Par Louis Launoy, Senior Manager Alpha FMC France*, et Jeff Torchon, Principal chez Alpha FMC US.
Mis à part quelques expériences emblématiques récentes, comme Deep Blue d'IBM ou AlphaGo de Google, l’usage de l’intelligence artificielle apparait encore relativement faible. Si l’on perçoit bien les développements récents d'assistants personnels et de voitures sans conducteur comme des applications de l’intelligence artificielle, il s’avère que les évolutions sont très rapides au sein de divers secteurs d’activités. Des outils d'automatisation des processus à la compréhension du langage ou à l’automatisation cognitive, ces initiatives prennent de plus en plus d’ampleur.
Acquisition de données, traitement et modélisation
L'intelligence artificielle se matérialise réellement lorsque la solution a « la capacité d'apprendre, de comprendre et de penser de manière logique » et « peut s'adapter à son environnement au-delà de sa conception originale ». Les solutions d’intelligence artificielle doivent comporter deux fonctionnalités clés, chacune avec des degrés divers de complexité :
- l’acquisition de données et les capacités de traitement, et
- les capacités de modélisation.
Comprendre l'économie durable pour s'y investir
De nouveaux « game changers » ?
Bien que de nombreuses recherches aient eu lieu sur les techniques d’apprentissage automatique (« machine learning ») et les réseaux neuronaux depuis les années 1940, leurs mises en œuvre ont d'abord été limitées à la recherche et aux prototypes dans les universités. En revanche les dernières innovations technologiques, comme par exemple la réduction des coûts liés au matériel, les technologies “cloud”, le big data et le traitement du langage naturel, apportent de profondes évolutions. Ce sont des changements révolutionnaires, qui, comme l’a déclaré le PDG d’IBM il y a quatre ans, annoncent clairement le début, « de la 3ème ère de la technologie informatique [...], où la robotique rencontre le big data [...] et où les décisions seront prises à l'aide d'analyses et de données prédictives ».
Profiter de ces avancées n’était pas à la portée de la plupart des banques et des sociétés de gestion d’actifs, il y a seulement 10 ans. Cependant, les géants du secteur technologique et les fintech rendent désormais cette évolution possible, tant dans l’univers de la gestion privée, que dans celui de la gestion d’actifs. Pour n’en citer que quelques-uns : Microsoft Cognitive Toolkit, Azure, Google TensorFlow, Amazon AI Services, AWS Deep Learning AMI, Salesforce Einstein ou IBM Watson.
L’intelligence artificielle, enjeu pour la gestion d’actifs et la gestion de fortune
Les utilisations possibles de l’intelligence artificielle pour la gestion d’actifs et la banque privée sont vastes et ont un impact sur l'ensemble de la chaîne de valeur. On peut imaginer une optimisation sensible des interactions commerciales, du marketing et des services clients en temps-réel, une modélisation prédictive du marché basée sur le traitement instantané de téraflops de données, des échanges créés automatiquement avec une transparence totale des prix. Il n'est pas irréaliste de penser que les analystes auront leurs propres robots (« bots »), qui utiliseront le big data en temps réel pour réaliser en grande partie leurs analyses financières et de marché, voire même rédiger des rapports et des recommandations pour leur CIO (chief investment officer).
Comprendre l'économie durable pour s'y investir
La difficile réconciliation des opérations pourrait n’être bientôt plus que du passé, avec des « bots AI » positionnés de chaque côté d’une transaction à travers le back, le middle et le front office, réalisant l’ensemble du travail et n’alertant les équipes qu’en de rares cas de litiges. Si (ou quand) l'informatique quantique devient réalité, toutes les décisions de négociation, d'investissement et de distribution pourront être réalisées grâce à des « bots », permettant aux gestionnaires de patrimoine et de fortune de se concentrer davantage sur leurs relations clients et leurs stratégies commerciales.
Bien sûr, les initiatives s’appuyant sur l’intelligence artificielle relèvent encore d’un grand pari. Les études de cas sont difficiles à vendre en raison de coûts d'entrée encore relativement élevés, de courbes d'apprentissage abruptes, de synergies et de gains incertains, mais aussi de questions sur les réglementations en matière de données et de confidentialité. Et ces nouvelles pratiques entraîneront-t-elles de la volatilité sur les marchés ? Quels nouveaux modèles économiques pourraient surgir ? Seul le temps le dira. En attendant, les acteurs se doivent de réfléchir à leurs futurs plans de bataille.
* Alpha FMC, fondé à Londres en 2003, est un cabinet de conseil dédié aux acteurs de la gestion d'actifs et de la banque privée. www.alphafmc.com
