Testée sur une vraie tâcheOfficielle AnthropicBusiness et productivité

DCF Valuation Model

Obtenez une valorisation Excel dynamique d'une société cotée, avec scénarios pessimiste, central et optimiste et tableaux de sensibilité.

Voir ce qu'elle a produit

Installez DCF Valuation Model gratuitement

Laissez votre email et les étapes d'installation s'ouvrent ici même : un prompt à coller dans votre outil d'IA. Valable pour les 149 skills.

Notre note: 6/10
Fonctionne dans: Claude, ChatGPT+7 autres
Claude Code, Claude app, Codex, ChatGPT, Cursor, GitHub Copilot, Gemini CLI, Antigravity, OpenCode, Windsurf et plus de 60 autres outils d'IA qui lisent les skills.
Faut-il coder ?: Un peu
Temps jusqu'au résultat: 30 min
Créé par: Anthropic
Testée le: 19 oct. 2026

Données et scénarios — Le classeur DCF : chaque cellule calculée est une formule dynamique, avec des scénarios pessimiste, central et optimiste.

La réponse courte

DCF Valuation Model est une skill des plugins de services financiers d'Anthropic qui construit un modèle de flux de trésorerie actualisés (DCF), une façon d'estimer la valeur d'une entreprise à partir de la trésorerie qu'elle générera, sous forme de fichier Excel entièrement dynamique. Elle convient aux investisseurs, étudiants en finance et analystes qui valorisent une société cotée et savent juger des données comme le WACC, le taux d'actualisation. Nous lui avons donné 6/10 : le tableur de notre test était professionnel et sans erreur de formule, mais ses chiffres ne valent que les données que vous lui fournissez, et il est difficile d'accès pour les non-financiers.

Idéal pour : Investisseurs, étudiants en finance et analystes qui veulent un modèle DCF propre et vérifiable pour une société cotée, alimenté avec de vraies données.

Envie de ce résultat dans votre propre travail ?

Inscrivez-vous gratuitement et installez DCF Valuation Model en une minute environ. Un seul email ouvre les étapes d'installation de toutes les skills du site.

Quand l'utiliser

Évaluer une action que vous détenez

Vous possédez quelques actions et vous demandez si le cours est cohérent. Lors de notre test, une vendeuse Etsy actionnaire d'Etsy a obtenu un modèle plaçant le scénario central à environ $48.50 par action contre un cours provisoire de $55, avec des scénarios pessimiste et optimiste activables depuis une seule cellule.

Comprendre comment s'articule un DCF

Vous êtes étudiant en finance et voulez voir un modèle propre. Les données saisies sont en bleu avec une note de source sur chacune, les formules en noir, et chaque étape du chiffre d'affaires au cours par action est une formule que vous pouvez suivre.

Mettre vos hypothèses à l'épreuve

Vous voulez voir de combien la valeur varie si la croissance ou les taux changent. La skill ajoute trois tableaux 5 par 5 (taux d'actualisation vs croissance à long terme, croissance vs marge, bêta vs taux sans risque), et chaque cellule refait toute la valorisation.

Comment obtenir un excellent résultat

Installez-la (étapes ci-dessous)
Elle fait partie du plugin d'analyse financière d'Anthropic. Demandez ensuite un DCF sur une entreprise par son nom ou son ticker ; la durée de prévision et les scénarios sont facultatifs.
Connectez ou collez des données à jour
Activez la recherche web ou un connecteur de données financières si vous en avez un, ou collez vous-même les derniers chiffres. La skill utilise d'abord les connecteurs, puis vos données, puis le web ; notre test n'avait rien de tout cela, donc chaque donnée était signalée comme approximative.
Validez chaque point de contrôle
La skill s'arrête pour vous montrer les données d'entrée, puis les projections et flux de trésorerie, puis le taux d'actualisation (WACC) avant de continuer. Lisez chacun : c'est là qu'une mauvaise marge ou un mauvais nombre d'actions se corrige facilement.
Ouvrez le fichier Excel
Vous obtenez un fichier nommé d'après le ticker et la date, avec deux feuilles : DCF, avec les blocs de scénarios et trois tableaux de sensibilité en bas, et WACC. Mettez la cellule de sélection du cas à 1, 2 ou 3 pour passer du pessimiste au central à l'optimiste.
Remplacez les données en bleu
Les cellules bleues sont des chiffres saisis, chacun avec un commentaire indiquant sa source. Mettez à jour le cours et tout ce qui est marqué approximatif, et tout le modèle, tableaux de sensibilité compris, se recalcule.

Voici le prompt exact avec lequel nous avons commencé notre test :

Le prompt utilisé

Je vends sur Etsy et je possède quelques-unes de leurs actions. Peux-tu me construire un modèle DCF pour Etsy afin que je voie si le cours est cohérent ? Scénarios central, pessimiste et optimiste, s'il te plaît.

Le déroulé de la session

La conversation de notre test, raccourcie. Environ 30 minutes entre le premier prompt et le résultat final.

Vous: Je vends sur Etsy et je possède quelques-unes de leurs actions. Peux-tu me construire un modèle DCF pour Etsy afin que je voie si le cours est cohérent ? Scénarios central, pessimiste et optimiste, s'il te plaît.
AI: Chiffre d'affaires 2022-2024 environ $2.57bn, $2.75bn, $2.81bn ; marge EBIT ajustée d'environ 15-17% (hors dépréciations de goodwill) ; 112M actions diluées ; dette de $2.3bn en obligations convertibles contre $1.0bn de trésorerie, soit une dette nette de $1.3bn ; cours provisoire $55. Ces chiffres viennent de ma mémoire, pas d'un flux en direct. On continue ?
Vous: Oui, je corrigerai le cours plus tard.
AI: Central : croissance 3%, 4%, 5%, 5%, 4% ; marge EBIT passant de 15.5% à 17.5% ; impôt 23% ; D&A 6% ; capex 2% ; le BFR libère 1% de la variation du chiffre d'affaires. FCF de $462M à $604M.
Vous: Ça me va.
AI: taux sans risque 4.2%, bêta 1.6, prime de risque 5.5% -> coût des fonds propres 13.0% ; dette après impôt 2.7% ; pondération 83/17 -> WACC 11.2%.
Vous: Ok. j'ai écrit build.py avec une disposition de lignes figée, un cas sélectionné basé sur CHOOSE, les 75 cellules de sensibilité en recalculs DCF complets (le tableau croissance/marge reprojette chaque année). lancé recalc.py de xlsx (via un correctif Python 3.9) : succès, 236 formules, 0 erreur. vérifié : cellule centrale des trois tableaux = $48.50 = cours implicite ; valeur terminale 69.9% de l'EV (dans la fourchette de 50-70% de la skill) ; g terminal 3% < WACC...
AI: Le scénario central donne une valeur implicite d'environ $48.50 par action contre le placeholder de $55, soit environ 12% de baisse potentielle. Le scénario optimiste ou un bêta plus faible vous fait passer au-dessus de $55. Réserve importante : les données sont approximatives et pas en direct ; remplacez les cellules bleues sur fond gris-jaune par des chiffres à jour avant de vous y fier. Ceci n'est pas un conseil en investissement.

Ce qui a marché et ce qui a coincé

Ce qui a marché

Produit un vrai modèle de style banque d'affaires : données d'entrée en bleu avec commentaires de source, sélecteur de scénario, bordures, formules dynamiques partout
Les trois tableaux de sensibilité 5x5 sont de vrais recalculs et leurs cellules centrales correspondent exactement à la valeur affichée ($48.50)
La méthode par points de contrôle oblige Claude à montrer données d'entrée, projections et WACC avant de continuer, ce qui permet à un non-spécialiste de repérer une mauvaise hypothèse

Ce qui a coincé

Il faut de vraies données financières : sans connecteur de données ni accès web lors de notre test, chaque donnée (chiffre d'affaires, actions, dette, bêta) venait de la mémoire de Claude et le cours était un placeholder à $55, donc le résultat est approximatif et daté. Astuce : collez les chiffres du dernier rapport annuel et le cours du jour dans votre premier message.
La prévision commence par une année déjà terminée : le fichier est daté d'octobre 2026, mais la dernière année réelle que Claude connaissait était 2024, donc la première année projetée est 2025. Astuce : indiquez-lui la dernière année publiée et demandez que la prévision commence après.
Lourd pour un non-codeur : le jargon (WACC, bêta, BFR) et une skill de 1,263 lignes obligent à faire confiance aux valeurs par défaut ou à connaître la finance, et le validate_dcf.py inclus n'est pas fiable (un faux échec « croissance terminale >= WACC », il attend une feuille Sensitivity que la skill interdit, et il a planté sur une vérification).

Envie de ce résultat dans votre propre travail ?

Inscrivez-vous gratuitement et installez DCF Valuation Model en une minute environ. Un seul email ouvre les étapes d'installation de toutes les skills du site.

Des prompts qui marchent

Remplacez les parties entre crochets par vos propres informations. Inutile de nommer la skill : demandez la tâche et votre outil d'IA l'utilise tout seul.

DCF avec trois scénarios

Je possède quelques actions [entreprise]. Peux-tu me construire un modèle DCF pour [entreprise ou ticker] afin que je voie si le cours est cohérent ? Scénarios central, pessimiste et optimiste, s'il te plaît.

Prévision sur cinq ans à partir de vos chiffres

Construis un modèle DCF pour [entreprise] avec une prévision sur cinq ans. Utilise ces chiffres du dernier rapport annuel : [chiffre d'affaires, résultat d'exploitation, trésorerie, dette, actions diluées]. Le cours du jour est de [$X].

Expliquer d'abord le taux d'actualisation

Quelle est la valeur intrinsèque de [entreprise] ? Montre tes hypothèses de WACC et explique chacune simplement avant de construire le modèle.

Tableaux de sensibilité sur les facteurs clés

Crée un DCF dans Excel pour [entreprise] avec des tableaux de sensibilité pour la croissance du chiffre d'affaires et le taux d'actualisation. Utilise un taux de croissance terminal de [2.5%].

Conseils tirés de notre test

Donnez-lui vous-même le cours du jour. Lors de notre test, le cours était un placeholder à $55, donc le potentiel de hausse ou de baisse ne voulait rien dire tant qu'il n'était pas remplacé.
Demandez à Claude d'expliquer chaque point de contrôle simplement. La skill fait une pause sur les données d'entrée, les projections et le WACC, mais des termes comme bêta, BFR (besoin en fonds de roulement) et valeur terminale supposent des connaissances en finance.
Vérifiez la fraîcheur des chiffres réels. Lors de notre test, construit de mémoire, la dernière année réelle était 2024, donc la première année de prévision était 2025, une année déjà terminée. Donnez-lui les derniers chiffres publiés et demandez que la prévision commence après.
Utilisez les cellules centrales en surbrillance comme contrôle de cohérence. Le centre de chaque tableau de sensibilité doit égaler le cours affiché par le modèle ; lors de notre test, les trois affichaient $48.50.
Surveillez le poids de la valeur terminale, la valeur de toutes les années après la prévision. La skill vise 50 à 70% du total ; lors de notre test, elle était de 69.9%, donc les hypothèses à long terme déterminaient l'essentiel de la réponse.
Fiez-vous au recalcul des formules plutôt qu'au vérificateur inclus. Lors de notre test, le recalcul indiquait 236 formules et 0 erreur, alors que le script de validation séparé de la skill a signalé un faux échec.

Ce qu'il vous faut : Claude Pro ou plus, dans Claude Code ou dans Claude.ai avec l'exécution de code activée, La skill Excel (xlsx) d'Anthropic également : la skill DCF utilise son script pour recalculer les formules, Sur votre propre ordinateur : Python 3.10 ou plus récent avec openpyxl, et LibreOffice pour le recalcul, Idéalement un connecteur de données financières ou la recherche web pour des chiffres à jour.

Comment l'installer

Les skills suivent le standard ouvert Agent Skills, celle-ci n'est donc pas liée à une seule entreprise. Choisissez l'outil d'IA que vous utilisez. Vous hésitez ? Le premier onglet couvre la plupart d'entre eux en une étape.

Le plus simple : collez ceci dans votre outil d'IA

Installe cette skill pour qu'elle fonctionne dans tous mes projets : exécute `npx skills add https://github.com/anthropics/financial-services/tree/main/plugins/vertical-plugins/financial-analysis/skills/dcf-model -g -y` dans mon terminal. S'il manque Node.js, explique-moi d'abord comment l'installer. Une fois terminé, confirme que la skill est installée et dis-moi comment commencer à l'utiliser.

Ou faites-le vous-même :

Une seule commande installe la skill dans les outils d'IA de votre ordinateur. Elle détecte ceux que vous avez et vous demande où l'ajouter : Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf, OpenCode et plus de 60 autres.

$npx skills add https://github.com/anthropics/financial-services/tree/main/plugins/vertical-plugins/financial-analysis/skills/dcf-model -g

Node.js doit être installé (gratuit, sur nodejs.org). L'option -g rend la skill disponible dans tous vos projets.

Bon à savoir : La même marketplace propose des skills de comparables, LBO, trois états financiers et pitch deck. Ce n'est pas un conseil en investissement.

Débloquez les étapes d'installation

Gratuit. Laissez votre email une seule fois pour ouvrir les étapes d'installation des 149 skills, et recevez chaque mois les meilleures nouvelles skills.

Comment nous l'avons vérifié

Nous avons vérifié la skill à sa source d'origine le 18 octobre 2026 : le SKILL.md est au bon endroit, les fichiers ont été mis à jour au cours de l'année et la licence (Apache-2.0) autorise son usage. Puis, le 19 octobre 2026, nous l'avons installée, utilisée sur la tâche ci-dessus sans la modifier, et noté ce qui s'est passé, y compris ce qui n'a pas marché.

Questions fréquentes

Faut-il des compétences en code ou en finance pour utiliser la skill DCF ?

Pas de code, mais des connaissances en finance aident beaucoup. Claude écrit le tableur, mais il vous demande de valider les données d'entrée, les projections et le taux d'actualisation, et la skill suppose que vous savez ce que signifient WACC, bêta et fonds de roulement.

La skill DCF fonctionne-t-elle dans Claude.ai ou seulement dans Claude Code ?

Les deux. Elle fait partie du plugin d'analyse financière d'Anthropic, que vous pouvez ajouter dans Claude Code ou importer comme plugin dans Claude.ai. Nous l'avons testée dans Claude Code.

Quelle offre ou quels outils la skill DCF demande-t-elle ?

Elle demande Claude Pro ou plus, l'exécution de code et l'accès à des données financières, comme des rapports officiels, la recherche web ou un connecteur de données. Elle s'appuie aussi sur la skill Excel (xlsx) d'Anthropic pour recalculer les formules ; dans Claude Code sur votre propre ordinateur, cela signifie Python avec openpyxl et LibreOffice, comme lors de notre test.

Quelle différence avec une demande de DCF à Claude sans la skill ?

La skill impose des règles de banque d'affaires : chaque chiffre est une formule dynamique, les données d'entrée sont en bleu avec commentaires de source, des blocs pessimiste, central et optimiste, l'actualisation en milieu d'année et 75 cellules de sensibilité qui refont chacune toute la valorisation, plus des points d'arrêt pour vérifier avec vous. Lors de notre test, cela a donné un modèle sans aucune erreur de formule dont les trois tableaux correspondaient tous au cours affiché.

Le résultat du DCF est-il un conseil en investissement ?

Non. Le modèle montre seulement ce qu'impliquent ses hypothèses, et lors de notre test ces hypothèses venaient de la mémoire et étaient approximatives. Considérez-le comme un outil pour tester votre propre point de vue, et vérifiez chaque donnée par rapport aux rapports officiels récents.