Tribune de Victor Chicha, Responsable Développement France, et Oliver Kroll, chief product officer chez Scorable.
On présente souvent l’intelligence artificielle (IA) comme une menace pour les emplois qualifiés, notamment dans le secteur financier. C’est pourtant tout le contraire qui s’observe sur le terrain : l’IA est avant tout un outil d’aide pour prendre de bonnes décisions d’investissement.
Qu’il est loin, le temps des traders accrochés à leur téléphone pour obtenir des informations et passer des ordres ! L’informatisation des marchés a démarré il y a déjà plus de 30 ans et continue encore de progresser. Grâce à l’intelligence artificielle, notamment au machine learning, c’est désormais toute l’industrie de la gestion d’actifs qui connaît une nouvelle révolution : celle de la « data » et de son traitement.
Les marchés sont entrés dans l’ère de la data
La data, c’est l’ensemble de ces données de marché sur lesquelles les intervenants peuvent se baser pour prendre des décisions d’investissement. Bilans comptables, comptes de résultat, ratios financiers, notations d’emprunteurs, corrélations mathématiques entre actifs, identification des sources de surperformance : des milliers de chiffres existent de nos jours et constituent une base d’informations d’une qualité remarquable pour construire des portefeuilles d’actifs plus performants.
Les données sont devenues si nombreuses que l’on s’y noie facilement. Ou devrait-on dire « qu’un humain s’y noie facilement », car tel est le constat : malgré l’avalanche de chiffres dont ils disposent, les gérants d’actifs peinent toujours à battre leurs indices de référence.
Et pour cause : non seulement l’humain n’est plus en mesure de réaliser un traitement exhaustif des données à disposition, mais il conserve par ailleurs des « biais cognitifs ». On désigne ainsi des réflexes humains persistants, parfois bons mais souvent mauvais, qu’il serait préférable d’éviter. La donnée ne fait donc pas tout, encore faut-il savoir la traiter pour en extraire la valeur.
Eliminer les biais humains, la raison d’être de l’IA
On distingue ainsi différents biais cognitifs qui s’appliquent à chacun de nous : ces biais ne sont pas spécifiques à la finance, mais au genre humain.
Le plus célèbre d’entre eux est le biais de confirmation, qui nous pousse naturellement à réemployer les mêmes stratégies lorsque celles-ci ont déjà fonctionné au moins une fois. Mais dans le monde financier, cette approche n’est pas toujours payante : comme dans le monde du sport, l’application systématique d’une même stratégie finit toujours par ne plus fonctionner au bout d’un certain temps.
D’autres biais humains classiques font également mauvais ménage avec une gestion financière de qualité. Parmi eux : l’excès de confiance, la mémoire sélective (on ne retient que les très bonnes ou les très mauvaises expériences), ou tout simplement l’aversion au risque, qui pousse souvent les gérants à rester à l’écart des valeurs malmenées, aux valorisations devenues pourtant très attractives. Tous ces biais ont été analysés de fond en comble par des études de finance comportementale.
La solution : allier l’intelligence humaine à l’intelligence artificielle
C’est donc pour éviter ces biais qu’il est devenu utile de faire appel à l’intelligence artificielle. Peu émotive, gardant son sang-froid en toute circonstance, créée pour prendre des décisions rationnelles selon des critères objectifs, l’IA permet aux gérants d’éliminer la quasi-totalité de leurs biais de gestion.
Il faut bien comprendre qu’avec l’intelligence artificielle, l’humain n’est pas pour autant écarté de son siège de gérant. Au contraire, il y est conforté, à condition de savoir prendre en compte les conseils fournis par cette IA et en faire un outil d’aide à la décision. Cette alliance entre l’intelligence humaine et l’intelligence artificielle est même primordiale pour compenser les éventuels biais de l’IA.
En effet, on parle ici de machine learning, c’est-à-dire d’algorithmes apprenant par eux-mêmes à partir d’échantillons de données sélectionnées par des humains. Or, les biais de sélection peuvent exister et une IA, aussi parfaite soit-elle, ne pourra que reproduire ces biais en ayant plus de difficultés à traiter les cas sortant de l’ordinaire, imprévus ou sous-représentés sans son échantillon d’apprentissage. C’est alors que les connaissances d’un gérant humain, expert de son marché, s’avéreront essentielles pour traiter ces cas particuliers.
Cette complémentarité est d’ores et déjà exploitée par certains grands établissements financiers disposant d’équipes de « data scientists ». L’évangélisation n’en est toutefois qu’à ses prémisses dans l’ensemble du secteur de la gestion d’actifs. Faisant face à la concurrence des ETF, nul doute que les gérants sont pourtant à la recherche de solutions efficaces pour retrouver leur capacité à générer de l’alpha. Ceux-ci trouveront leur bonheur dans l’IA.