Intelligence artificielle (2018)

I.A : Le nouveau loup de Wall Street?

Le potentiel d’utilisation de l’intelligence artificielle dans le secteur financier ne cesse de grandir depuis ces dernières années. Andrew Lo, directeur du Laboratoire d’ingénierie financière de la Sloan School of Management du MIT pense que l’impact sera vaste: « Je soupçonne que cela va transformer tous les aspects du l’industrie financière parce qu’il y a énormément de procédés pouvant être automatisés en utilisant ce genre d’algorithmes. » Néanmoins, de nombreux acteurs s’inquiètent des risques accompagnant cette utilisation et du manque de connaissance des autorités sur le sujet. L’I.A révolutionnera très certainement le secteur financier mais la vraie interrogation est de savoir quand et de quelle manière.

Afin de répondre à ces questions, une récente étude a été menée par le cabinet américain Baker & McKenzie auprès de 424 cadres supérieurs d’institutions financières, d’entreprises Fintech et d’experts de premier plan dans ce domaine. Au cours des trois prochaines années, les changements les plus spectaculaires se feront sentir dans les domaines du commerce, de l’analyse financière et de l’informatique, selon plus de 60% des répondants. L’intelligence artificielle serait par ailleurs capable d’agir sur l’information présente dans les marchés financiers et de tirer des enseignements de ses actes. De plus, l’évaluation des risques et la recherche financière sont les domaines dans lesquels les entreprises sont les plus susceptibles d’expérimenter des applications du learning machine. Cela permettrait, par exemple, une évaluation du risque de crédit plus incisive, complète et éclairée. Il semblerait donc que l’IA soit à considérer en tant que nouvel outil qui aidera à améliorer la gestion des risques des institutions financières. Plus qu’une perte de contrôle causée par une accélération imprudente des procédés, son application à la finance amènerait une plus grande ampleur et profondeur des marchés.

Comment l’intelligence artificielle s’applique-t-elle concrètement dans la finance?

Dans le domaine du trading et de la gestion des investissements, des entreprises telles qu’Aidiya et Sentient Technologies sont considérées comme pionnières. Elles utilisent une combinaison de techniques alliant machine learning et algorithmes évolutifs pour traiter d’énormes quantités de données, afin de reconnaître des modèles jusqu’alors inconnus. Contrairement aux formes traditionnelles de trading quantitatif, qui utilisent des algorithmes mis à jour par la main de l’homme, de nombreux logiciels d’IA apprennent et mettent à jour leurs modèles automatiquement et indépendamment de l’homme. Une autre caractéristique de ces programmes se retrouve dans la capacité de différenciation des données. Le Machine learning permettrait aux traders de déceler des relations qui ne sont pas immédiatement évidentes et par conséquent beaucoup plus difficiles à détecter pour l’homme. Cette poussée vers la différenciation distinguerait l’IA des autres formes de trading algorithmique, telles que le trading à haute fréquence. Il n’est pas ici question d’augmenter la vitesse des procédés mais leur ampleur.

L’IA est également de plus en plus utilisée pour la gestion d’investissement. Des techniques basées sur le principe de machine learning ont déjà trouvé une application dans le service de conseil en investissement. Dénommés « Robo-conseillers », l’I.A est utilisée sous la forme de sites de gestion d’investissement fournissant des conseils automatisés aux investisseurs. D’une part, cela pour pourrait permettre de sécuriser les investisseurs non aguerris en déconseillant des décisions risquées. D’autre part, ces logiciels peuvent amener une augmentation des mouvements de capitaux qui serait potentiellement dangereuse pour la stabilité des marchés.

L’unité Scientific Active Equity de BlackRock – une équipe d’environ 100 personnes composée de data scientists, de spécialistes du machine learning ainsi que d’experts financiers plus traditionnels – met en œuvre des techniques de machine learning pour prévoir les mouvements des cours. Selon M. Ebner, un gestionnaire de portefeuille senior chez Blackrock: «Nous utilisons des outils pour analyser les données sur les entreprises et utiliser ces données pour prévoir les principes fondamentaux, puis pour prévoir leurs rendements boursiers et construire des portefeuilles autour de cela.» Par exemple, il est désormais possible d’analyser les risques de change auxquels les entreprises sont exposées afin de connaître leurs bénéfices attendus bien avant les annonces trimestrielles et donc agir en conséquence.

Astrid Raetze, de Baker & McKenzie, s’attend également à ce que l’évaluation du risque de crédit à la consommation soit améliorée grâce à un profilage plus détaillé des clients risqués. Mme Raetze suggère que « l’IA devrait également réduire les risques dans d’autres domaines si elle est utilisée correctement. La lutte contre le blanchiment d’argent, la surveillance des clients ainsi que des activités frauduleuses sont des domaines où les organismes de réglementation pourraient utiliser l’IA pour améliorer la surveillance et l’examen réglementaire. »

Ce qui est clair, c’est que les progrès de l’IA et de l’analyse de données conduisent à une augmentation conséquente de la quantité et du type de données utilisées pour éclairer la prise de décision. Alors qu’avant, les décisions d’investissement étaient prises sur des paramètres traditionnels tels que les prix du marché, les taux d’intérêt ou les résultats trimestriels, l’IA peut intégrer de nouveaux événements dans le processus de prévision des prix des actifs. Par exemple, l’analyse des nouvelles concernant les libérations et les rappels de produits sur le marché, les approbations réglementaires, les acquisitions et autres événements de marché.. Cette avancée est rendue possible par la capacité de l’IA à analyser des données non structurées et de pouvoir les rendre lisibles.

Quand la loi de Murphy rencontre la loi de Moore : les risques potentiels

Selon Andrew, les marchés pourraient être confrontés à d’autres chocs instantanés ou à d’autres développements négatifs sur lesquels ni l’industrie ni les régulateurs n’ont actuellement une compréhension claire. « La nature de ces stratégies les rend très difficiles à comprendre. Cela signifie que certaines relations vont être difficiles à prévoir, de la même manière que personne n’a prédit le crash du 6 mai 2010, même aujourd’hui, nous ne comprenons toujours pas ce qui s’est passé. » Il souligne également la disparition de Knight Capital, un important trader américain dont un problème informatique en 2012 lui a causé 440 millions de dollars de pertes commerciales et l’a envoyé au bord de la faillite: “ Je ne pense pas que nous ayons résolu ce genre de problèmes, car finalement on agit en différenciant les capacités humaines et la technologie.”

Certains parlent d’une rencontre entre la loi de Moore et la loi de Murphy. En d’autres termes, la croissance exponentielle des avancées dans ce domaine combinée aux diverses manières de l’utiliser tend à mener à une catastrophe ou en tout cas à des complications. L’une des erreurs les plus courantes est connue sous le nom de « surapprentissage », qui se produit généralement lorsqu’un algorithme est trop complexe et qu’il manque d’hypothèses appropriées. Dans de tels cas, ils ne parviennent pas à distinguer les corrélations utiles (signaux) de la masse de données non pertinentes (le bruit) et identifient plutôt des facteurs «fantômes» ou des corrélations spécieuses. En outre, la technologie ne sera pas en mesure d’éliminer les risques inhérents à certaines activités financières, comme parier sur des événements futurs. Le risque d’erreur de programmation augmente également avec la volonté oppressante des entreprises de lancer de nouveaux programmes.

Il n’est pas donc pas surprenant que la confiance ne soit pas totale. Le Conseil de stabilité financière, l’organe chargé de détecter les grandes menaces qui pèsent sur la finance mondiale et de préconiser les réformes, a publié un rapport à la fin de l’année 2017. Certes, il y affirme que ces technologies pourraient engager une révolution industrielle dans les services financiers. Cependant, il appelle également à un examen approfondi de ces innovations afin d’en comprendre tous les risques.

D’autant plus qu’un grand nombre d’institutions financières ne sont pas convaincues que tous les risques juridiques liés à l’IA ont été compris par les organisations financières. Par exemple, ceux liés aux données et à la protection de la vie privée augmenteront en raison des volumes beaucoup plus importants de données collectées. La plupart des dirigeants du secteur interrogés estiment qu’une nouvelle forme de réglementation sera nécessaire pour faire face à l’IA et au machine learning. De plus, 60% des personnes sondées pensent que la réglementation actuelle n’est pas suffisante et doit être améliorée. Les plus grands risques, selon certains experts, résident dans l’utilisation abusive de cette technologie par les humains plutôt que dans les techniques elles-mêmes.

 

 

Au début de l’année 2016, un groupe de grands entrepreneurs mondiaux, dont Peter Thiel et Elon Musk, ont annoncé qu’ils allaient investir 1 milliard de dollars dans la création d’une organisation appelée OpenAI. Le seul but est d’aider à protéger l’humanité contre l’intelligence artificielle. Dans une lettre ouverte, les membres fondateurs ont résumé la tension au cœur de cette technologie en écrivant: «Il est difficile de comprendre à quel point l’IA au niveau humain peut bénéficier à la société, et il est également difficile d’imaginer combien elle pourrait nuire à la société si elle est mal conçue ou utilisée ».

Les mêmes réflexions émergent quant à la question de l’IA appliquée aux marchés financiers. Tous reconnaissent qu’il y a beaucoup à apprendre sur les changements que le machine learning apportera. Il y a tout autant à apprendre sur ses inconvénients potentiels. La plupart des sondés sont prudemment optimistes quant au futur rôle de l’IA sur les marchés financiers. Cet optimisme découle de la reconnaissance des grandes opportunités que permettront les applications réussies. Cependant, comme avec toute technologie, cela dépendra en grande partie de la façon dont elle est utilisée, ce qui déterminera finalement le risque et la récompense.

 

Répondre