L’intelligence artificielle (IA) est un thème de plus en plus populaire dans le secteur financier. En dépit des progrès réalisés ces derniers temps, de nombreuses applications liées à ce domaine en plein essor des sciences informatiques n’en sont encore qu’à leurs balbutiements. C’est notamment le cas de l’IA appliquée à la gestion d’actifs. Selon nous, le véritable plus dont pourra bénéficier le secteur proviendra de l’intelligence augmentée, qui s’appuie sur l’IA pour aider les humains à prendre des décisions au lieu de prendre les décisions à leur place.
Dans ce document, nous examinons les méthodes qui permettront aux sciences des données sous le contrôle d’un être humain d’être utilisées de façon durable et reproductible pour améliorer les résultats obtenus par les investisseurs. L’ IA est un thème populaire. Les articles consacrés aux véhicules sans conducteur ont par exemple suscité l’enthousiasme et éveillé l’imagination sur les lendemains qui nous attendent. Du point de vue du consommateur, ces progrès et les autres avancées dans le domaine de l’IA préfigurent l’avenir que pourrait nous réserver la technologie. Dans le secteur de l’investissement, ces innovations soulèvent toutefois des interrogations quant à la possibilité de voir des machines remplacer les gérants de portefeuille. Il existe déjà des « robots-conseillers » qui proposent des conseils financiers de base en s’appuyant sur des algorithmes calculés à partir des questions posées. La puissance de calcul continue d’augmenter et nous disposons désormais d’une base de données d’informations de marché historiques pour tenter de prédire les résultats futurs avec une plus grande précision.
La gestion d’actifs par l’IA est-elle alors à notre porte ? Malgré les progrès réalisés dans ce domaine, nous pensons qu’une certaine réserve se justifie à l’idée de confier nos responsabilités fiduciaires (et notre capital) à des machines. L’un des types d’IA qui offre le plus de possibilités à la gestion est l’apprentissage automatique (machine learning) : l’utilisation d’algorithmes et de techniques statistiques pour apprendre, et améliorer de façon systématique, les résultats d’une tâche donnée sans programmation explicite. L’analyse prédictive, c’est-à-dire l’utilisation de données existantes pour aider à prévoir les résultats futurs possibles, compte parmi les applications commerciales les plus fréquentes de l’apprentissage automatique. L’IA est une science informatique hétérogène qui compte différents types de systèmes d’analyse prédictive. Il peut être intéressant de comparer les différentes applications de l’intelligence augmentée et de l’IA à la gestion d’investissement. Veuillez présenter les papiers du véhicule, s’il vous plait Les concepts de conduite automobile et d’investissement présentent quelques similitudes : dans les deux cas, il s’agit d’aller d’un point A à un point B aussi rapidement et facilement que possible en limitant les risques. Dans l’investissement, « B » (la destination) peut être la préservation du capital ou la préparation en vue de la retraite. Dans le domaine de la conduite autonome, le type d’IA utilisé est appelé plateforme de conduite autonome (ADP, pour Autonomous Driving Platform). Si c’est l’ADP (la composante d’IA) qui constitue techniquement l’élément qui simule l’être humain, c’est-à-dire qui « conduit » la voiture sans conducteur, ce sont en fait les différents facteurs externes (le module 01 du graphique 1 de la page suivante) collectés de façon instantanée et continue qui représentent l’élément essentiel du système de conduite. Ces données externes alimentent l’ADP (module 02) qui, à l’aide d’une base de données de guidage préchargée, génère un comportement de conduite synthétique comparable à celui d’un conducteur humain, comme respecter la signalisation, accélérer ou ralentir et réagir aux obstacles sur la trajectoire de la voiture ou à proximité. On appelle cela le cycle perception-action. La particularité de l’ADP réside dans le fait que toutes les informations sont stockées et constamment réévaluées afin d’affiner le résultat final : chaque kilomètre parcouru « apprend » au système comment améliorer sa conduite. C’est la qualité des données d’entrée qui détermine la qualité des données de sortie. Pour tirer le meilleur résultat de l’IA, on compte cinq paramètres de calcul essentiels : 1. Un environnement constant aux règles fixes et immuables2.Des données numériques et quantifiables3. Des données abondantes (cela peut varier selon les secteurs) 4.Un faible niveau d’incertitude5.Des objectifs clairsNous estimons que ces éléments sont indispensables à l’application réussie de l’IA. Des systèmes informatiques comme Watson et Deep Blue d’IBM ou AlphaGo de Google, ont remporté des succès qui ont fait grand bruit dans le monde des jeux, et à cet égard l’IA obtient de bons résultats. Certains fonds spéculatifs appliquent également des stratégies de négociation fondées sur des algorithmes d’intelligence artificielle afin de prédire des modèles dans les tendances à court terme des marchés et de les exploiter en exécutant des milliers de transactions. Cependant, la puissance de ces systèmes dans des domaines comme les jeux ou la résolution de problèmes provient essentiellement du fait qu’ils sont cantonnés à un univers d’informations borné. Les jeux ont des règles (un environnement constant), un niveau d’incertitude lié à ces règles faible ou nul, un objectif clairement défini et un nombre calculable (même si colossal) de déplacements quantifiables, de réactions, etc. sur lesquels s’appuyer. Que se passe-t-il toutefois lorsque l’on change les règles ou que le contexte relatif aux données d’entrée est modifié ? Même si les plateformes d’IA font les choux gras de la presse, la réalité est que bon nombre d’entre elles génèrent des résultats incorrects et qu’elles ont pratiquement toutes besoin d’une intervention humaine, de modifications du code ou des algorithmes, afin de fonctionner correctement. Si nous en revenons aux cinq paramètres évoqués plus haut, la plupart des systèmes d’IA (notamment les programmes destinés à l’investissement) ne les respectent pas tous.
L’intelligence augmentée, en revanche, qui est apparue plus ou moins en même temps que l’IA, dispose d’un historique établi et nous pouvons l’observer dans pratiquement tous les domaines de notre vie quotidienne. L’intelligence augmentée concerne simplement l’amélioration de l’intelligence grâce à des moyens technologiques. Pour reprendre l’exemple précédent de la conduite, les voitures se voient dotées depuis des décennies de fonctions qui augmentent les capacités humaines. Il s’agit notamment d’éléments de base comme les rétroviseurs, les voyants de température ou les compteurs de vitesse, qui offrent des informations en temps réel sur l’état de la voiture. Ils ont tous été conçus pour aider les conducteurs humains à prendre de meilleures décisions au sujet de leur conduite. Les voitures actuelles disposent toutes de fonctionnalités beaucoup plus complexes : capteurs de ceinture de sécurité, aide au stationnement, avertisseur d’angle mort et, bien sûr, navigation par satellite (ou GPS). Ce sont là quelques exemples modernes d’intelligence augmentée. Deux petites lettres seulement : comment l’IA et l’intelligence augmentée fonctionnent de concert Pour les investisseurs, l’intelligence augmentée est un domaine scientifique beaucoup plus pertinent que l’IA. Elle nous permet d’extraire des connaissances que peu d’autres peuvent repérer, même lorsque les données sont bien visibles. C’est un avantage formidable pour l’investissement fondamental. Vous noterez que dans les exemples ci-dessus liés à la conduite, le conducteur est informé de données qui seraient autrement masquées ou difficiles à percevoir (une voiture dans l’angle mort, un embou¬teillage sur l’itinéraire, etc.). Vous pourrez bien sûr conduire votre voiture sans ces informations, mais vous arriverez à desti¬nation plus vite et de façon plus sûre si vous en disposez. Tout gérant de fonds qui envisage un investissement dispose de nombreuses informations utiles sur une société : sa situation financière, son chiffre d’affaires, les projets prévus par ses diri-geants, etc.
Il existe toutefois d’autres informations importantes auxquelles les investisseurs n’ont pas accès à l’heure actuelle au travers des canaux traditionnels. Par exemple :– Quelle est l’opinion réelle des consommateurs sur unemarque spécifique ?– En quoi les opinions des consommateurs sont-ellesinfluencées par les initiatives stratégiques d’une société oupar un scandale susceptible de l’affecter ?– Quel groupe démographique attire-t-elle le plus et quellecroissance pourra-t-elle obtenir en se concentrant sur cegroupe ou en cherchant à en atteindre d’autres ?– Ses magasins sont-ils situés dans des zones dans lesquellesses clients cibles peuvent se rendre facilement en voiture ?Les sociétés pourront répondre elles-mêmes à ces questions, qui sont essentielles pour leur permettre de prévoir leurs objectifs stratégiques. Pour affiner leurs plans stratégiques, des services entiers se consacrent à cartographier et analyser des données sur les populations locales, à mener des enquêtes et à examiner les données des programmes de fidélité. Toutefois, la plupart des investisseurs ne retrouvent qu’une fraction de ces informations dans les rapports et les prévisions de bénéfices des sociétés au lieu d’une vue d’ensemble de chaque société et de son secteur. Or, si les données à même de combler ces lacunes sont accessibles à tous (sachant qu’elles sont vendues par des organismes de recherche, publiées par des gouvernements et diffusées par des organisations sectorielles), les investisseurs individuels se retrouvent avec très peu d’informations exclusives. Dès lors, comment peuvent-ils obtenir un avantage ? Le prin¬cipal problème réside dans le fait que les ensembles de don¬nées sont bien trop grands et désorganisés pour être utilisés par les professionnels de l’investissement. Pour transformer les données en connaissances utiles, pour qu’elles comblent des lacunes, une vaste expérience de l’analyse statistique, du traitement de données et des modèles mathématiques est indispensable. Imaginez que vous deviez suivre les traces GPS de millions de téléphones alors que vous cherchez simplement à savoir où se situent les bouchons sur votre itinéraire. Une interface d’intelligence augmentée est nécessaire pour réduire ces données et les transformer en un ensemble capable d’aider un humain à prendre de meilleures décisions. Si nous reprenons les cinq conditions nécessaires à la réussite des outils d’IA, notre conclusion est que l’investissement à long terme restera une tâche essentiellement humaine, car les conditions suivantes indispensables à l’efficacité de l’IA font souvent défaut : 1. Environnement constant : ce n’est pas le cas s’agissant des investissements. Les marchés évoluent constamment et connaissent sans cesse des innovations en matière de structure, de réglementation et de comportement des acteurs du marché. 2. Données abondantes : cela peut être le cas pour les opérations à court terme, mais c’est difficile à appliquer pour l’investissement fondamental dans la mesure où les données de bonne qualité sur les sociétés ne remontent qu’à quelques décennies. C’est loin d’être suffisant pour qu’un algorithme puisse en déduire des relations complexes. La crise financière de 2007-2008 a davantage ressemblé à la crise des années 1930 qu’aux récessions plus récentes, mais les ensembles de données qui remontent aussi loin sont peu nombreux. Quand bien même ils seraient disponibles, leur capacité à générer des connaissances utiles ne serait pas garantie compte tenu du nombre de changements survenus après 80 ans d’évolution sociale, financière et technologique. 3. Faible niveau d’incertitude : ce n’est pas applicable à l’investissement. Les marchés financiers sont volatils et imprévisibles. Les cours sont influencés par des investisseurs qui appliquent des horizons temporels différents et ils peuvent être bouleversés par des événements extérieurs et des biais irrationnels. Des réseaux d’algorithmes complexes peuvent déclencher des krachs éclair, ce qui augmente la volatilité des marchés. 4. Un objectif clair : pour l’investissement en général, l’objectif est clair, mais pour des fonds individuels, aux objectifs différents, il est impossible de définir un instant T auquel on peut considérer qu’un investissement a atteint ou non son objectif. Du fait de la fluctuation des cours, il est difficile de déterminer si un titre donné permettra ou non de réaliser un profit à terme. Les objectifs d’investissement dépendent de la cible : par exemple, un régime de retraite à prestations définies ne souhaitera probablement pas s’exposer à la volatilité d’un fonds d’actions de petite capitalisation, qui attirera en revanche fortement ceux dont l’appétit pour le risque est plus prononcé. 5. Informations numériques : les investisseurs compétents parviennent à synthétiser toutes les informations pertinentes qu’ils ont à leur disposition (comme, entre autres, les rapports de recherche, leur compréhension des forces qui régissent les marchés, les effets des dirigeants des sociétés, des autorités de réglementation, des politiques et l’humeur du marché). Toutes les nuances contenues dans ces informations et notamment les aspects les plus qualitatifs sont cependant difficiles à numériser. ConclusionSelon nous, c’est avant tout en permettant aux spécialistes des données d’augmenter l’intelligence des gérants de fonds, en réduisant leurs angles morts et en leur offrant une vision plus vaste, plus claire et plus fiable, que l’intelligence artificielle et l’apprentissage automatique assureront de meilleurs résultats aux investisseurs. L’avantage de disposer d’informations supplémentaires est particulièrement important lorsque de nombreux acteurs du marché n’ont pas la possibilité de combler ces lacunes, même en s’appuyant sur la technologie, sur des initiatives, sur leur taille ou leur structure. Les occasions d’utiliser des techniques d’IA comme l’apprentissage automatique ne manquent pas pour affiner et préserver cet avantage. La décision d’acheter ou de vendre un titre reste l’apanage des gérants de fonds, mais pensez à la satisfaction que vous pouvez ressentir lorsque vous sortez de l’autoroute plusieurs kilomètres avant un embouteillage pour emprunter un itinéraire dégagé, tandis que les autres conducteurs patientent dans leur voiture, faute d’avoir été avertis du bouchon. À l’inverse, un conducteur encore mieux renseigné, précisément informé des dernières routes ouvertes ou des incidents à venir, pourra choisir de ne pas suivre aveuglément les instructions de son GPS, qui peuvent parfois le mener vers des raccourcis douteux en raison d’un simple petit algorithme oublié. C’est là que réside, selon nous, l’équilibre optimal entre IA et intelligence augmentée.
Informations importantes
Les points de vue et avis figurant dans le présent document sont ceux des auteurs à la date de la publication et sont susceptibles de changer en raison des conditions de marché et d’autres facteurs. Ces points de vue et avis ne représentent pas nécessairement ceux exprimés ou reflétés dans d’autres communications, stratégies ou fonds de Schroders. Ce document a une valeur informative uniquement. Le présent document ne doit pas être considéré comme une offre ou une sollicitation d’achat ou de vente de tout produit financier ou titre, ou une incitation à adopter une stratégie d’investissement. Les informations fournies ne doivent pas être considérées comme un conseil, une recommandation ou un travail de recherche portant sur des placements, et elles ne prennent pas en compte les circonstances particulières des lecteurs. Le présent document n’est pas conçu pour donner des conseils comptables, juridiques ou fiscaux, et ne doit pas servir de base à de tels conseils. Les informations données dans le présent document sont réputées fiables, mais Schroders ne saurait toutefois en déclarer ou en garantir l’exhaustivité ou la fiabilité. Schroders, ses dirigeants, ses collaborateurs ou ses agents déclinent toute responsabilité pour toute erreur factuelle ou opinion erronée ou pour toute perte résultant de l’utilisation de tout ou partie du contenu de ce document. Les points de vue et informations figurant dans ce document ne doivent pas être pris en compte lors de la prise de décisions personnelles en matière d’investissement ou de stratégie. Schroders n’est pas tenu de prévenir les destinataires lorsque toute information contenue dans le présent document n’est plus à jour ou devient inexacte. 3 Toute reproduction totale ou partielle des informations contenues dans le présent document est interdite sans l’autorisation expresse de Schroders. Les données contenues dans le présent document ont été obtenues de sources que nous considérons fiables. Schroders n’a pas vérifié ou validé ces données de manière indépendante et celles-ci doivent faire l’objet d’une vérification indépendante avant toute publication ou utilisation ultérieure. Schroders ne garantit pas l’exhaustivité ou la fiabilité de ces données. Tout investissement comporte des risques éventuels de perte de capital.Les données de tiers sont détenues ou sont utilisées sous licence par le fournisseur de ces données et ne doivent être reproduites ou extraites et utilisées à aucune autre fin sans l’autorisation du fournisseur de données. Ces données sont fournies sans aucune garantie de quelque nature que ce soit. Le fournisseur de données et l’émetteur du présent document n’assument aucune responsabilité quant aux données de tiers. Le site www.schroders.fr contient les mentions légales supplémentaires concernant les données de tiers.Les performances passées ne préjugent pas des résultats futurs et peuvent ne pas se reproduire. La valeur des investissements et les revenus qui en découlent peuvent évoluer à la hausse comme à la baisse. Les investisseurs ne sont donc pas assurés de recouvrer l’intégralité des sommes initialement investies. Les variations de taux de change peuvent entraîner la hausse ou la baisse de valeur de tout investissement à l’étranger. Le présent document peut contenir des informations « prospectives » telles que des prévisions ou des projections. Veuillez noter que ces informations ne garantissent en rien les performances futures et qu’il n’existe aucune certitude que les prévisions ou projections se réaliseront. Union européenne/Espace économique européen : Publié par Schroder Investment Management Limited, 1 London Wall Place, Londres, EC2Y 5AU, Royaume-Uni. Immatriculée en Angleterre sous le numéro 1893220. Société agréée et réglementée par la Financial Conduct Authority.