down
News
Intelligence artificielle 2

Comment l’Intelligence Artificielle peut-elle assister les investisseurs dans la prise de décision ?

L’Intelligence Artificielle (IA) peut être définie comme la simulation par des systèmes informatiques de processus d’intelligence humaine : apprentissage (acquisition d’informations et règles d’utilisation), raisonnement (utilisation de règles pour parvenir à des conclusions) et autocorrection (amélioration grâce à l’analyse rétroactive des conslusions). Depuis ses débuts, qui remontent à l’article « Computing Machinery and Intelligence » publié par Alan Turing en 1950, l’IA a connu des hauts et des bas liés aux avancées des technologies. Ces dernières années, elle a prospéré grâce un environnement favorable alliant une baisse continue du prix de la puissance de calcul et une forte hausse de la volumétrie des flux de données issus des réseaux sociaux et des appareils portables. La banalisation des assistants virtuels (Siri et Alexa) témoigne des récentes avancées des technologies de l’Intelligence artificielle, qui figure clairement en tête de la liste des sujets de 2017.

Les applications potentielles de l’IA sont légion : ChatBots, conformité réglementaire, détection de la fraude, analyse du comportement des clients ou encore prédiction des tendances du marché. Ce dernier domaine d’application, où l’IA est utilisée comme moyen d’améliorer la prise de décision humaine, offre des cas d’usage particulièrement intéressant pour le Buy-Side. Il s’agit en effet d’un domaine dans lequel la pertinence du recours aux technologies de l’IA est pleinement justifiée dans la mesure où il implique de très grands volumes de données hétérogènes, tant structurées que non structurées, des analyses en quasi-temps réel et la reconnaissance des configurations ou patterns complexes.

 

Dans des conditions de marché où les taux d’intérêt ont atteint un point bas, les marchés actions sont sans direction ferme et où les frais restent sous pression en raison de la montée en puissance de la gestion passive, il existe un besoin impérieux d’idées génératrices d’alpha (gestion active). Certains Hedge Funds de premier plan explorent déjà des pistes pour tirer parti de l’IA afin d’améliorer la performance des fonds. L’apprentissage automatique ou Machine Learning (ML) est alimenté des très importants volumes de données financières (prix, volumes, mais aussi notes de recherche, données macroéconomique nationales, données financières et comptables des corporates…) qu’il utilise pour affiner son analyse, révéler les patterns qu’ils contiennent puis en inférer des stratégies d’investissement.

 

Des acteurs tels que Aidyia, Sentient Technologies, Rebellion Research ou Two Sigma développent ainsi des approches s’appuyant sur une combinaison de plusieurs techniques d’AI, telles que le Deep Learning ou l’Evolutionary Computation, afin d’identifier et d’exécuter des stratégies d’investissement de façon totalement autonome. Kensho est une autre illustration des impacts de l’IA sur le processus d’investissement. Cette start-up spécialisée dans l’analyse des données financières où Goldman Sachs a pris une participation de plusieurs millions $ en 2014, vise à réduire la prise de décision humaine. Comme le Siri d’Apple, Kensho est capable de répondre par le truchement d’une simple boîte de texte à plusieurs millions de questions formulées en langage naturel – mettant en péril les emplois des employés hautement rémunérés (quants, analystes…) dans un avenir pas si lointain.

 

Si l’utilisation de l’IA peut aider à industrialiser la prévision des tendances de marché basée sur l’analyse fondamentale, elle s’avère particulièrement adaptée quand il s’agit d’analyse de sentiment ou Sentiment Analysis (SA), à savoir l’évaluation des sentiments liés à une société ou un marché donnés exprimés dans les médias (communiqués de presse, forum, médias sociaux, chats et blogs …). PsychSignal ou MarketPsych, grâce à une approche statistique du traitement du langage naturel ou Natural Langage Processing (NLP) permettent aux acteurs du Buy-Side de quantifier des sentiments connus pour prédire la prise de risque (peur, joie, incertitude, confiance ou urgence) et de les intégrer dans leur processus d’investissement.

 

À mesure que les technologies de l’intelligence artificielle se banalisent, les investisseurs particuliers commencent également à bénéficier des avancées. Les plates-formes de gestion de patrimoine en ligne telles que
Responsive ou Quantenstein fournissent ainsi un service reposant sur l’IA qui adapte en quasi-temps réel la composition des portefeuilles.

 

Les avancées des technologies de l’intelligence artificielle commencent à fournir aux investisseurs les outils leur permettant de tirer parti du flux écrasant de données sous lequel ils sont quotidiennement submergés. En particulier, l’IA permet d’assister la prise de décision humaine et de renforcer l’investisseur dans ses choix grâce à une anticipation accrue des tendances du marché. Pourtant, il y a encore des obstacles entravant l’adoption des technologies de l’IA. Les principaux défis restent à relever : la pénurie de compétences en IA, l’existence de silos de données et la capacité à identifier les cas d’usage pertinents.