Caspian Advisory Partners est un cabinet de conseil en investissement transfrontalier spécialisé dans les transactions d’énergies renouvelables à grande échelle en Asie centrale. Asel Bekova pilote l’analyse quantitative des opérations pour le pipeline marchés émergents du cabinet, en couvrant la structuration du financement de projets, la préparation des comités de crédit et le reporting à destination des investisseurs. Le cabinet fonctionne avec une équipe resserrée, une expertise DCF approfondie et un calendrier de transaction mesuré en semaines.
Trois structures de financement, aucun modèle type pour le Kazakhstan
La mission : construire un DCF sur 25 ans pour un projet solaire PV à grande échelle au Kazakhstan, en couvrant simultanément trois structures — 100% equity, un prêt bancaire commercial et un prêt concessionnel d’une institution de financement du développement. Chacune nécessitait un VAN, un TRI des fonds propres et un DSCR : neuf résultats financiers distincts à partir d’un seul horizon de projet.
Aucun modèle type n’existait pour ce marché. L’historique de l’inflation au Kazakhstan et le mix énergétique domestique ne pouvaient pas être remplacés par des références européennes. Le prix du PPA devait être ancré sur les niveaux réels de clôture des enchères solaires au Kazakhstan et sur le barème tarifaire réglementé — et non sur des estimations de LCOE issues d’autres marchés. L’utilisation d’entrées génériques produit des chiffres de VAN et de TRI qui ne résistent pas à l’examen d’un comité.
Trois étapes préalables ont précédé toute analyse effective : localiser et parser les fichiers macroéconomiques du Kazakhstan, mettre en place un environnement Python avec numpy_financial, puis recalibrer le Capex et le prix du PPA une fois que les premiers résultats n’ont pas reflété des conditions de marché locales crédibles. Réalisé manuellement et de manière séquentielle, cela risquait de faire manquer entièrement le cycle de financement.
Energent.ai est devenu la couche de modélisation et de livraison
L’agent a pris en charge chaque étape, de l’entrée brute au livrable final :
- Ingested les fichiers d’historique d’inflation et de mix énergétique du Kazakhstan depuis le stockage local — localisés, lus et parsés avant même qu’une seule formule ne soit écrite
- Construit un DCF Python sur 25 ans couvrant les revenus, les charges d’exploitation, les échéanciers de service de la dette et les flux de trésorerie après dette vers les fonds propres pour les trois structures simultanément
- Installé numpy_financial, exécuté le modèle et examiné les résultats initiaux au regard des conditions de marché du Kazakhstan
- Recalibré le Capex et le prix du PPA sur les prix de clôture des enchères et les niveaux tarifaires réglementés du Kazakhstan en cours de session, sans redémarrer le modèle
- Produit un rapport analytique structuré couvrant la méthodologie DCF, les comparaisons des structures de financement, le contexte macroéconomique du Kazakhstan et une interprétation des indicateurs en langage clair
- Déployé un sous-agent de visualisation pour construire un tableau de bord HTML interactif comparant le VAN, le TRI des fonds propres et le DSCR sur les trois structures pour l’ensemble de l’horizon de 25 ans
Pas de modélisateur externe. Pas d’étape séparée de configuration d’environnement. Pas d’outil de visualisation secondaire.
Un calibrage local, pas seulement un calcul plus rapide
- Intrants macro spécifiques au Kazakhstan — l’historique d’inflation et le mix énergétique ont été ingérés directement depuis des fichiers locaux, sans substitution par des proxys génériques de marchés émergents qui ne résistent pas à la revue des prêteurs
- Recalibrage en cours de session — lorsque le Capex et le prix du PPA initiaux produisaient un écart de viabilité peu crédible, les deux intrants ont été corrigés et le modèle relancé dans la même session, et non au fil d’un cycle de révision
- Production parallèle des livrables — le rapport analytique et le tableau de bord HTML ont été produits simultanément, réduisant un workflow en plusieurs étapes à une seule session traçable
- Format de sortie prêt pour le comité — le tableau de bord ne nécessitait aucun formatage supplémentaire ni accès au fichier modèle avant de pouvoir être diffusé aux membres du comité
Neuf résultats et un tableau de bord, en une seule session traçable
- Neuf résultats financiers — VAN, TRI des fonds propres et DSCR pour chacune des trois structures de financement — produits et calibrés selon des intrants spécifiques au Kazakhstan
- Deux livrables prêts à présenter remis : un rapport analytique structuré et un tableau de bord HTML interactif de comparaison
- Correction des hypothèses effectuée en cours de session, sans faire appel à un spécialiste externe ni redémarrer le modèle
- Un workflow couvrant la collecte de données, la construction du modèle, la revue des hypothèses et la production du tableau de bord compressé en une seule session
"Dans une opération sur un marché émergent, l’étape de calibrage des hypothèses est celle qui prend le plus de temps. Le fait de l’avoir fait en session — avec les supports du comité déjà construits — nous a permis de nous concentrer sur les arbitrages, et non sur la construction du modèle." — Asel Bekova, Analyste financière senior chez Caspian Advisory Partners