L'IA et la transformation de la gestion de patrimoine
L'intelligence artificielle s'étend à tous les aspects de la gestion de patrimoine, de l'analyse des portefeuilles et des rapports clients à la conformité et à l'assistance aux conseillers. Selon Deloitte, 60 % des sociétés de gestion de patrimoine utilisent déjà l'IA pour améliorer leurs processus d'investissement et les résultats pour leurs clients. Cette technologie promet une réduction des coûts et des conseils plus pertinents, mais son effet le plus important pourrait être de mettre en évidence les aspects du service traditionnel qui justifient encore des frais élevés.
La gestion de patrimoine repose depuis longtemps sur deux piliers : l'information et la confiance. Les conseillers recueillaient des informations sur la situation financière de leurs clients, interprétaient l'évolution des marchés et recommandaient une ligne de conduite.
Ce modèle n'a pas disparu. Mais le contexte économique qui l'entoure est en train de changer.
Les systèmes d'intelligence artificielle sont capables de traiter des données de marché, des dossiers clients et des analyses financières à une échelle qu'aucun conseiller individuel ne peut égaler. Ils peuvent surveiller les portefeuilles en continu, établir des rapports et repérer les changements susceptibles de nécessiter une attention particulière.
L'avantage immédiat réside dans le gain d'efficacité. Le changement le plus significatif réside quant à lui dans une nouvelle répartition des tâches entre la technologie et les personnes.
Les robots-conseillers ont ouvert la voie
La première vague visible d'automatisation s'est manifestée avec l'arrivée des robots-conseillers au début des années 2010.
Les plateformes numériques utilisaient des questionnaires pour évaluer la tolérance au risque et affecter les clients à des portefeuilles types. Le rééquilibrage et d'autres tâches courantes pouvaient alors être effectués automatiquement.
Cela a rendu la gestion d'actifs de base moins coûteuse et plus accessible. Les investisseurs qui ne remplissaient pas les conditions minimales requises par une banque privée traditionnelle pouvaient ainsi se constituer un portefeuille diversifié grâce à un service numérique.
Les premiers systèmes étaient relativement simples. Ils reposaient sur des règles prédéfinies et des catégories de clients générales, plutôt que sur une compréhension approfondie de la situation de chacun.
Leur importance dépassait toutefois le cadre des portefeuilles qu'ils géraient. Les robots-conseillers ont démontré que certains aspects de la gestion de patrimoine pouvaient être standardisés et proposés à grande échelle.
Ils ont également fait évoluer les attentes. Les clients se sont habitués à des frais transparents, à un accès numérique et à une gestion plus rapide de leurs comptes.
L'IA passe à l'arrière-plan
La prochaine étape est moins visible.
Plutôt que de remplacer le gestionnaire de patrimoine par une plateforme numérique autonome, l'IA est de plus en plus intégrée aux systèmes utilisés par les conseillers, les gestionnaires de portefeuille et les équipes chargées de la conformité.
Il permet de synthétiser les résultats de recherche, de comparer les positions, d'identifier les concentrations au sein d'un portefeuille et de préparer les documents nécessaires avant un rendez-vous avec un client. Des outils automatisés peuvent également vérifier si un portefeuille a dépassé les limites de risque convenues.
Cela permet aux conseillers de consacrer moins de temps à la collecte d'informations et davantage à leur analyse.
Cette distinction est importante. De nombreux clients ne souhaitent pas qu'un algorithme gère toutes leurs décisions financières. Ils attendent en revanche de leur conseiller qu'il se présente bien préparé, qu'il maîtrise l'ensemble du portefeuille et qu'il réagisse rapidement lorsque la situation évolue.
L'IA prend toute sa valeur lorsqu'elle renforce la relation plutôt que d'ajouter une interface supplémentaire entre le client et l'entreprise.
BlackRock illustre l'avantage des infrastructures
La plateforme Aladdin de BlackRock est souvent citée comme un exemple de gestion d'investissements basée sur l'intelligence artificielle.
Aladdin regroupe l'analyse de portefeuille, la surveillance des risques, les données de négociation et les données opérationnelles au sein d'un même environnement. Il permet aux équipes d'investissement d'examiner les expositions dans toutes les classes d'actifs et d'évaluer la manière dont les portefeuilles pourraient réagir aux fluctuations des marchés.
La plateforme ne rend pas les gestionnaires de portefeuille superflus. Son intérêt réside dans le fait qu'elle leur offre une vision plus globale des risques.
Les outils d'apprentissage automatique peuvent apporter un complément en identifiant des tendances, des anomalies ou des relations que l'analyse classique pourrait ne pas détecter.
La taille de BlackRock constitue un atout majeur. La société dispose d'une vaste base de données, d'un personnel spécialisé et des capitaux nécessaires pour mettre en place et entretenir des infrastructures complexes.
La plupart des gestionnaires de fortune ne développeront pas de systèmes comparables en interne. Ils achèteront des outils analytiques auprès de fournisseurs externes ou intégreront des fonctions d'IA dans leurs plateformes existantes.
Cela facilite l'adoption de ces solutions, mais rend également les entreprises plus dépendantes de tiers dont elles ne maîtrisent pas forcément entièrement les modèles et les données.
Le marché se développe autour de la personnalisation
Le marché mondial de l'IA dans le secteur de la gestion de patrimoine devrait atteindre 1 200 milliards de dollars d'ici 2026.
Cette demande s'explique en partie par la perspective de bénéficier de conseils plus personnalisés.
Les modèles traditionnels de gestion de patrimoine classent souvent les clients en grandes catégories en fonction de leur âge, de leur patrimoine et de leur tolérance au risque. L'intelligence artificielle peut potentiellement analyser un ensemble de facteurs plus détaillés, notamment les flux de trésorerie, les dettes, la situation fiscale et les engagements financiers futurs.
Un système pourrait détecter qu'une tolérance au risque apparente d'un investisseur est en contradiction avec son besoin de liquidité. Il pourrait également identifier que plusieurs placements détenus sur différents comptes créent une concentration involontaire.
Pour les familles fortunées, cette technologie peut également aider à gérer des actifs répartis entre différentes banques, sociétés, fiducies et juridictions.
Le problème, c'est que la personnalisation repose sur des informations complètes et précises. Les actifs privés ne sont pas toujours évalués régulièrement. Les préférences des clients peuvent être mal documentées ou évoluer en période de crise.
Un algorithme peut générer une recommandation très précise à partir de données peu fiables. La précision à elle seule ne suffit pas à garantir la pertinence de la recommandation.
La réduction des coûts modifie la donne en matière de concurrence
Les outils basés sur l'IA devraient permettre de réduire les coûts d'exploitation jusqu'à 30%.
Ces économies peuvent provenir de l'automatisation des rapports de portefeuille, du traitement des documents, des contrôles de conformité et de la préparation des réunions. Les entreprises peuvent ainsi servir davantage de clients sans augmenter leurs effectifs au même rythme.
Cela vaut tout particulièrement pour le segment des clients à revenus élevés.
Ces clients peuvent avoir des besoins trop complexes pour se contenter d'un simple portefeuille numérique, mais ne génèrent pas suffisamment de revenus pour justifier le modèle traditionnel de la banque privée. Le conseil assisté par l'IA pourrait rendre leur prise en charge plus intéressante.
Cette technologie pourrait donc élargir le marché plutôt que de se contenter de réduire les coûts.
La mise en œuvre a toutefois un coût. Les entreprises ont besoin de données fiables, de systèmes sécurisés et de collaborateurs capables d'utiliser ces outils. Les plateformes existantes peuvent être difficiles à intégrer, tandis que le recours à des prestataires externes entraîne des frais de licence et crée des dépendances opérationnelles.
L'IA permet de réaliser des économies lorsqu'elle élimine les doublons. Si elle est mise en place au sein d'une organisation fragmentée, elle risque simplement de créer un nouveau centre de coûts.
Les jeunes investisseurs ont des attentes plus élevées
Environ 701 000 milléniaux préféreraient, selon les chiffres, bénéficier de conseils en investissement générés par l'IA.
Ce chiffre doit être interprété avec prudence. Le fait de privilégier les outils numériques ne signifie pas nécessairement que l'on souhaite se passer complètement des conseillers humains.
Les jeunes clients s'attendent souvent à un accès immédiat à l'information, à des services numériques intuitifs et à une tarification transparente. Ils sont moins enclins à accepter la paperasserie et les délais de réponse simplement parce que ces pratiques ont toujours fait partie intégrante de la banque privée.
Ils peuvent toutefois avoir besoin de conseils humains lorsqu'il s'agit d'héritage, de biens immobiliers, d'obligations familiales ou de marchés volatils.
La demande ne portera donc probablement pas sur des conseils entièrement automatisés, mais sur un service dans lequel la technologie se chargerait des analyses courantes, tandis que des personnes resteraient disponibles pour prendre les décisions importantes.
Les entreprises qui s'en tiennent à un modèle essentiellement manuel peuvent paraître lentes et coûteuses. Celles qui automatisent chaque interaction risquent de transformer une activité fondée sur les relations en un simple produit de base.
Une puissance de calcul accrue ne garantit pas la capacité de prévision
L'IA est capable de traiter un volume de données bien plus important qu'un conseiller humain. Le fait qu'elle puisse analyser 50 fois plus d'informations illustre bien l'ampleur de la différence.
Cette comparaison est moins pertinente qu'il n'y paraît à première vue.
Les marchés génèrent plus d'informations qu'un investisseur ne peut en exploiter de manière productive. Le défi ne consiste pas seulement à traiter ces données, mais aussi à distinguer les signaux durables du bruit passager.
Un modèle peut analyser en quelques secondes les fluctuations des cours, les résultats financiers, les données économiques et le ton des actualités. Il peut toutefois mal interpréter un événement ou accorder trop d'importance à une corrélation statistique qui disparaîtra rapidement.
Le comportement des marchés évolue également. Les stratégies mises au point sur des périodes de faible inflation ou de liquidité abondante peuvent s'avérer moins fiables dans des conditions différentes.
L'IA peut élargir le champ d'analyse. Elle ne peut toutefois pas garantir que la variable la plus importante ait été identifiée.
C'est au conseiller ou au gestionnaire de portefeuille qu'il revient de déterminer quels résultats méritent une attention particulière.
La satisfaction des clients dépend de la pertinence
Les établissements financiers qui ont recours à l'IA font état d'une amélioration d'environ 30% de la satisfaction client.
Une meilleure synchronisation et une plus grande pertinence peuvent expliquer en partie cette progression.
Les clients apprécient les rapports qui reflètent la composition réelle de leur portefeuille plutôt que de se contenter de commentaires généraux sur le marché. Ils apprécient les conseillers capables d'avoir une vue d'ensemble du portefeuille et d'identifier les problèmes avant la prochaine réunion prévue.
L'IA pourrait également permettre aux entreprises de communiquer de manière plus ciblée. Un client n'a pas besoin de toutes les informations sur l'évolution des marchés. Il a besoin d'informations qui ont une incidence sur ses objectifs ou son exposition au risque.
Une personnalisation mal mise en œuvre peut avoir l'effet inverse. Les messages automatisés peuvent paraître intrusifs ou répétitifs. Les recommandations fondées sur des données incomplètes peuvent nuire à la confiance.
L'expérience client s'améliore lorsque la technologie facilite les interactions et favorise des échanges plus éclairés. Elle se détériore lorsque l'automatisation se substitue à l'attention humaine.
Les conseillers doivent répondre à des exigences plus strictes
Il est peu probable que l'IA rende les conseillers en gestion de patrimoine superflus. Elle rendra simplement certaines de leurs tâches traditionnelles moins indispensables.
La préparation d'un résumé de portefeuille, le calcul des performances ou la collecte d'informations sur les marchés peuvent de plus en plus être automatisés. Les clients auront de moins en moins de raisons de payer des frais élevés pour des tâches que les logiciels peuvent accomplir rapidement.
Le rôle du conseiller doit désormais s'orienter davantage vers l'interprétation, le jugement et la coordination.
Une famille qui vend son entreprise peut avoir besoin d'aide pour trouver un équilibre entre ses besoins de liquidités, ses obligations fiscales, les questions successorales et ses priorités personnelles. Un client à l'approche de la retraite peut devoir déterminer quel niveau de risque reste approprié. En période de baisse des marchés, les investisseurs peuvent avoir besoin de conseils qui tiennent compte autant de leur comportement que des performances.
Ces questions ne peuvent pas être résolues uniquement à l'aide de données.
L'IA peut présenter les différents compromis possibles. C'est au conseiller d'aider le client à faire son choix parmi ceux-ci.
Cela pourrait profiter aux professionnels chevronnés. En revanche, cela sera moins agréable pour ceux dont les fonctions consistent principalement à sélectionner des produits et à établir des rapports périodiques.
Les données deviennent un véritable atout stratégique
L'utilité des systèmes d'IA dépend entièrement des informations dont ils disposent.
De nombreux gestionnaires de patrimoine conservent encore les données de leurs clients dans des systèmes distincts. Les dossiers de portefeuille peuvent être stockés à un endroit, la documentation relative à la conformité à un autre, et les informations sur les actifs privés dans des tableurs.
Cette fragmentation nuit à la qualité de l'analyse.
Avant de pouvoir proposer des recommandations véritablement personnalisées, les entreprises doivent disposer d'une vision globale et cohérente du patrimoine de leurs clients. Les données doivent être à jour, classées de manière uniforme et accessibles dans le respect de règles de gouvernance claires.
Ce travail est plus difficile que de lancer un assistant IA. Il est également plus utile.
À mesure que des outils analytiques similaires se généralisent sur le marché, les technologies propriétaires pourraient ne plus offrir qu'un avantage temporaire. Les entreprises disposant de données de meilleure qualité seront en mesure d'utiliser ces mêmes modèles de manière plus efficace.
L'atout concurrentiel ne réside donc pas dans l'IA en soi, mais dans la combinaison de la technologie et d'informations fiables.
C'est la confiance qui fixe la limite
Les données relatives à la gestion de patrimoine sont extrêmement sensibles. Elles peuvent révéler le patrimoine d'un client, la composition de sa famille, sa situation fiscale et ses transactions futures.
L'IA a besoin d'accéder à ces informations pour produire des analyses personnalisées. Cela renforce l'importance de la cybersécurité, des autorisations et de la souveraineté des données.
Les entreprises doivent savoir où les informations sont stockées, qui y a accès et si des prestataires externes utilisent les données des clients pour entraîner d'autres systèmes.
Ils doivent également indiquer clairement quand un client a affaire à un service automatisé et quand c'est un conseiller humain qui s'en charge.
Un système peut générer une recommandation, mais c'est l'établissement qui reste responsable de son adéquation. Les obligations réglementaires et fiduciaires ne sont pas transférées à un algorithme.
Les clients sont prêts à accepter un recours accru à la technologie lorsque ses avantages sont évidents. En revanche, ils ne toléreront pas l'incertitude quant à savoir qui contrôle leurs données ou prend les décisions concernant leur argent.
Les prévisions de PwC ne se limitent pas au secteur financier
PwC estime que l'IA pourrait faire gagner jusqu'à 1 570 milliards de dollars à la production économique mondiale d'ici 2030.
Ce chiffre porte sur l'ensemble de l'économie et ne se limite pas à la gestion de patrimoine. Il illustre néanmoins l'ampleur des attentes en matière d'investissement et de productivité liées à cette technologie.
Le secteur des services financiers est bien placé pour en tirer profit, car bon nombre de ses activités impliquent le traitement, la classification et la prévision de données.
Tous les investissements dans l'IA ne génèrent pas forcément de la valeur. Certaines entreprises acquerront des systèmes que leurs employés n'utilisent pas ou qui ne peuvent pas s'intégrer aux plateformes existantes. D'autres automatiseront peut-être des processus qui auraient dû être repensés au préalable.
Les projets les plus crédibles partent d'un problème clairement défini. La réduction du temps nécessaire à la consolidation d'un portefeuille est un objectif mesurable. L'amélioration de la précision du contrôle de conformité peut être vérifiée. Une ambition générale visant à “ transformer la gestion de patrimoine ” est plus difficile à évaluer.
L'IA devrait être considérée comme un investissement comportant des rendements, des coûts et des risques prévisibles, et non comme un gage de modernité.
La transformation se fera de manière inégale
Au cours des trois à cinq prochaines années, l'analyse prédictive et l'assistance client automatisée devraient devenir des fonctionnalités courantes des plateformes de gestion de patrimoine.
L'écart entre les entreprises ne dépendra pas uniquement de celles qui adopteront l'IA en premier.
Certaines institutions s'en serviront pour renforcer leurs services de conseil, améliorer la qualité des données et simplifier leurs opérations. D'autres se contenteront d'ajouter de nouveaux outils à d'anciens processus et qualifieront le résultat de « transformation ».
Le modèle le plus performant alliera automatisation et jugement humain responsable. La technologie se chargera des analyses répétitives, du suivi des portefeuilles et de l'organisation des informations. Les conseillers interpréteront les résultats et aideront les clients à prendre des décisions impliquant des incertitudes, des émotions et des priorités contradictoires.
L'IA peut rendre la gestion de patrimoine plus rapide, plus évolutive et mieux adaptée aux situations personnelles.
Elle ne peut pas déterminer quels objectifs doivent être atteints avec le patrimoine d'un client, quels intérêts familiaux doivent primer ni quel degré d'incertitude est acceptable.
La transformation du secteur dépendra de la capacité des entreprises à utiliser la technologie pour répondre à ces questions de manière plus intelligente, plutôt que de prétendre qu'elle peut y répondre d'elle-même.
