Les investisseurs institutionnels restent prudents quant au déploiement de l’intelligence artificielle (IA) sur le lieu de travail. Les possibilités d’ajouter un sparring partner à l’équipe d’investissement sont étudiées étape par étape.
Lors de chaque révolution technologique, il y a une période initiale où les gens préfèrent attendre et voir. « La réticence de nombreuses institutions néerlandaises à mettre en œuvre l’IA sur leur lieu de travail n’est pas différente de celle qui régnait lors de l’introduction du PC et d’Internet », constate Christiaan Tromp, chez Ipfos. « Mais c’est l’occasion idéale d’intégrer un super assistant de plus en plus intelligent. »
Les avis divergent sur le rôle que devrait jouer l’IA sur le lieu de travail des investisseurs. Le gestionnaire d’actifs Schroders, par exemple, s’est pleinement engagé dans l’IA et a notamment mis en place son propre chatbot Genie, qui fonctionne avec des critères de sécurité stricts. Pour les investissements privés, la société utilise l’outil Gaiia, qui permet une préparation plus rapide des mémos d’investissement. « Nous avons intégré l’IA dans nos processus opérationnels et nous formons activement nos employés pour qu’ils puissent l’utiliser le plus efficacement possible », déclare le CIO, Nils Rode. « Le système fonctionne comme un assistant pour les analystes, en particulier pour le « traitement lourd » de l’analyse des données. »
Le gestionnaire d’actifs Comgest adopte une approche plus prudente. « Nous voulons d’abord mieux identifier les risques associés à l’utilisation de l’IA générative en particulier », affirme Lodewijk van der Kroft. « Nous pensons que l’IA est particulièrement utile pour les organisations qui adoptent une approche quantitative ou scientifique de l’investissement. Nous considérons nous-mêmes l’investissement comme un équilibre entre la science et la créativité humaine, et nous penchons clairement du côté créatif. »
GenAI
L’IA générative, ou GenAI, est une forme d’intelligence artificielle qui ne se contente pas d’interpréter des informations, mais génère également de nouveaux contenus de manière autonome. L’équipe Data Insights de Schroders expérimente cette méthode depuis trois ans. « C’est surtout dans le domaine de l’information qualitative que nous avons pu améliorer considérablement notre efficacité », raconte Nils Rode. « Grâce aux grands modèles de langage externes, nous pouvons désormais préparer des projets de notes d’investissement pour des centaines de propositions d’investissement privé à la vitesse de l’éclair, ce qui nous fait gagner beaucoup de temps et nous permet d’examiner en profondeur davantage d’opportunités d’investissement. La principale force de l’IA générative réside dans les données qualitatives (texte). Avec les données quantitatives, nous remarquons que le système est encore plus sujet aux erreurs, mais nous nous attendons à ce que la technologie s’améliore rapidement. »
Comgest utilise également l’IA générative, notamment par le biais d’outils tels que Claude et ChatGPT, mais, à l’instar de Schroders, fixe des limites claires. « Nous voulons absolument éviter que des informations sensibles ne soient divulguées, souligne M. Van der Kroft. C’est pourquoi nous travaillons avec un outil interne et examinons, dans un environnement d’IA contrôlé, si les informations restent bien protégées et comment l’IA peut jouer un rôle en toute sécurité à cet égard. »
Christiaan Tromp voit dans le pouvoir génératif de l’IA une opportunité pour les investisseurs institutionnels. « Vous pouvez cibler bien davantage votre portefeuille en demandant à la machine comment certains objectifs peuvent être atteints. S’il en ressort, par exemple, que vous devriez investir à 100 % dans l’or, c’est une proposition à mettre sur la table et à évaluer de manière critique. »
« Capacité d’ajustement »
La qualité des résultats de l’IA dépend de la qualité des données fournies par les humains. M. Tromp se réfère volontiers à la « capacité d’ajustement » de l’investisseur. « Vous devez d’abord formuler clairement votre objectif, puis donner des instructions précises à l’IA et enfin contrôler soigneusement le résultat », explique Christiaan Tromp.
« Si la saisie est incorrecte, l’IA peut reprendre des informations erronées. L’astuce consiste donc à intégrer soigneusement l’IA dans le processus, sans céder complètement le contrôle », explique M. Tromp. « Il s’agit d’un processus continu dans lequel les humains doivent toujours remettre en question le modèle d’IA de manière critique. En effet, la machine ne pourra jamais prédire l’avenir. »
M. Rode fait remarquer que l’on croit souvent à tort que l’IA remplacera les humains. Lui-même voit la technologie comme un levier. « Les capacités d’une personne sont renforcées, mais l’humain garde toujours le contrôle. Ce faisant, il est toutefois important de connaître les limites de la machine. C’est sur cette base que nous formons nos collègues. »
Plus dynamique et plus intelligent
Grâce à l’IA, les investisseurs disposent d’un sparring partner précieux qui les aide à comprendre les scénarios, les risques et le comportement du portefeuille. M. Tromp souligne que la création de scénarios et de simulations à l’aide de l’IA explicable (XAI) permet également d’obtenir une justification et une transparence instantanées. « Ce faisant, vous pouvez poser un nombre illimité de questions à la machine, qui vous expliquera comment elle est parvenue à une réponse donnée. Cela vous permet d’échanger à l’infini, sans souffrir des préjugés humains ou de la pensée de groupe d’un comité d’investissement. »
M. Tromp indique que le besoin de solutions XAI transparentes et intégrées croît rapidement. « Ces solutions sont essentielles pour une utilisation responsable et évolutive de l’IA dans le cadre de la gestion des actifs. Elles aident les entreprises à prendre de meilleures décisions et à les expliquer clairement aux clients, ce qui est essentiel pour la confiance et la conformité. »
Souvent, les études actuelles d’allocation d’actifs, également connues sous le nom d’études ALM, ne sont réalisées que tous les trois ans. Ces études travaillent avec des fourchettes par classe d’actifs. « Vous ne savez jamais avec certitude si l’allocation d’actifs est réellement optimale à ce moment-là. Avec l’IA, vous pouvez recalibrer beaucoup plus souvent et de manière plus flexible, ce qui rend le portefeuille plus résilient au lieu d’être simplement robuste. »