L'intelligence artificielle pour optimiser les stratégies d'investissement en gestion d'actifs
Comment l'humain et la machine sont complémentaire dans les stratégies d'investissement en gestion d'actifs.
Dans un secteur où la transversalité des tâches est nécessaire et où il faut constamment s’adapter, il est encore impensable qu’une IA puisse avoir une vue objective omnisciente sans qu’aucune action humaine ne soit nécessaire. Il n’est donc pas question de remplacer l’homme par la machine mais bien d’envisager la complémentarité des deux afin de donner naissance à une forme d’intelligence augmentée, plus pragmatique que la seule IA.
L’analyse prédictive au service des stratégies d’investissement
Le processus d'investissement regorge de situations incertaines et stressantes, en particulier lorsqu’il faut gérer une quantité importante d’informations dans une courte période. Les investisseurs font autant appel à leur expérience qu’à leur intuition pour décider des meilleurs investissements, mais aussi éviter les pièges et les mauvaises affaires. Les plus aguerris parviennent même à se départir de l’influence des biais cognitifs, ces réflexes de pensée faussement logiques que nous suivons pour porter un jugement ou prendre une décision rapide. Quel que soit leur niveau d’expérience, tous les gestionnaires peuvent pourtant tirer parti de l’IA pour les accompagner dans la prise de décision.
Selon une expérience menée par Harvard Business Review, les algorithmes d’intelligence artificielle s’avèrent en effet efficaces pour analyser de grandes quantités de données issues d’une large variété de sources, identifier des tendances ou des combinaisons d’investissements performants ou à moindre risque. Ils sont particulièrement performants pour des investisseurs novices, tandis que ceux avec plus d’expérience peuvent compter sur leurs années de pratique pour les égaler au moins dans le jugement. Attention néanmoins, il est important à ce stade de garder un regard critique face aux données fournies ou aux décisions prises par une IA, ces dernières reposant sur un jeu de données d’entrainement qui peut ne pas être exhaustif, voire parfois erroné. Les investisseurs chevronnés trouvent également un intérêt de taille dans l’IA, qui les aide à sélectionner les meilleurs portefeuilles en prédisant les probabilités d’évolution et la viabilité de chaque actif. Les algorithmes permettent ainsi d’attirer leur attention sur l’ensemble des signaux faibles de chaque actif, pour leur éviter un mauvais placement ou au contraire saisir une opportunité de gains. Autre bénéfice évident des modèles d’IA, ils permettent de sélectionner les points de données importants parmi de très grandes quantités d’informations disponibles, permettant aux investisseurs de considérer des marchés plus importants ou de détecter des opportunités autrefois hors de leur portée.
La confiance, clé de toute collaboration réussie
Le manque d'explicabilité constitue un obstacle majeur à l'adoption des modèles d'IA complexes. Les algorithmes d’intelligence artificielle sont encore souvent considérés comme boîtes noires qui absorbent des données et recrachent des prédictions. Or si les entreprises ne lui font pas confiance, elles ne pourront pas en tirer pleinement parties et resteront cantonnées à l’usage des IA les plus basiques. Pour améliorer la capacité d'exploitation de leurs modèles d’IA, les sociétés de gestion doivent faire en sorte d’augmenter l'adhésion des parties prenantes internes.
Il existe plusieurs approches pour rendre l’IA plus explicite. Les méthodes d’interprétabilité permettent de comprendre comment les modèles ont été entraînés, comment les données sont utilisées et comment les différentes caractéristiques sont pondérées dans le processus de décision. Leur principal objectif est d’éviter les interférences non identifiées de biais introduits lors de la conception de l’IA. Les méthodes de visualisation présentent quant à elles les résultats de manière graphique ou interactive. Cela permet de comprendre les décisions prises par les systèmes d’IA de manière plus intuitive et sans aucune complexité, ce qui favorise grandement l’adoption du modèle. Enfin, citons également les mesure de suivi qui évaluent et démontrent l'efficacité continue de l'IA, et peut être corrélé au taux de confiance qu'elle suscite au fil du temps. L’explicabilité joue aussi un rôle majeur dans l’amélioration des modèles d’IA, permettant de rapidement les rendre plus fiables, ou plus conformes à un modèle de pensée que l’on souhaite appliquer.
Ces approches auront, à terme, pour effet de modifier nos préjugés sur la place et l’utilité de l’IA en transformant la dualité qui oppose actuellement l’homme et la machine en complémentarité efficace. Validée par l’homme et tirant partie de son expérience et de sa créativité, les bénéfices de l’intelligence artificielle et de ses analyses objectives s’en trouveront dès lors décuplés. L’IA viendra légitimement l’épauler en lui faisant profiter de son incroyable capacité à traiter presque instantanément un très grand nombre de données, tandis que l’opérateur aura la responsabilité d’appréhender le monde dans sa globalité et toute sa complexité.
Une chose est sûre, le changement est en marche et les sociétés de gestion choisissent de plus en plus souvent de l’inclure dans leurs stratégies, identifiant les opportunités qu’elle offre.