L’outil Monte-Carlo est une technique de simulation utilisée pour intégrer l’incertitude et la variabilité dans les modèles d’évaluation. Tandis que la méthode des revenus, et en particulier la méthode des flux de trésorerie actualisés, s’attache à estimer la valeur actuelle des flux de trésorerie futurs, la simulation de Monte-Carlo va plus loin en envisageant une série de résultats possibles en fonction de distributions probabilistes des variables d’entrée.
En effectuant de multiples itérations d’un modèle et en prenant en considération un large éventail de valeurs de paramètres d’entrée, la simulation de Monte-Carlo rend possible une évaluation plus complète de la valeur potentielle d’une technologie. Elle fournit des informations sur la possibilité de concrétisation des différents résultats, la plage de valeurs possibles et les probabilités associées, permettant ainsi une analyse plus solide des risques et des incertitudes associées au processus d’évaluation.
Nous avons examiné plus haut une méthode fondée sur les revenus dans laquelle le taux d’actualisation (une valeur unique) est utilisé pour tenir compte à la fois du coût de capital et de la probabilité de réussite – au cours du développement de l’actif de propriété intellectuelle et lorsque le produit qui la renferme arrive sur le marché. Cependant, l’utilisation d’une seule valeur pour représenter la variabilité des flux de trésorerie peut ne pas traduire pleinement la volatilité des entrées dans un flux de trésorerie typique.
En revanche, la simulation de Monte-Carlo tient mieux compte de l’incertitude associée aux variables clés telles que les flux de trésorerie futurs, les taux de croissance, les taux d’actualisation et les paramètres de marché. En générant un éventail de résultats possibles, elle fournit une distribution de valeurs, ce qui permet de dresser un tableau plus complet des risques et opportunités potentiels associés à la propriété intellectuelle à un stade précoce. L’application de la simulation de Monte-Carlo conjointement avec l’une des quatre autres méthodes d’évaluation de la propriété intellectuelle permet dès lors d’améliorer la prise de décisions, les stratégies de négociation et la gestion de portefeuille.
Les intrants suivants sont notamment sensibles au changement :
Taux d’actualisation – le coût du capital n’est pas le même pour une entreprise que pour une autre, et varie, par exemple, si les entreprises ciblées comme preneurs de licence potentiels ont des profils différents.
Taux d’attrition ou risques technologiques – ceux-ci sont bien établis dans certains secteurs, comme la biotechnologie, mais sont plus dynamiques dans d’autres.
Coûts de développement – ceux-ci peuvent augmenter si de nouveaux frais imprévus sont encourus.
Calendriers – jalons de développement ou de ventes atteints bien plus tôt ou plus tard que prévu.
Coûts associés – les coûts tels que le coût des produits vendus, des ventes et de la commercialisation, et les frais généraux et administratifs, sont difficiles à estimer aux premiers stades de développement de la propriété intellectuelle, et plus prévisibles aux stades ultérieurs et une fois que le produit est sur le marché.
Maintien en vigueur des brevets – si une entreprise étend la protection à une nouvelle région ou, au contraire, abandonne un marché donné.
Coûts de licence et taux de redevance liés aux ventes – ces coûts peuvent s’avérer supérieurs ou inférieurs aux attentes.
Changements ayant une incidence sur la durée de vie utile restante de la propriété intellectuelle – tels que le dépôt de nouvelles demandes susceptibles de rendre obsolète un actif de propriété intellectuelle en cours de développement, des procédures judiciaires ou des modifications de la réglementation.
Ventes et croissance sur le marché – la concurrence peut avoir une incidence considérable sur l’estimation des ventes et de la part de marché.
Scénarios de simulation
La méthode de Monte-Carlo exécute des scénarios hypothétiques afin d’élaborer une distribution de probabilités des différents résultats plutôt qu’une valeur unique. Naturellement, les scénarios de simulation vont du rang de ce qui est probable compte tenu de la situation du développeur de la propriété intellectuelle à des résultats improbables à l’autre extrême du possible. Les courbes de distribution des probabilités générées sont étayées par des intervalles de confiance qui vous aident à déterminer les valeurs les plus probables. Vous pouvez ensuite vérifier le bien-fondé des résultats des simulations de Monte-Carlo auprès de praticiens sur le marché et de leurs réseaux.
Note : VAN = valeur actuelle nette; VANr = valeur actuelle nette pondérée en fonction des risquesLa figure 3 illustre l’évolution du calcul de la valeur actuelle nette vers un résultat simulé. Dans cette figure, on peut voir l’évolution d’une courbe de flux de trésorerie au fil du développement d’un actif de propriété intellectuelle, illustrée par le flux de trésorerie négatif. Au cours de cette période, des activités de recherche-développement sont menées afin de transformer l’actif de propriété intellectuelle en un produit. On observe un point d’inflexion lorsque le produit arrive sur le marché et que les ventes contribuent au flux de trésorerie et, à un moment donné, le projet atteint le seuil de rentabilité et le flux de trésorerie devient positif. À la fin de l’horizon temporel défini, la valeur actuelle nette peut être déterminée.
Une deuxième courbe montre la valeur actuelle nette pondérée en fonction des risques, qui dissocie le coût du capital de la probabilité de succès à différents stades du développement, culminant à une valeur plus modeste. Nous pouvons prendre ces estimations de la valeur actuelle nette et envisager d’autres scénarios dans lesquels, par exemple, le produit obtient des résultats moins bons encore que dans le scénario de la valeur actuelle nette pondérée en fonction des risques.
Utilisation de la simulation de Monte-Carlo
Pour exécuter une simulation de Monte-Carlo, il est nécessaire de disposer des ressources appropriées, notamment d’un logiciel de statistique capable d’exécuter des simulations, d’une puissance de calcul suffisante et de compétences en matière d’analyse statistique. Il peut être utile de collaborer avec des spécialistes du domaine, tels que des analystes financiers ou des experts en mégadonnées, pour accroître l’exactitude et la fiabilité des simulations. Dans cet esprit, vous pouvez exécuter les étapes suivantes pour compléter les autres méthodes d’évaluation de votre propriété intellectuelle au moyen de la simulation de Monte-Carlo.
Étape 1 : Définir l’objectif de l’évaluation – formulez clairement un objectif d’évaluation, par exemple la détermination de la valeur potentielle d’un actif de propriété intellectuelle à un stade précoce à des fins de concession de licence ou autres.
Étape 2 : Rassembler les données pertinentes – collectez autant de données pertinentes que possible afin d’éclairer les données saisies aux fins de la simulation. Il peut s’agir de données financières historiques, d’études de marché, de rapports sectoriels, d’avis d’experts et d’autres sources fournissant des informations concernant les principales variables ayant une incidence sur la valeur de la propriété intellectuelle.
Étape 3 : Identifier les variables clés – identifiez les variables ayant une incidence significative sur la valeur de la propriété intellectuelle. Ces variables peuvent comprendre les flux de trésorerie, les taux d’actualisation, les paramètres de marché, les taux de croissance, les calendriers et les coûts de développement.
Étape 4 : Évaluer la qualité des données – évaluez la qualité et la fiabilité des données obtenues. Assurez-vous que les sources de données sont crédibles et représentatives de l’actif de propriété intellectuelle en question et de son secteur. Si des données manquent ou sont incomplètes, envisagez de mener des recherches supplémentaires ou de demander l’avis d’experts pour compléter les informations.
Étape 5 : Définir les scénarios ou les distributions de probabilité – pour chaque variable clé, définissez les scénarios ou les distributions de probabilité appropriées qui traduisent l’incertitude et la variabilité associées à la variable. Les distributions couramment utilisées dans les simulations de Monte-Carlo sont notamment les distributions normale, log-normale, triangulaire et uniforme. Tenez compte de facteurs tels que les données historiques, les valeurs de référence du secteur, les avis d’experts et toutes autres informations disponibles, afin de déterminer la forme, les paramètres et les plages des distributions.
Étape 6 : Préciser les hypothèses – énoncez clairement les hypothèses posées concernant les relations et, le cas échéant, les corrélations et interdépendances entre les variables clés. Définissez les éventuelles hypothèses de modélisation, telles que les taux de croissance, les conditions de marché ou les progrès technologiques, qui sont nécessaires pour créer un cadre de simulation réaliste.
Étape 7 : Générer des essais aléatoires – procédez à des essais aléatoires en prélevant des échantillons dans les distributions de probabilités définies pour chaque variable. Le nombre d’essais doit être suffisant pour être représentatif de l’éventail de résultats possibles et parvenir à la signification statistique et à la convergence vers une solution stable. Des milliers, voire des dizaines de milliers d’essais doivent généralement être effectués.
Étape 8 : Exécuter les simulations – exécutez les simulations en appliquant le ou les modèles d’évaluation définis à chaque essai aléatoire. Cela suppose de combiner les valeurs échantillonnées des variables clés afin de calculer la valeur de la propriété intellectuelle dans chaque itération de la simulation. Le résultat est une distribution des valeurs potentielles traduisant la variabilité et l’incertitude inhérentes à l’évaluation de la propriété intellectuelle.
Étape 9 : Analyser la distribution – analysez la distribution des valeurs générées par les simulations. Identifiez les écarts moyen, médian et standard et les autres mesures statistiques permettant de cerner la tendance centrale, la variabilité et la forme de la distribution. Visualisez la distribution au moyen d’histogrammes, de diagrammes de probabilité cumulatifs ou d’autres représentations graphiques permettant d’obtenir des informations sur l’éventail de résultats possibles.
Étape 10 : Interpréter les résultats et procéder à la prise de décision – utilisez les résultats de la simulation de Monte-Carlo pour éclairer votre prise de décision. Analysez la distribution afin de connaître la probabilité des différents résultats d’évaluation et d’évaluer le profil risque-rendement associé à l’actif de propriété intellectuelle. Ces informations peuvent vous aider dans le cadre de la négociation des conditions de licence, de la détermination du prix approprié ou de vos décisions d’investissement.
Avantages
Cette méthode permet de prendre en compte de manière explicite l’incertitude et la variabilité dans le processus d’évaluation. En prélevant des échantillons dans les distributions de probabilités des variables d’entrée telles que les flux de trésorerie, les taux d’actualisation et les paramètres de marché, la simulation génère un éventail de résultats possibles et fournit une représentation plus réaliste de la valeur potentielle de la propriété intellectuelle.
La simulation fournit des pistes sur les possibilités de concrétisation des différents résultats et les probabilités associées. Cette analyse probabiliste aide à évaluer le risque et l’incertitude associés à l’évaluation de la propriété intellectuelle afin de prendre des décisions plus éclairées.
Cette méthode permet de prendre en compte plusieurs variables d’entrée de manière simultanée, en rendant compte des interdépendances et des interactions. Cette évaluation exhaustive fournit un aperçu général des facteurs ayant une incidence sur la valeur et aide à cerner l’impact global des différents facteurs sur les résultats d’évaluation.
Inconvénients
Cette méthode requiert des données exactes et fiables. Il peut être difficile d’obtenir des données de qualité sur les variables clés, telles que les flux de trésorerie, les paramètres de marché et leurs distributions de probabilités respectives, en particulier pour les actifs de propriété intellectuelle à un stade précoce, pour lesquels les données disponibles peuvent être limitées.
Sa mise en œuvre requiert de solides connaissances en matière de concepts statistiques, de techniques de simulation et d’hypothèses de modélisation appropriées. Elle nécessite souvent des compétences dans le domaine de l’analyse statistique, ainsi que des logiciels de simulation.
Les simulations sont sensibles aux hypothèses posées concernant les distributions de probabilités, les corrélations et autres choix de modélisation. L’exactitude et la fiabilité des résultats de simulation dépendent de la qualité de ces hypothèses, et des changements mineurs dans celles-ci peuvent mener à des variations importantes dans les résultats d’évaluation.
L’exécution de simulations de Monte-Carlo requiert de procéder à un grand nombre d’itérations, ce qui peut être chronophage et requérir d’importantes ressources informatiques. Il peut s’avérer nécessaire de disposer de ressources suffisantes, notamment en termes d’ordinateurs puissants ou de logiciels spécialisés, afin de gérer les exigences informatiques de ces simulations.
Rassemblez les données pertinentes – collectez des données pertinentes et exhaustives afin d’éclairer les données saisies aux fins de la simulation. Il peut s’agir de données financières historiques, d’études de marché, de rapports sectoriels, d’avis d’experts et d’autres sources fournissant des informations concernant les principales variables ayant une incidence sur la valeur de la propriété intellectuelle. Assurez-vous que les données sont crédibles et représentatives de l’actif de propriété intellectuelle en question et de son secteur.
Identifiez les variables clés – ayant une incidence significative sur la valeur de la propriété intellectuelle. Ces variables peuvent comprendre les flux de trésorerie, les taux d’actualisation, les paramètres de marché, les taux de croissance, les calendriers et les coûts de développement. Il est crucial de comprendre ces variables et leurs fourchettes de valeurs potentielles afin d’élaborer des simulations précises.
Définissez les scénarios ou les distributions de probabilités – qui traduisent l’incertitude et la variabilité associées. Tenez compte de facteurs tels que les données historiques, les valeurs de référence du secteur, les avis d’experts et toutes autres informations disponibles, afin de déterminer la forme, les paramètres et les plages des distributions.
Précisez les hypothèses – définissez les hypothèses de modélisation nécessaires pour créer un cadre de simulation réaliste, notamment concernant les taux de croissance, les conditions de marché ou les progrès technologiques.
Effectuez des analyses de sensibilité – évaluez l’incidence de changements dans les principales hypothèses et variables sur les résultats d’évaluation. Cela aide à appréhender la solidité de l’évaluation et à identifier les facteurs cruciaux ayant une incidence sur le résultat.
Collaborez avec des experts – tels que des spécialistes de l’évaluation, des analystes financiers ou des experts en sciences des données. Cela peut accroître l’exactitude et la fiabilité des simulations. Faites appel à des experts en matière d’analyse statistique et de techniques de simulation afin de garantir la validité des résultats de vos simulations de Monte-Carlo.