Intelligence artificielle - ITW - Fidel Martin : comment l’IA va transformer la gestion d’actifs

Fidel Martin : Le véritable basculement aura lieu lorsque l’on cessera de mesurer l’intelligence artificielle au nombre de projets annoncés pour commencer à mesurer son impact sur les processus opérationnels.

Aujourd’hui, beaucoup d’acteurs communiquent sur l’IA, expérimentent des outils ou lancent des pilotes. Mais entre utiliser ponctuellement un modèle génératif et transformer réellement une chaîne de décision, il existe encore un écart considérable.

Nous pourrons parler de transformation lorsque l’IA sera intégrée de manière industrielle dans les processus quotidiens : analyse, contrôle, exécution, recherche, gestion de la liquidité, conformité ou encore surveillance des marchés.

Les indicateurs seront finalement assez classiques : diminution du coût de traitement d’une opération, réduction du temps consacré aux tâches répétitives, amélioration de la qualité d’exécution, diminution du nombre d’erreurs ou d’anomalies, meilleure capacité à traiter des volumes importants de données et, surtout, capacité à prendre de meilleures décisions plus rapidement.

Le véritable indicateur ne sera donc pas : « utilisons-nous de l’IA ? », mais : « qu’est-ce que cette technologie nous permet aujourd’hui de faire mieux qu’hier ? »

Et à mon sens, beaucoup d’établissements sont encore loin de pouvoir répondre précisément à cette question.

Fidel Martin : L’exécution des ordres constitue un terrain particulièrement intéressant parce que nous sommes précisément dans un environnement où il faut analyser énormément d’informations en très peu de temps.

La liquidité disponible, les volumes, la volatilité, les spreads (les écarts entre les prix à l’achat et à la vente), le comportement historique d’un titre, les différentes places de négociation ou encore les conditions de marché peuvent évoluer extrêmement rapidement.

Un modèle capable d’analyser simultanément ces paramètres peut aider à déterminer le moment, le lieu et la manière d’exécuter un ordre afin de limiter son impact sur le marché.

L’objectif n’est pas nécessairement de gagner quelques millisecondes. Il est surtout d’améliorer la qualité globale de l’exécution.

Pour une société de gestion, cela peut signifier moins de slippage (l’écart entre le prix auquel un ordre devait être exécuté et le prix auquel il l’est réellement), une meilleure utilisation de la liquidité disponible, une réduction de certains coûts implicites et une capacité à adapter beaucoup plus rapidement une stratégie d’exécution lorsque les conditions de marché changent.

La recherche quantitative pourrait également être profondément accélérée. Tester une hypothèse, explorer des millions de combinaisons de données ou identifier des relations qui auraient été extrêmement longues à détecter humainement devient beaucoup plus accessible.

Mais il faut rester très prudent : produire davantage de signaux ne signifie pas nécessairement produire de meilleurs signaux.

En finance, le risque de surinterpréter une corrélation ou de construire un modèle extrêmement performant sur les données passées mais incapable de résister à un changement de régime de marché reste considérable.

L’IA peut donc considérablement augmenter notre capacité d’analyse. Elle ne supprimera jamais la nécessité de comprendre ce que l’on mesure.

Fidel Martin : Une partie importante du travail traditionnel de l’analyste repose encore sur la collecte, le traitement et la synthèse de l’information.

Lire plusieurs dizaines de publications financières, comparer des résultats, extraire des données, synthétiser une conférence téléphonique ou construire une première analyse d’un secteur : ce sont précisément des tâches sur lesquelles l’intelligence artificielle va devenir extrêmement performante.

La valeur de l’analyste va donc progressivement se déplacer.

Elle résidera moins dans sa capacité à trouver l’information que dans sa capacité à comprendre ce qu’elle signifie.

L’analyste de demain devra savoir poser les bonnes questions aux modèles, challenger leurs conclusions, détecter leurs biais et croiser des sources de nature extrêmement différente.

Mais sa véritable valeur ajoutée restera profondément humaine : comprendre une entreprise, un dirigeant, une stratégie, une rupture technologique ou un changement de comportement qui n’apparaît pas encore dans les données.

Dans un monde où tout le monde aura accès à des outils d’analyse extrêmement puissants, produire une synthèse ne constituera plus nécessairement un avantage compétitif.

Avoir une conviction différenciante, comprendre ce que les autres n’ont pas encore compris et être capable d’expliquer pourquoi le consensus pourrait se tromper deviendra probablement beaucoup plus précieux.

Fidel Martin : À mes yeux, la frontière est assez simple : une machine peut proposer, analyser, hiérarchiser ou alerter. Mais la responsabilité ne peut pas disparaître derrière l’algorithme.

Lorsqu’une société de gestion utilise un modèle, elle fait elle-même le choix de l’utiliser, de définir ses paramètres, de sélectionner les données qui l’alimentent et de déterminer le niveau d’autonomie qu’elle souhaite lui accorder.

La responsabilité doit donc rester du côté de l’établissement et des personnes auxquelles le processus de décision a été confié.

Il serait extrêmement dangereux de créer une forme de dilution de responsabilité où une mauvaise décision serait simplement justifiée par le fait que « le modèle l’avait recommandée ».

Une intelligence artificielle n’a ni mandat fiduciaire, ni responsabilité juridique, ni compréhension réelle des conséquences d’une décision.

L’enjeu majeur sera donc probablement la gouvernance de ces systèmes : qui valide le modèle, qui peut le désactiver, dans quelles circonstances une décision doit-elle être revue par un humain et comment retracer le raisonnement ayant conduit à une recommandation ?

Plus les systèmes seront puissants, plus cette gouvernance devra être rigoureuse.

Le paradoxe est finalement assez intéressant : plus nous automatiserons la décision, plus nous aurons besoin de définir clairement qui en est humainement responsable.

Fidel Martin : C’est effectivement un risque, mais je ne suis pas certain que la taille soit le facteur déterminant.

Les grands établissements disposent évidemment d’un avantage considérable en matière de données, d’infrastructures, de puissance de calcul et de capacité d’investissement.

Mais ils ont également des systèmes d’information extrêmement complexes, des organisations très importantes et parfois beaucoup plus de difficultés à transformer rapidement leurs processus.

À l’inverse, une société de gestion plus petite peut être beaucoup plus agile.

La démocratisation des modèles et des infrastructures technologiques signifie par ailleurs qu’il n’est plus nécessaire de construire soi-même tous les outils pour bénéficier de capacités extrêmement puissantes.

Le véritable fossé pourrait donc se créer moins entre grands et petits acteurs qu’entre ceux qui auront réellement repensé leur organisation autour de ces technologies et ceux qui se contenteront de les ajouter à leurs processus existants.

L’avantage compétitif ne viendra pas uniquement de la puissance technologique.

Il viendra de la combinaison entre la qualité des données, la compréhension des marchés, la capacité à intégrer les outils dans les processus opérationnels et, surtout, la rapidité avec laquelle une organisation saura apprendre à travailler différemment.

En ce sens, une structure plus petite mais extrêmement agile peut parfaitement prendre de l’avance sur un acteur beaucoup plus important.