Mes finances, mes projets, ma vie
17 novembre 2019

Intelligence artificielle : une nouvelle ère pour la gestion d’investissement

Pour l’essentiel, tout processus d’investissement repose sur l’analyse et l’interprétation de données. Avoir accès à des données de qualité et les analyser par le prisme de méthodes éprouvées permet donc de générer des rendements supérieurs. Après avoir cherché pendant des années à s’attacher les services des collaborateurs les plus talentueux, de nombreuses sociétés d’investissement envisagent aujourd’hui de se tourner vers une alternative potentiellement aussi efficace, si ce n’est plus : les robots.

Les leaders de la gestion de fonds investissent des sommes considérables dans l’intelligence artificielle. L’an dernier, BlackRock a par exemple créé le « BlackRock Lab for Artificial Intelligence » à Palo Alto, en Californie, afin de mettre au point une méthode visant à collecter et exploiter efficacement d’importants volumes de données (« big data »), et ainsi offrir des rendements plus élevés à ses clients.

Schroders et BNY Mellon poursuivent eux aussi d’importants programmes technologiques. Un rapport publié en 2018 par Standard & Poor’s révèle que 80 % des gestionnaires d’actifs prévoyaient alors de renforcer leurs investissements en faveur du big data dans l’année.

Pour l’essentiel, tout processus d’investissement repose sur l’analyse et l’interprétation de données. Avoir accès à des données de qualité et les analyser par le prisme de méthodes éprouvées permet donc de générer des rendements supérieurs.

L’Internet des objets

Qu’est-ce qui favorise l’émergence de cette tendance ? Ce n’est que ces dernières années qu’il est devenu possible de récolter suffisamment de données pour en tirer des conclusions significatives. C’est en effet grâce à l’Internet des objets, en pleine expansion, que des données peuvent être recueillies à une telle échelle, sur tous les sujets (tendances climatiques, dépenses de consommation, nombre de pas sur une journée, etc.), avant d’être réunies au sein de référentiels de big data permettant leur analyse.

Parallèlement, la puissance de calcul a augmenté jusqu’à rendre possible le stockage et l’interrogation de tels volumes de données. L’ordinateur le plus puissant au monde (Sunway TaihuLight, situé en Chine) est ainsi en mesure de réaliser pas moins de 93 billiards de calculs à la seconde. Ces innovations constituent une base sur laquelle les gérants de fonds peuvent développer et étoffer leurs capacités en matière d’intelligence artificielle.

De meilleures perspectives ?

En théorie, l’exploration de données permet de formuler des perspectives plus efficaces. À l’évidence, les entreprises qui sont en mesure de mettre en place les infrastructures adéquates afin de ne pas se perdre dans des volumes de données souvent désordonnés, non structurés et complexes, ont de bonnes chances de s’octroyer un avantage sur la concurrence. Quelques exemples : l’analyse de la fréquentation d’un grand magasin peut donner des indices quant à la plausibilité de ses estimations de ventes ; l’analyse des fils d’actualité peut permettre aux investisseurs de déterminer si une entreprise ayant subi un coup dur sera en mesure de surmonter l’épreuve ; la popularité d’un nouveau produit peut être évaluée grâce aux commentaires des clients sur les sites de vente ou les réseaux sociaux.

L’explosion des volumes de données (multiplication par dix d’ici 2025 d’après le groupe de recherche IDC) pourrait laisser sur la touche les entreprises se fiant exclusivement à l’intuition humaine. À plus long terme se pose un problème : l’accès aux perspectives offertes par les données pourrait se généraliser, et ces informations tendraient donc à être intégrées aux cours de marché. Le secteur de l’investissement pourrait alors se retrouver embourbé dans une véritable course numérique voyant les entreprises analyser des volumes de données toujours plus importants, de sources toujours plus nombreuses, dans l’espoir de se distinguer.

Quoi qu’il arrive, ne rien faire n’est pas une option. Luke Ellis, CEO du gestionnaire de hedge funds Man Group, a récemment déclaré qu’il pourrait être fatal pour les sociétés de gestion de fonds de ne pas adopter d’approches quantitatives fondées sur le big data : « Si vous ne traitez pas les données avec respect, vous allez droit dans le mur ».

Une collaboration harmonieuse

La solution consiste à faire en sorte que les gérants de portefeuille et les spécialistes des données travaillent main dans la main. Il revient aux équipes d’investissement d’identifier les domaines sur lesquels les spécialistes des données doivent concentrer leurs recherches. Schroders soutient qu’en l’absence de communication entre les deux groupes, les spécialistes des données ne posent pas nécessairement les bonnes questions et certains aspects technologiques échappent aux gérants de portefeuille.

L’équipe Data Insights de Schroders écrivait récemment sur son blog : « Une science des données efficace permettra de faire naître des idées inédites. Plus la quantité d’informations pertinentes sur une entreprise est grande, plus il est possible de multiplier les approches dans le cadre de son analyse. »

« Par extension, la probabilité que d’autres se livrent exactement à la même analyse diminue. Il est donc raisonnable de penser que la mise en œuvre d’une science des données appropriée au sein d’une grande société d’investissement lui conférera une vision différenciée, difficilement reproductible par la concurrence. »

Et d’ajouter : « La révolution de l’information ne se traduit pas par un environnement concurrentiel équitable, au sein duquel une plus grande accessibilité des données irait de pair avec une efficience accrue du marché. Au contraire, elle crée de véritables poches de valeur à long terme difficiles d’accès pour les acteurs ne disposant pas de l’envergure et des ressources nécessaires pour en tirer profit. »

L’intelligence artificielle appliquée à la gestion d’investissement peut contribuer à rendre l’homme plus clairvoyant et plus efficace, en le soulageant notamment de certaines tâches manuelles ou de calcul afin de lui permettre de consacrer davantage de temps à des activités à plus forte valeur ajoutée.

Rendre l’homme plus intelligent grâce à la machine

L’intelligence artificielle se prête en outre très bien à la gestion d’investissement dès lors qu’elle peut contribuer à rendre l’homme plus clairvoyant et plus efficace, en le soulageant notamment de certaines tâches manuelles ou de calcul afin de lui permettre de consacrer davantage de temps à des activités à plus forte valeur ajoutée.

Bien qu’un robot ne puisse pas encore rencontrer une équipe de direction et se forger une opinion quant à sa crédibilité et ses compétences, il peut effectuer toute une série de tâches permettant au gérant de fonds de mieux faire son travail. L’intelligence artificielle (IA) devrait par ailleurs aider le gérant à évaluer et atténuer plus efficacement les risques.

Les processus d’IA sont eux aussi appelés à devenir plus intelligents à l’avenir. Ils pourront en effet véritablement « apprendre » et développer des connaissances grâce à l’amélioration des données. Les sociétés qui ont déjà mis en place des mécanismes dans cette optique devraient constater leur utilité croissante au fil du temps.

Avantage potentiel en termes de coûts

Dès lors que leur création est particulièrement onéreuse, il est permis de se demander si les plateformes d’IA confèrent bel et bien un avantage aux grands groupes de gestion de fonds. C’est le cas dans une certaine mesure, mais cela dépend aussi du domaine d’investissement. Dans le secteur de la finance ou de la consommation, par exemple, les perspectives offertes par le big data peuvent faire la différence (combien les gens dépensent-ils et dans quels produits/services ?).

Il peut y avoir un avantage en termes de coûts. Une fois acquittés les frais d’implémentation initiaux, la technologie peut en effet permettre de réduire durablement les coûts. À l’heure où les investisseurs se montrent de plus en plus regardants vis-à-vis des frais de gestion, il s’agit là d’un atout non négligeable, d’autant plus si la société d’investissement a démontré sa capacité à surperformer les indices de référence.

L’intelligence artificielle représente-t-elle une nouvelle ère pour la gestion d’investissement ? Il s’agit en tout cas d’une évolution importante. Les sociétés trouvant le juste équilibre de compétences en matière de sciences des données et de gestion de portefeuille pourraient s’octroyer un avantage considérable.

Les limites des prévisions

Quel que soit votre avis sur la question, gardez à l’esprit que toute prévision financière, qu’elle concerne une entreprise en particulier ou l’économie et les marchés financiers en général, n’est en fin de compte qu’une supposition plus ou moins éclairée. La science de la modélisation et de la prévision constitue un outil de planification (de la production, des finances, etc.) précieux pour les entreprises. Il est en outre utile aux gérants de portefeuille, en conjonction avec un savoir-faire éprouvé et une gestion disciplinée des risques, aux fins d’une allocation d’actifs éclairée. Mais il est impératif de bien comprendre que le risque et l’incertitude font partie intégrante des prévisions.

Trois grands problèmes se posent d’ailleurs à cet égard. Premièrement, les prévisions se fonderont toujours sur de « vieilles » données. Nous ne disposons en effet que de données historiques, mais rien ne garantit que les conditions passées se répèteront à l’avenir. Il est dès lors impossible d’intégrer les événements exceptionnels ou inattendus, ni les externalités. Deuxièmement, les hypothèses sont dangereuses par nature et les événements de type « cygne noir » se multiplient à mesure que nous nous fions de plus en plus aux prévisions. Troisièmement, les prévisions ne peuvent tenir compte de leur propre impact. Qu’elles visent juste ou non, elles constituent un facteur qui influence les entreprises mais ne peut être considéré comme une variable. Nous sommes face à un nœud conceptuel. Dans le pire des cas, les équipes de direction deviennent esclaves des données et tendances passées au lieu de se concentrer sur le moment présent. Il s’agit donc d’un art périlleux dans la mesure où les prévisions réduisent mentalement le champ d’action des investisseurs, comme si le futur (de court à long terme) était déjà tout tracé. Qui plus est, les prévisions peuvent s’avérer tout simplement fausses dès le départ ou être invalidées en un clin d’œil par des éléments aléatoires impossibles à incorporer au sein d’un modèle.