans propriétaire est un deal qui meurt en silence entre deux réunions d'associés.

Listes et relations en vues live

Des vues sauvegardées sur les mêmes fiches, jamais des copies : un pipeline LP pour la levée en cours, des listes de thèse sectorielle, une liste de préparation de conférence reconstruite avant chaque événement, et un board de priorités pour la réunion du lundi. La synchro native Gmail et Calendar a donné à chaque fiche un historique d'interactions live et un signal de force de relation, l'intelligence relationnelle que les fonds achètent d'habitude Affinity pour avoir, incluse plutôt que facturée à part.

Le build, partie deux : 24 workflows Deepline en production

Avec un modèle qui méritait d'être automatisé, la couche d'automatisation vit sur Deepline, ce qui permet de faire tourner l'ensemble comme du code versionné que le fonds possède plutôt que comme le compteur de crédits d'un outil no-code. Vingt-quatre workflows tournent en production. Plutôt que de tous les lister, voici celui qui gagne la confiance des associés.

Extraction post-réunion, avec un contrôle adversarial

Après chaque appel enregistré, un pipeline extrait la substance en données CRM structurées : qui était dans la pièce, les montants discutés, les signaux de mandat et de ticket, les prochaines étapes convenues. La partie qui le rend fiable, c'est la seconde passe. Une étape de vérification adversariale relit le transcript et conteste chaque affirmation extraite, et tout ce qui n'a pas réellement été dit en réunion est rejeté avant de toucher la base. En production, ce contrôle bloque régulièrement des faits fabriqués ou inférés qu'une extraction en une seule passe aurait écrits droit dans des fiches en production. Ce garde-fou est toute la différence entre un CRM qui se remplit tout seul et un CRM auquel vous pouvez vous fier.

Le même moteur fait tourner le reste sans personne dans la boucle : une déduplication au niveau de l'identité entre Calendly et LinkedIn pour qu'un humain reste une fiche, un workflow de réenrichissement branché via Clay qui repère un réseau vieillissant avant qu'il ne se périme, et un reporting de pipeline reconstruit via l'API Attio, le tout orchestré avec n8n aux côtés de Lemlist pour l'outreach. Le CRM est le système nerveux, pas le corps entier.

Ce qui a changé pour le fonds

Oubliez les compteurs. Ce qui a changé, c'est la vitesse à laquelle le fonds avance, et la confiance qu'il accorde à sa propre donnée.

Le titre est un résultat, pas un compteur. Le système suit chaque investisseur du premier contact jusqu'au soft et hard commit, avec le montant d'allocation consolidé en temps réel au niveau du deal. Sur le deal phare, les soft commits générés par le système couvrent 85% de l'allocation, la moitié des investisseurs engagés étant déjà avancés à un soft commit de 50% : le chemin chaud, l'historique d'interactions complet et les contreparties qualifiées ont été faits par le système au lieu d'un associé la veille au soir. L'automatisation a transformé une course contre la montre en une requête.

En dessous, la base gagne sa confiance en étant impitoyable sur ce qui entre et honnête sur ce qu'elle enregistre. Le réseau est interrogeable, le pipeline est réel, le travail mécanique a disparu, et le fonds avance plus vite sur les deals en cours, sans recrutement d'ingénierie interne.

Sur quoi ça tourne

Une stack délibérément réduite et possédée, chaque brique faisant un seul job et le fonds détenant les clés de tout.

• Attio · la source de vérité : modèle de données, pipeline, intelligence relationnelle, et l'API sur laquelle le reporting a été construit.
• Deepline · la couche d'automatisation : les 24 workflows en production en code versionné, de l'extraction à la dédup en passant par l'enrichissement.
• n8n · l'orchestration et les connexions sécurisées vers les boîtes mail et les systèmes externes.
• Clay et les API providers · la cascade d'enrichissement derrière le workflow de réenrichissement.
• Lemlist · l'outreach, alimenté par le CRM et le réalimentant.

Aucun lock-in plateforme, aucune boîte noire. Tout est documenté et transmis, exactement de la même façon que chaque build que nous livrons.