---
title: "Créer un agent de due diligence avec Claude + Papermark (Tutoriel 2026)"
lang: fr
canonical_url: https://www.papermark.com/fr/blog/build-due-diligence-agent-claude
last_updated: 2026-07-08
published: 2026-07-03
category: [datarooms]
author: "Marc Seitz"
summary: "Tutoriel pas à pas - connectez le serveur MCP Papermark à Claude et créez un agent qui assemble une data room de due diligence et génère des rapports sur l'engagement des investisseurs."
---

# Créer un agent de due diligence avec Claude + Papermark (Tutoriel 2026)

Dans ce tutoriel, vous allez créer un agent de due diligence : Claude, connecté au [serveur MCP Papermark](https://www.papermark.com/docs/mcp), qui assemble une data room prête pour la diligence à partir d'un dossier local, signale les documents manquants par rapport à une liste de contrôle, génère des liens d'accès personnalisés par investisseur, et rapporte chaque matin qui a consulté quoi. La configuration complète se résume à une modification d'un fichier JSON et quelques prompts, et chaque composant fonctionne avec des outils standard : Claude Desktop, `@papermark/mcp-server` via npm, et la [data room Papermark](https://www.papermark.com/fr/data-room.md) en arrière-plan.

## Ce que l'agent va faire

La due diligence est un problème de logistique documentaire déguisé en opération financière. Quelqu'un (un fondateur en levée de fonds, un fonds en clôture d'un LP, une équipe M&A pilotant un processus côté vendeur) doit rassembler des dizaines de documents, les organiser selon les attentes des évaluateurs, contrôler précisément qui voit quoi, puis répondre chaque jour à la question « ont-ils vraiment regardé ? » jusqu'à la clôture de la transaction. Le [guide de la data room de due diligence](/fr/blog/best-virtual-data-rooms-for-due-diligence.md) couvre la version manuelle de ce processus.

Notre agent automatise quatre étapes de ce processus. Première étape : créer la data room avec une structure de dossiers de diligence standard. Deuxième étape : importer et classer les documents depuis un dossier local, et signaler les éléments manquants par rapport à une liste de contrôle. Troisième étape : générer des liens personnalisés par évaluateur avec mots de passe, vérification par e-mail et date d'expiration. Quatrième étape : produire un rapport d'engagement quotidien et un audit des accès. Chaque étape correspond à un prompt réutilisable.

## Revue manuelle de due diligence vs une data room assistée par agent IA

La raison de créer un agent IA de due diligence, c'est que la version manuelle de ce travail est là où les transactions perdent silencieusement du temps. Un associé ou un analyste passe la première semaine d'un processus non pas à analyser l'entreprise, mais à jongler avec les fichiers : renommer des exports, glisser des PDF dans des dossiers, vérifier une checklist à la main et configurer les liens investisseurs un par un. Rien de tout cela ne relève du jugement, pourtant tout doit être parfait, car un contrat mal classé ou un lien non sécurisé dans une data room active est le genre d'erreur qui surgit au pire moment possible. L'approche manuelle évolue linéairement avec le nombre de documents et de réviseurs, et se dégrade précisément quand la transaction devient intense.

Une data room virtuelle assistée par agent renverse l'équation. Claude prend en charge la logistique mécanique via le [serveur Papermark MCP](/fr/blog/papermark-mcp-server.md), tandis que vous conservez les décisions qui nécessitent réellement un humain : quelles lacunes sont importantes, quel réviseur relancer, si la room est prête à être envoyée. L'objectif n'est pas de vous retirer de la due diligence M&A, mais de vous libérer des tâches qu'une machine accomplit plus vite et plus systématiquement. Le tableau ci-dessous indique où l'agent justifie sa place et où vous restez pleinement dans la boucle.

| Tâche de diligence | Revue manuelle | Assisté par agent |
| --- | --- | --- |
| Construction de la structure de la room | Créer les dossiers un par un, en espérant que la nomenclature respecte la convention | Une seule invite construit l'arborescence numérotée complète |
| Tri et classement des documents | Glisser-déposer fichier par fichier, sujet aux erreurs de classement sous pression | Claude classe par contenu et dépose chaque document |
| Vérification des lacunes par rapport à une checklist | Croiser manuellement avec un tableur, risque d'oublier des éléments | L'agent analyse la room et liste les éléments manquants |
| Création de liens par réviseur | Configurer la validation par e-mail, l'expiration et le filigrane pour chaque lien et chaque cabinet | Une seule invite génère des liens sécurisés et à expiration pour chaque réviseur |
| Rapports d'engagement quotidiens | Ouvrir le tableau de bord, lire les cartes de chaleur, prendre des notes | L'agent résume les analyses page par page en texte, à la demande |
| Suppression ou révocation des accès | Vous le faites, délibérément, depuis le tableau de bord ou la CLI | Signalement uniquement — l'agent ne dispose jamais des permissions de suppression |

La dernière ligne est le principe de conception sur lequel repose l'ensemble du tutoriel, et il vaut la peine de l'énoncer clairement avant de toucher à un fichier de configuration : l'agent propose, vous disposez. Tout ce qui est créatif et additif — créer, classer, contrôler, générer des rapports — peut être confié en toute sécurité à Claude, car le pire des cas est un document dans le mauvais dossier que vous replacez. Tout ce qui est destructif reste entre vos mains.

## Comment le serveur MCP transforme Claude en agent de due diligence

Avant de passer aux étapes, il est utile de comprendre ce qui fait que c'est un agent plutôt qu'un chatbot avec une bonne invite. Le Model Context Protocol (MCP) est un standard ouvert permettant de connecter des modèles de langage à des outils externes, et le [serveur MCP Papermark](/fr/blog/papermark-mcp-server.md) l'implémente : il expose chaque opération Papermark — créer une data room, téléverser un document, générer un lien, lire des analyses — comme un outil typé que Claude peut appeler. Lorsque vous demandez à Claude de « créer la salle de diligence et de classer ces documents », il ne génère pas d'instructions à suivre ; il appelle lui-même les outils, lit les résultats et décide de la prochaine étape. Cette boucle d'appel, observation, décision, nouvel appel est ce qui rend le flux de travail agentique.

Cela est particulièrement important pour la due diligence, car le travail est une chaîne d'étapes dépendantes où le résultat de chacune alimente la suivante. L'identifiant de la salle issu de l'appel de création alimente les appels de téléversement ; les résultats de téléversement alimentent l'analyse des lacunes ; la liste des réviseurs alimente la création des liens. Un simple script coderait cette chaîne en dur, mais un agent la raisonne, s'adaptant lorsqu'un document n'appartient pas clairement à un dossier ou lorsqu'un élément de la liste de contrôle est couvert de manière ambiguë. Claude fournit le jugement, le serveur MCP fournit les actions, et la [data room Papermark](https://www.papermark.com/fr/data-room.md) fournit la couche de sécurité sous-jacente. L'[analyse approfondie du serveur MCP](/fr/blog/papermark-mcp-server.md) couvre le modèle de transport et d'authentification si vous souhaitez une vue d'ensemble complète.

## Prérequis

Vous avez besoin de Claude Desktop (l'application macOS ou Windows), de Node.js 24+, et d'un compte Papermark avec un abonnement incluant l'accès API (Business ou supérieur ; le plan Data Rooms est à 99 €/mois avec un essai gratuit de 7 jours). Un dossier contenant vos documents de transaction sur votre machine est utile, mais des PDF fictifs conviennent parfaitement pour un test à blanc.

Les autorisations de l'agent proviennent entièrement d'un token API Papermark. Créez-en un depuis le tableau de bord sous Paramètres, puis Tokens API, avec les portées suivantes : `datarooms.write`, `documents.write`, `links.write`, ainsi que les portées de lecture pour les documents, liens, visiteurs et analyses. Ignorez toutes les portées permettant la suppression dont vous n'avez pas besoin ; le token constitue la limite stricte des autorisations de l'agent, et le [modèle de sécurité MCP](/fr/blog/papermark-mcp-server.md) est précisément conçu autour de ce principe.

## Étape 1 : Connecter Claude à Papermark

Ajoutez le serveur MCP à `~/Library/Application Support/Claude/claude_desktop_config.json` :

```json
{
  "mcpServers": {
    "papermark": {
      "command": "npx",
      "args": ["-y", "@papermark/mcp-server"],
      "env": {
        "PAPERMARK_TOKEN": "pm_live_your_token_here"
      }
    }
  }
}
```

Redémarrez Claude Desktop et vérifiez que les outils `papermark` apparaissent sous l'icône d'engrenage dans la zone de saisie du chat. Si ce n'est pas le cas, la [documentation d'installation](https://www.papermark.com/docs/mcp/install) contient un tableau de résolution des problèmes ; les causes habituelles sont une faute de frappe dans le token ou Node absent du PATH. À partir de là, tout repose sur les invites.

## Étape 2 : Créer la data room de due diligence

Donnez la structure à Claude en un seul message :

> « Crée une data room Papermark appelée 'Acme : Diligence Série A' avec des dossiers numérotés : 1. Juridique & Corporate, 2. Finances, 3. Commercial & Clients, 4. Équipe & RH, 5. Produit & PI, 6. Conformité & Divers. »

Claude appelle `create_dataroom` une fois et `create_dataroom_folder` six fois. La numérotation a son importance : les examinateurs naviguent dans les data rooms de due diligence par convention d'index, et ce squelette à six dossiers correspond à ce qu'attendent la plupart des processus allant du seed à la Série B. Adaptez-le à votre type d'opération en consultant le [guide de structure des dossiers de data room](/fr/blog/data-room-folder-structure.md) si vous menez une opération de M&A ou une clôture LP.

## Étape 3 : Importer les documents et identifier les lacunes

Le serveur MCP s'exécutant localement (transport stdio), Claude peut lire votre système de fichiers. Pointez-le vers le dossier de la transaction et fournissez-lui des règles de tri ainsi qu'une liste de contrôle dans le même prompt :

> « Téléversez chaque fichier du dossier ~/deals/acme/ dans la data room "Acme : Série A Diligence". Classez par contenu : les documents de constitution et les contrats dans Juridique & Société, les comptes de résultat et bilans dans Finances, le tableau de capitalisation dans Juridique & Société, et les contrats de travail dans Équipe & RH. Ignorez les fichiers déjà téléversés. Ensuite, comparez le contenu de la room avec une liste de contrôle standard de diligence raisonnable pour une Série A et indiquez ce qui manque. »

Claude enchaîne `list_dataroom_documents`, `upload_document` et `attach_dataroom_document`, puis analyse le résultat pour produire une liste des manques (« pas de certificats d'assurance, pas de contrats de cession de propriété intellectuelle, les procès-verbaux du conseil s'arrêtent en 2024 »). C'est là qu'un agent surpasse un script : le tri et l'analyse des lacunes font appel au jugement, et le LLM les effectue pendant que les outils MCP assurent le travail mécanique. Relancez le même prompt à l'arrivée de nouveaux documents ; l'opération est idempotente par construction.

## Étape 4 : Contrôler les accès par évaluateur

Ne partagez jamais une data room de diligence avec un lien unique et ouvert. Les liens personnalisés par évaluateur vous offrent sécurité et traçabilité en une seule action :

> « Créez un lien vers cette data room pour chacun des évaluateurs suivants : fund1@example.com, fund2@example.com, counsel@lawfirm.com. Nommez chaque lien d'après la société du destinataire. Exigez une vérification par e-mail, désactivez les téléchargements, ajoutez un filigrane dynamique et définissez une expiration à 45 jours à compter d'aujourd'hui. »

Claude appelle `create_link` pour chaque destinataire avec `email_protected`, `allow_download: false`, `enable_watermark` et `expires_at`. Chaque utilisateur doit vérifier son adresse e-mail, chaque page qu'il consulte est marquée de son identité via le [filigrane dynamique](https://www.papermark.com/fr/dynamic-watermarking.md), et chaque lien dispose de sa propre piste d'analyse. En cas de fuite d'un document, le filigrane révèle de quelle copie il s'agit.

## Étape 5 : Le rapport d'engagement quotidien

Voici la requête clé, celle que vous exécutez (ou planifiez) chaque matin :

> « Pour la data room 'Acme : Diligence Série A' : listez toutes les consultations des dernières 24 heures avec l'adresse e-mail du visiteur, les documents ouverts et le temps passé par page. Quel évaluateur est le plus actif cette semaine ? Quelqu'un a-t-il ouvert le dossier Finances sans consulter le tableau de capitalisation ? Signalez tout lien expirant dans les 7 prochains jours. »

Claude parcourt `list_links`, `list_link_views` et `get_view_analytics`, puis synthétise une réponse en prose : qui est en train d'éplucher les finances, qui ne s'est pas connecté depuis l'appel d'introduction, où les évaluateurs marquent le pas page après page. Les fondateurs en phase de levée de fonds utilisent exactement ce signal pour prioriser leurs relances ; le raisonnement est le même que pour le [suivi de l'engagement sur un pitch deck](/fr/blog/how-to-track-activity-on-your-pitch-deck.md), étendu à toute une data room.

Claude Desktop ne peut pas se réveiller tout seul selon un planning, donc pour une vraie cadence quotidienne, utilisez soit un client prenant en charge les requêtes planifiées, soit déportez cette étape vers une tâche cron avec le [Papermark CLI](/fr/blog/automate-fundraising-data-room-papermark-cli.md). Le [guide sur les workflows agents](https://www.papermark.com/docs/guides/agent-workflows) présente le modèle d'interrogation, notamment l'envoi des résultats sur Slack via un second serveur MCP.

## Étape 6 : L'audit des accès

Une fois par semaine, demandez à l'agent de vérifier la bonne hygiène de la data room :

> « Auditez la data room 'Acme : Diligence Série A'. Listez tous les liens actifs et signalez ceux sans mot de passe ni vérification par e-mail, ceux sans date d'expiration, et ceux autorisant les téléchargements. Listez également les liens sans aucune consultation depuis 14 jours comme candidats à la révocation. »

Le rapport de l'agent devient votre liste d'actions. Notez le choix de conception délibéré : nous demandons à l'agent de _signaler_ les candidats à la révocation, et non de les révoquer. Gardez les opérations destructives entre vos mains, dans le tableau de bord ou via le CLI, et n'incluez pas les autorisations de suppression dans le token de l'agent.

## Adapter l'agent pour les due diligences M&A et LP

Les six étapes ci-dessus sont formulées dans le cadre d'une levée de fonds Série A, mais le même agent de due diligence s'adapte à tout processus fonctionnant sur une data room. Les seules choses qui changent entre une levée de fonds pour une startup et un processus M&A côté vendeur sont la taxonomie des dossiers, la checklist et la liste des évaluateurs — et ces trois éléments se trouvent dans les prompts, pas dans le code. Pour une due diligence M&A, vous remplacez le squelette de levée de fonds en six dossiers par une structure plus étoffée (corporate, financier, fiscal, juridique, propriété intellectuelle, RH, environnemental, contrats importants) et pointez Claude vers la liste de demandes de l'acquéreur plutôt que vers une checklist générique d'amorçage. Le [guide du processus de due diligence M&A](/fr/blog/m-and-a-due-diligence-process.md) détaille ce qui appartient à chaque phase ; le rôle de l'agent est de maintenir la data room synchronisée avec cette liste au fur et à mesure que les documents arrivent.

La due diligence LP sur un fonds suit la même structure avec un ensemble de documents différent : historique de performance, valorisations du portefeuille, LPA, documents de souscription et références. Comme chaque évaluateur dispose toujours de son propre lien sécurisé, les analytics par évaluateur qui rendent une levée de fonds lisible rendent également une clôture LP lisible. Vous voyez quel LP potentiel a réellement consulté l'historique de performance et qui temporise — exactement le signal page par page qu'un associé utilise pour décider où investir une semaine de travail. L'agent ne se soucie pas que les évaluateurs soient des capital-risqueurs, des acquéreurs stratégiques ou des limited partners — il construit la data room, classe les documents, contrôle les accès et rapporte l'engagement de la même manière. Ce qui change, c'est la taxonomie et la checklist que vous lui fournissez, l'un comme l'autre tenant en un paragraphe de prompt.

## Une équipe de cession, du début à la clôture

Imaginez une équipe de développement d'entreprise composée de deux personnes dans une société de logiciels du marché intermédiaire, pilotant un processus de cession. Un lundi, l'analyste exporte le dossier de transaction — trois ans de données financières, les contrats clients, le tableau de capitalisation, les cessions de propriété intellectuelle — dans `~/deals/project-atlas/` et ouvre Claude Desktop. Elle demande à l'agent de créer une data room "Project Atlas" avec la taxonomie M&A standard, puis lui indique le dossier avec les règles de tri et la liste des demandes de due diligence de l'acheteur. Quatre-vingt-dix secondes plus tard, la data room existe, une quarantaine de documents sont classés dans les bons dossiers, et Claude signale trois lacunes : aucune divulgation environnementale, des contrats manquants pour deux comptes nommés, et des procès-verbaux du conseil d'administration s'arrêtant au troisième trimestre. L'analyste transmet cette liste de lacunes au directeur financier, au lieu de la découvrir la veille de l'acheteur.

Le mercredi, l'agent génère un lien individuel sécurisé par e-mail, filigrané et valable 30 jours pour chacun des quatre soumissionnaires et leurs conseils, identifié par nom d'entreprise. À partir de là, le rapport d'engagement quotidien constitue le point d'équipe matinal : l'agent indique quel soumissionnaire a passé quarante minutes dans le modèle financier, lequel ne s'est pas connecté depuis la note de présentation, et qui a ouvert les contrats clients en passant sous silence le tableau de capitalisation. Lorsqu'un soumissionnaire se retire, l'équipe révoque manuellement ce lien unique depuis le tableau de bord — l'agent l'avait signalé comme candidat à la révocation, mais n'avait jamais eu l'autorisation de le supprimer. Au moment où la transaction parvient à l'exclusivité, le journal d'audit de la data room et les analyses par évaluateur constituent un enregistrement complet et opposable de qui a consulté quoi et quand, constitué sans que quiconque ait eu à glisser un seul PDF dans un dossier.

## Ce que l'agent peut et ne peut pas faire

Tout dans ce tutoriel repose sur un seul contrôle : le token API que vous créez pour l'agent, et les scopes que vous lui attribuez. Le token constitue l'univers entier des capacités de l'agent. Il ne peut pas voir une data room à laquelle vous n'avez pas accordé d'accès en lecture, et il ne peut rien supprimer si vous ne lui accordez jamais de scope de suppression — non pas parce que le prompt le lui demande gentiment, mais parce que le serveur rejette l'appel. C'est la différence entre un agent d'audit IA que vous pouvez réellement utiliser sur des documents de transaction en direct, et une démo que vous ne pointeriez jamais vers des données réelles. La posture sécurisée consiste à accorder les scopes additifs et de lecture dont le workflow a besoin, et à refuser tous les scopes destructeurs, de sorte que même un prompt confus ou malveillant ne puisse pas causer de dommages irréversibles.

Le tableau ci-dessous présente les trois niveaux d'opération et où chacun doit résider. Les opérations de lecture et d'écriture sont du ressort de l'agent ; les opérations destructrices sont les vôtres, effectuées délibérément dans le tableau de bord ou via le [Papermark CLI](/fr/blog/automate-fundraising-data-room-papermark-cli.md), où l'action est enregistrée et consultable. Séparer les deux n'est pas de la paranoïa — c'est le même principe qui empêche `rm -rf` d'être intégré dans un pipeline CI qui n'a besoin que de compiler.

| Niveau d'opération | Exemples d'outils | Sur le token de l'agent ? |
| --- | --- | --- |
| Lecture | list_documents, list_link_views, get_view_analytics, get_dataroom | Oui — nécessaire pour la vérification des lacunes et les rapports d'engagement |
| Écriture (additive) | create_dataroom, upload_document, attach_dataroom_document, create_link | Oui — la création de la data room et le contrôle d'accès en dépendent |
| Écriture (mutante) | update_link, update_document, promote_document_version | Optionnel — à accorder uniquement si vous utilisez le versionnage ou la modification de liens |
| Destructrice | delete_dataroom, delete_document, delete_link, detach_dataroom_document | Non — à exclure du token ; effectuez ces actions manuellement |

La règle pratique est de commencer uniquement avec les autorisations de lecture et d'écriture additive, ce qui est suffisant pour les six étapes ci-dessus, et d'ajouter des autorisations d'écriture modifiante si et seulement si vous adoptez la gestion des versions de documents. Les autorisations destructives ne figurent jamais sur le jeton de l'agent. Si une commande nécessite de supprimer un lien ou un espace, c'est le signal pour passer au tableau de bord ou à la CLI pour cette action spécifique, puis revenir à l'agent — la friction est une fonctionnalité voulue.

## Limites et mises en garde honnêtes

Trois points à connaître avant de vous y fier. Premièrement, la pagination de l'agent peut être paresseuse : pour une énumération exhaustive (« chaque vue, sans exception »), précisez explicitement « paginer sur toutes les pages », ou utilisez la CLI. Deuxièmement, les notifications sont en mode pull, pas push : l'agent rend compte sur demande, et les alertes en temps réel nécessitent des webhooks ou des exécutions planifiées. Troisièmement, le jugement de l'agent en matière de classification des documents est bon, mais pas infaillible — pensez donc à parcourir rapidement le rapport d'écarts avant de dire à un investisseur « tout est dans l'espace ».

Aucun de ces points n'est un obstacle ; ils définissent là où l'humain reste dans la boucle, ce qui, dans le cadre d'une due diligence, est exactement là où vous en voulez un de toute façon.

## Conclusion

Vous disposez désormais d'un agent de due diligence construit à partir de trois composants : Claude pour le jugement, le serveur Papermark MCP pour l'exécution, et un espace de données Papermark pour la couche de sécurité (accès par e-mail, filigranes, analyses au niveau des pages, journaux d'audit). L'ensemble revient à 99 €/mois avec le [forfait Data Rooms](https://www.papermark.com/fr/pricing.md) et environ dix minutes de configuration. Commencez avec l'essai gratuit, exécutez l'étape 1, et vous aurez la structure de base de votre espace avant que votre café ne refroidisse.

## FAQ

### Qu'est-ce qu'un agent de due diligence ?

Un agent IA qui automatise la logistique documentaire de la due diligence : constitution d'une data room, tri et vérification des lacunes documentaires, émission de liens d'accès personnalisés par évaluateur, et suivi de l'engagement. Ici, il s'agit de Claude connecté à Papermark via le protocole MCP.

### Dois-je écrire du code pour ce tutoriel ?

Non. La configuration consiste en un simple extrait JSON collé dans le fichier de configuration de Claude Desktop ; tout le reste repose sur des instructions en langage naturel. Si vous préférez les scripts aux conversations, le même flux de travail fonctionne avec la CLI Papermark.

### L'agent peut-il accéder à des documents confidentiels ?

L'agent accède à Papermark uniquement via votre token API, et les permissions sont appliquées côté serveur pour chaque opération. Il ne voit que ce que le token autorise, rien de plus. Désactivez les permissions de suppression sur le token et il ne pourra rien supprimer, même si on lui demande.

### Cela fonctionne-t-il avec claude.ai dans le navigateur plutôt qu'avec Claude Desktop ?

En grande partie. claude.ai se connecte via l'endpoint HTTP MCP hébergé par Papermark en utilisant OAuth, et prend en charge les mêmes outils. L'ingestion de dossiers locaux fonctionne mieux sur Claude Desktop, car le serveur stdio lit les fichiers directement depuis votre disque ; les clients navigateur envoient les pièces jointes via des URL présignées.

### Comment les évaluateurs accèdent-ils à la data room ?

Ils ouvrent leur lien personnel, vérifient leur adresse e-mail et voient la structure de dossiers numérotée dans le navigateur. Aucun compte n'est nécessaire. Selon les paramètres de votre lien, ils peuvent être invités à saisir un mot de passe, voir des filigranes dynamiques sur chaque page, et se trouver dans l'impossibilité de télécharger les fichiers.

### L'agent peut-il m'envoyer des rapports quotidiens automatiquement ?

Claude Desktop exécute les instructions à la demande, et non selon un planning. Pour des rapports quotidiens automatiques, utilisez un client MCP avec des instructions planifiées, ou déplacez l'étape de reporting vers une tâche cron avec la CLI Papermark, qui expose les mêmes données analytiques.

### Quel est le coût de la configuration ?

Le serveur MCP et la CLI sont gratuits à installer depuis npm. L'accès à l'API Papermark est inclus dans les forfaits Business et supérieurs ; le forfait Data Rooms avec documents illimités, filigranage et journaux d'audit est à 99 €/mois avec un essai gratuit de 7 jours. Claude Desktop nécessite un abonnement Anthropic.

### Quels documents doivent figurer dans une data room de due diligence pour une Série A ?

Les documents juridiques (statuts, tableau de capitalisation, procès-verbaux du conseil), les données financières (compte de résultat, bilan, projections), les contrats commerciaux, les accords RH et d'équipe, la documentation produit et PI, ainsi que les documents de conformité. L'agent peut vérifier les lacunes de votre data room par rapport à cette liste en une seule instruction.

### Puis-je utiliser le même agent pour une due diligence M&A, et pas seulement pour une levée de fonds ?

Oui. Le flux de travail est identique ; seuls la taxonomie des dossiers, la checklist et la liste des évaluateurs changent, et tous trois sont définis dans les instructions plutôt que dans le code. Pour un processus M&A côté vendeur, vous utilisez une structure plus étoffée (juridique, financier, fiscal, légal, PI, RH, environnemental, contrats importants) et pointez Claude vers la liste de demandes de diligence de l'acheteur. La due diligence LP sur un fonds fonctionne de la même façon avec un ensemble de documents spécifique au fonds.

### Qu'est-ce qui empêche l'agent de supprimer une data room ou un document ?

Les permissions du token API, appliquées côté serveur. Si vous n'accordez jamais de permissions de suppression, l'agent ne peut physiquement pas supprimer une room, un document ou un lien, même si une instruction le lui demande — le serveur rejette la requête. La configuration recommandée n'accorde que des permissions de lecture et d'écriture additive, afin que l'agent puisse créer, classer, restreindre et générer des rapports, tandis que toute action destructrice reste entre vos mains via le tableau de bord ou la CLI.

---

_Markdown version of [this article](https://www.papermark.com/fr/blog/build-due-diligence-agent-claude) for AI agents and LLMs._
_More Papermark content: [llms.txt](https://www.papermark.com/fr/llms.txt) · [full index (English)](https://www.papermark.com/llms-full.txt)._