Analyses de gestion de patrimoine basées sur l'IA

L'intelligence artificielle occupe une place de plus en plus importante dans la gestion de patrimoine, mais sa principale contribution ne réside pas dans sa capacité à prédire l'évolution des marchés avec certitude. Les outils d'analyse de gestion de patrimoine basés sur l'IA sont utilisés pour consolider les données des portefeuilles, identifier les concentrations de risques, préparer les rapports destinés aux clients et aider les conseillers en leur permettant d'accéder plus rapidement aux informations pertinentes. Deloitte a constaté qu’environ 60 % des sociétés de gestion d’actifs interrogées utilisaient l’IA de manière modérée dans leurs activités de distribution liées aux données, tandis que seules 11 % décrivaient leur utilisation comme intensive. Ces chiffres suggèrent que l’adoption de cette technologie se généralise, mais aussi que la plupart des entreprises sont encore loin d’un modèle d’investissement entièrement automatisé.

Cette distinction est importante car le terme « IA » est souvent utilisé pour désigner des technologies très différentes. Le rééquilibrage automatisé, l’optimisation fiscale par les pertes, les modèles de risque basés sur l’apprentissage automatique et les outils génératifs permettant de résumer des documents peuvent tous figurer au sein d’une même plateforme de gestion de patrimoine, mais ils remplissent des fonctions différentes et nécessitent des formes de supervision distinctes. La valeur commerciale réside moins dans le remplacement des conseillers que dans le fait de les aider à analyser davantage d’informations, à détecter les problèmes plus tôt et à communiquer leurs décisions plus clairement.

Pour les gestionnaires de patrimoine, le principal enjeu n’est donc pas de savoir si l’IA est capable de traiter les données plus rapidement qu’une équipe humaine. Elle en est capable. La question la plus délicate est de savoir si les entreprises peuvent transformer cette rapidité en meilleures décisions sans compromettre les contrôles d’adéquation, la sécurité des données ou la responsabilité.

La gestion de patrimoine est automatisée depuis des années

La technologie a influencé la gestion de portefeuille bien avant que l'IA générative ne fasse son apparition dans le secteur financier. Les sociétés d'investissement quantitatif utilisent des modèles statistiques depuis des décennies, tandis que les plateformes d'investissement numériques ont mis en place, à l'intention des particuliers, des fonctionnalités de construction automatique de portefeuille, de rééquilibrage et de gestion fiscale. Ces systèmes sont parfois présentés comme des formes précoces d'intelligence artificielle, bien que bon nombre d'entre eux reposent principalement sur des règles d'investissement prédéfinies.

Betterment et Wealthfront illustrent l'évolution de la gestion automatisée des investissements. Ces deux plateformes constituent des portefeuilles diversifiés, généralement à l'aide de fonds cotés en bourse (ETF), et prennent en charge des fonctions telles que le rééquilibrage et l'optimisation fiscale par les pertes. Leur intérêt réside dans le fait qu'elles proposent une gestion de portefeuille standardisée à moindre coût et à une clientèle plus large, plutôt que dans la formulation de prévisions indépendantes sur l'évolution du marché.

Ce modèle a permis de démontrer que certaines étapes du processus de conseil pouvaient être automatisées sans pour autant remettre en cause les principes fondamentaux que sont la diversification, la répartition des actifs et la tolérance au risque. Le client doit toujours définir ses objectifs, son horizon temporel et sa capacité à supporter des pertes. La technologie permet d’appliquer ce cadre de manière plus efficace, mais elle ne détermine pas si ce cadre est adapté à chaque investisseur.

Les outils d'IA plus récents étendent cette automatisation à des domaines moins structurés. Ils sont capables d'analyser des études écrites, de comparer des documents relatifs aux fonds, d'extraire des informations des états financiers et de préparer des synthèses à l'intention des conseillers. Cela élargit l'éventail des tâches pouvant être prises en charge par un logiciel, même si la qualité du résultat reste tributaire des données et des instructions fournies.

Aladdin illustre l'ampleur de l'analyse de portefeuille

La plateforme Aladdin de BlackRock est souvent citée comme un exemple de technologie d'investissement de pointe. Elle fournit des outils de gestion de portefeuille, d'analyse des risques, de négociation, de conformité et d'exploitation pour les actifs cotés et non cotés. BlackRock précise qu’Aladdin Risk évalue chaque jour des milliers de facteurs de risque multi-actifs et des centaines de mesures de risque et d’exposition, permettant ainsi aux utilisateurs d’évaluer leurs portefeuilles à l’aide d’un cadre analytique commun.

La plateforme met en avant la valeur des données intégrées plutôt que la supériorité d’un modèle prédictif unique. Un fonds de pension, une banque ou un gestionnaire de patrimoine peut utiliser ce même environnement pour analyser ses positions, estimer les pertes potentielles et comprendre comment différents actifs sont susceptibles de réagir aux variations des taux d’intérêt, des taux de change ou de la volatilité des marchés. Cela peut s’avérer particulièrement utile lorsque les portefeuilles sont répartis entre plusieurs gestionnaires et plusieurs classes d’actifs.

Aladdin a également ajouté des fonctionnalités basées sur l'intelligence artificielle destinées aux conseillers en gestion de patrimoine, notamment des outils qui transforment les informations relatives aux portefeuilles et aux risques en commentaires prêts à être présentés aux clients. Ces applications répondent à un besoin concret : les conseillers ont souvent accès à des analyses approfondies, mais disposent de peu de temps pour les traduire dans un langage compréhensible par leurs clients.

Cette technologie ne remplace pas le jugement humain. Les modèles de risque reposent sur des hypothèses concernant la volatilité, les corrélations et les relations historiques, tandis que les actifs privés peuvent être évalués moins fréquemment que les titres cotés. Une plateforme peut calculer l'exposition avec une grande précision, mais ces chiffres doivent tout de même être interprétés en tenant compte des conditions du marché et des objectifs du client.

L'IA permet aux conseillers d'accéder à davantage d'informations

Les gestionnaires de patrimoine modernes traitent un volume d'informations considérable et en constante augmentation. Ils doivent suivre l'évolution des marchés, les portefeuilles de leurs clients, les aspects fiscaux, la documentation relative aux produits, les données économiques et les exigences réglementaires. Pour les clients fortunés, cette mission peut également porter sur des sociétés privées, des biens immobiliers, des fiducies et des placements détenus auprès de plusieurs banques.

L'analyse basée sur l'IA permet de regrouper ces sources et d'identifier des tendances qui seraient difficiles à détecter par un examen manuel. Un système pourrait ainsi mettre en évidence qu'un client dont le portefeuille semble diversifié entre des fonds technologiques, l'immobilier et le capital-investissement présente en réalité une exposition indirecte importante à la croissance du secteur des centres de données. Il pourrait également révéler que plusieurs fonds détiennent les mêmes sociétés ou dépendent de conditions économiques similaires.

Les outils d'analyse du langage naturel peuvent faciliter la recherche en analysant les conférences téléphoniques sur les résultats, les documents déposés par les entreprises et les rapports de marché. Ils permettent de mettre en évidence les changements dans le discours de la direction, d'identifier les références à une baisse de la demande ou de comparer les déclarations actuelles avec les informations communiquées précédemment. Cela peut réduire le temps nécessaire pour trouver les informations pertinentes, même si cela ne permet pas de déterminer si ces informations doivent conduire à une décision d'investissement.

L'avantage réside donc dans la portée analytique. L'IA permet à un conseiller d'examiner davantage de données et de réexaminer ses hypothèses plus fréquemment. Il revient toutefois au conseiller de déterminer si une tendance apparente est significative ou si elle n'est que le résultat du bruit présent dans un vaste ensemble de données.

La personnalisation dépend de la qualité des données

Le conseil personnalisé est l'un des principaux arguments en faveur de l'IA dans la gestion de patrimoine. Les modèles traditionnels classent souvent les clients dans de grandes catégories de risque et leur attribuent des portefeuilles standardisés. Des analyses plus avancées peuvent prendre en compte les habitudes de consommation, les engagements financiers, l'exposition fiscale, les flux de trésorerie attendus et les objectifs financiers spécifiques.

Un système peut détecter qu’un client a besoin de davantage de liquidités, car plusieurs engagements sur les marchés privés sont susceptibles d’être appelés au cours de la même période. Il peut également mettre en évidence que le profil de risque enregistré lors de la souscription ne reflète plus l’âge du client, sa situation financière ou son comportement en période de volatilité des marchés.

Cela peut permettre d'offrir des conseils mieux adaptés, mais la fiabilité de la personnalisation dépend entièrement de la qualité des informations disponibles. Les dossiers clients sont souvent incomplets ou dispersés dans différents systèmes. Certaines priorités importantes peuvent ne pas s'exprimer sous forme chiffrée, notamment lorsque les investissements concernent des entreprises familiales, la planification successorale ou l'attachement personnel à un bien immobilier.

Une recommandation très détaillée peut donc tout de même s'avérer inadaptée. L'IA peut déterminer l'option la plus rentable financièrement tout en négligeant le souhait du client de conserver le contrôle d'une entreprise ou de préserver son patrimoine pour la génération suivante. La gestion de patrimoine intègre des considérations personnelles et familiales qui ne peuvent pas toujours être déduites des données transactionnelles.

La gestion des risques offre un cas d'utilisation plus clair

L'IA joue un rôle particulièrement important dans l'identification des risques liés aux portefeuilles. Les systèmes d'apprentissage automatique permettent de surveiller l'évolution de la volatilité, de la liquidité, de la corrélation et de la concentration au sein d'un grand nombre de positions. Ils permettent également de détecter des transactions inhabituelles, des expositions inattendues ou des divergences entre la stratégie déclarée d'un portefeuille et son comportement réel.

Cela s'avère utile car le risque transcende souvent les catégories d'actifs traditionnelles. Un portefeuille peut contenir des actions, des obligations et des investissements privés qui dépendent tous de taux d'intérêt bas. Sur le papier, ces actifs semblent diversifiés ; sur le plan économique, ils partagent toutefois la même vulnérabilité.

L'IA peut également améliorer l'analyse de scénarios en permettant aux conseillers de tester la manière dont les portefeuilles pourraient réagir à l'inflation, à la baisse des marchés boursiers, aux fluctuations des devises ou à l'évolution des écarts de crédit. Ces exercices aident les clients à comprendre que la valeur nominale d'un portefeuille ne donne pas une image complète du risque.

Les modèles historiques ont toutefois leurs limites. Les relations de marché évoluent, en particulier en période de crise. Des actifs qui semblaient faiblement corrélés peuvent chuter simultanément lorsque les investisseurs recherchent des liquidités, tandis que les valorisations sur les marchés privés peuvent s'ajuster plus lentement que les cours sur les marchés publics. L'intelligence artificielle peut mettre en évidence des vulnérabilités sur la base des données disponibles, mais elle ne peut pas identifier toutes les sources potentielles de pertes.

Les prédictions en matière de sinistres doivent être considérées avec scepticisme

Les affirmations les plus ambitieuses concernant l'IA portent sur la prévision des marchés et l'identification d'opportunités d'investissement avant même qu'elles ne soient largement reconnues. Les systèmes d'apprentissage automatique sont capables de détecter des tendances au sein de vastes ensembles de données, mais leur capacité à prédire de manière fiable les cours des actifs reste incertaine.

Les marchés financiers s'adaptent. Dès qu'une tendance exploitable est identifiée, les investisseurs en tirent parti, ce qui en réduit la valeur. Les modèles peuvent également s'ajuster de manière trop étroite aux données historiques, produisant ainsi des résultats impressionnants lors des tests rétrospectifs, mais qui ne résistent pas à l'évolution des conditions de marché.

Il existe un autre problème d'explication. Un système complexe peut recommander de réduire l'exposition à un actif donné sans fournir de justification économique claire. Cela pose des difficultés aux conseillers, qui doivent expliquer leurs décisions à leurs clients et démontrer que leurs recommandations sont adaptées.

L'analyse prédictive est donc plus fiable lorsqu'elle vient compléter, plutôt que remplacer, les processus d'investissement établis. Un système peut attirer l'attention sur une évolution de la liquidité, des prévisions de bénéfices ou du positionnement sur le marché, tandis que l'équipe d'investissement détermine si ce signal repose sur des fondements économiques convaincants.

Des économies sont possibles, mais elles ne se font pas toutes seules

L'IA permet de réduire le temps consacré à l'établissement des rapports sur les portefeuilles, au rapprochement des données, à la préparation des analyses et aux communications courantes avec les clients. Pour les grands cabinets, même des améliorations modestes sur des milliers de comptes peuvent se traduire par des économies opérationnelles significatives.

La question des coûts est moins simple qu’il n’y paraît à la lecture des supports promotionnels. Les gestionnaires de patrimoine doivent investir dans des données fiables, la cybersécurité, l’intégration des systèmes et la formation des collaborateurs avant que les outils d’IA puissent fonctionner de manière fiable. De nombreuses entreprises utilisent encore des technologies développées à des époques différentes pour des divisions distinctes, ce qui complique la mise en place d’une vue d’ensemble des clients et des portefeuilles.

Le recours à des prestataires externes spécialisés dans l'IA peut permettre de réduire les coûts de développement, mais entraîne une dépendance vis-à-vis de tiers. Les entreprises doivent comprendre comment les modèles sont entraînés, où sont stockées les données des clients et ce qui se passe lorsqu'un service devient indisponible. Un coût initial moindre peut entraîner des risques opérationnels et réglementaires à plus long terme.

Les projets les plus fructueux partent donc d'une mission clairement définie. La réduction du temps nécessaire à la préparation d'un rapport trimestriel est un objectif mesurable. L'amélioration de la performance des investissements grâce à l'IA est un objectif plus vaste et plus incertain.

Les autorités de régulation mettent l'accent sur la responsabilité

Le recours à l'intelligence artificielle ne modifie en rien les responsabilités juridiques des gestionnaires de patrimoine. Les sociétés restent responsables de l'adéquation des produits, de l'information, de la supervision et de la protection des données des clients. Elles ne peuvent pas transférer cette responsabilité à un fournisseur de logiciels.

La Commission américaine des opérations boursières (SEC) a déjà pris des mesures à l'encontre de conseillers en investissement qui avaient fait des déclarations trompeuses concernant leur utilisation de l'IA. En 2024, l'autorité de régulation a engagé des poursuites contre deux conseillers pour des déclarations fausses ou trompeuses concernant leurs prétendues capacités en matière d'IA, ce qui illustre l'inquiétude croissante suscitée par le phénomène d'« AI washing ».

Les régulateurs européens ont identifié des risques similaires. L'Autorité européenne des marchés financiers a mis en garde contre la mauvaise qualité des données, les biais algorithmiques, l'opacité des processus décisionnels, le recours excessif aux outils automatisés et les problèmes liés à la protection de la vie privée. Il ne s'agit pas là de questions abstraites. Elles ont une incidence directe sur la capacité à expliquer, examiner et remettre en cause une recommandation.

Les entreprises doivent donc indiquer clairement où l'IA est utilisée, quelles informations elle traite et qui valide le résultat. Un conseiller ne peut pas justifier une recommandation inappropriée en prétextant qu'elle a été générée par le système.

La communication avec les clients pourrait bien devenir l'application la plus visible

De nombreux conseillers consacrent beaucoup de temps à la rédaction de comptes rendus de réunions, de synthèses de marché et d'explications sur la performance des portefeuilles. L'IA générative peut faciliter ce travail en transformant des analyses complexes en communications claires destinées aux clients.

Un tel système pourrait expliquer pourquoi un portefeuille obligataire a perdu de la valeur lorsque les taux d'intérêt ont augmenté, ou montrer comment les fluctuations des taux de change ont affecté les placements internationaux. Il pourrait également générer différentes versions d'une même analyse à l'intention de clients ayant des niveaux de connaissances financières variés.

Cela peut améliorer la cohérence et permettre aux conseillers de se concentrer sur les échanges plutôt que sur les tâches administratives. Cela peut également aider les entreprises à communiquer plus fréquemment en période de volatilité des marchés, lorsque les clients ont besoin d'être rassurés et de recevoir des informations claires.

Les risques restent importants. Les commentaires générés peuvent comporter des erreurs factuelles, omettre des réserves ou utiliser un langage qui donne une impression de certitude exagérée. Toute communication importante doit donc être vérifiée par une personne qualifiée, en particulier lorsqu’elle concerne la performance, les risques ou des recommandations d’investissement.

La cybersécurité s'intègre désormais au processus d'investissement

Les gestionnaires de patrimoine détiennent des informations sensibles concernant les actifs de leurs clients, la composition de leur famille, leurs intérêts commerciaux et leurs projets financiers. Les systèmes d'intelligence artificielle nécessitent souvent un accès étendu à ces données, ce qui accroît l'ampleur des conséquences potentielles d'une violation de données.

Les entreprises doivent vérifier si les prestataires externes conservent les informations relatives à leurs clients ou les utilisent pour entraîner leurs modèles. Elles doivent également contrôler quels employés sont autorisés à mettre en ligne des documents et veiller à ce qu'aucune information confidentielle ne soit publiée sur des applications publiques sans autorisation préalable.

L'IA peut renforcer la sécurité en détectant les activités anormales, mais elle permet également de mener des attaques plus sophistiquées. Des e-mails frauduleux, des voix clonées et des documents convaincants peuvent être générés rapidement et utilisés pour usurper l'identité de clients ou de conseillers.

La vérification des paiements et des identités doit donc être renforcée. Une voix ou un style d'écriture familiers ne peuvent plus être considérés comme une preuve suffisante de l'authenticité d'une instruction.

Les conseillers ont besoin de nouvelles compétences plutôt que d'être remplacés

L'intelligence artificielle va probablement transformer le métier de conseiller plutôt que de le faire disparaître. Les employés passeront moins de temps à collecter et à mettre en forme des informations, tandis qu'ils se concentreront davantage sur l'interprétation, le jugement et la communication.

Les conseillers doivent comprendre les atouts et les limites des systèmes qu’ils utilisent. Ils n’ont pas besoin de devenir des ingénieurs en informatique, mais ils doivent être capables d’identifier les résultats peu fiables, de remettre en question les hypothèses et d’expliquer comment une recommandation a été formulée.

Le rôle de l'humain revêt une importance particulière en période de tension. Alors qu'un modèle peut recommander de vendre des actifs afin de rétablir la répartition cible, un conseiller peut quant à lui se rendre compte que le client réagit de manière émotionnelle et qu'il a besoin d'une discussion plus approfondie sur ses objectifs à long terme.

La confiance reste un élément central de la gestion de patrimoine. Si la technologie permet d'améliorer la qualité et la rapidité des conseils, les clients s'attendent toujours à ce qu'une personne assume la responsabilité des décisions difficiles.

Priorités pratiques pour les gestionnaires de patrimoine

Les entreprises qui envisagent de recourir à des outils d'analyse de la gestion de patrimoine basés sur l'IA devraient commencer par mettre en place une discipline opérationnelle plutôt que de se lancer dans des prévisions ambitieuses.

• Améliorer les données sous-jacentes. Les données relatives aux clients, aux portefeuilles et aux transactions doivent être cohérentes pour que les analyses avancées puissent fournir des résultats fiables.
• Choisissez des applications initiales ciblées. L'analyse des documents, la rédaction de rapports et le suivi des risques constituent des indicateurs de valeur plus précis que la sélection autonome de portefeuilles.
• Définir les étapes de validation par une personne. Les recommandations relatives aux produits, les communications avec les clients et les transactions doivent continuer à faire l'objet d'un examen par un professionnel désigné.
• Évaluez soigneusement les fournisseurs. Les entreprises doivent savoir où les données sont traitées, comment les modèles sont gérés et quelles sont les mesures de protection prévues en cas de défaillance d'un prestataire.
• Mesurez les résultats plutôt que les activités. Le nombre d'outils d'IA adoptés importe moins que le fait qu'ils permettent de réduire les erreurs, de gagner du temps ou d'améliorer la compréhension des clients.
• Former les employés à remettre en question les résultats. Le personnel doit savoir repérer les idées fausses, les préjugés, les informations obsolètes et les recommandations non étayées par un raisonnement économique.
• Évitez les allégations promotionnelles. Les entreprises devraient décrire avec précision l'utilisation qu'elles font de l'IA et éviter de laisser entendre que cette technologie peut garantir des rendements supérieurs.

La prochaine étape sera plus calme et plus harmonisée

Au cours des trois à cinq prochaines années, l'IA devrait devenir un élément incontournable de l'infrastructure de la gestion de patrimoine, plutôt qu'un produit à part entière. Elle sera intégrée aux processus de reporting, d'analyse des risques, de service à la clientèle, de conformité et d'administration des portefeuilles.

Les progrès les plus significatifs viendront probablement de l'intégration plutôt que de la prédiction. Les systèmes combineront les données de plusieurs banques, identifieront un besoin de liquidité, réaliseront une analyse de portefeuille et la transmettront à un conseiller pour validation. Ce processus peut sembler moins spectaculaire qu'un moteur d'investissement autonome, mais il répond à de réels problèmes opérationnels.

PwC estime que la généralisation de l'IA pourrait contribuer de manière significative à la croissance économique mondiale au cours de la prochaine décennie. Cette prévision reflète l'impact potentiel dans de nombreux secteurs et ne doit pas être interprétée comme une prévision des rendements en matière de gestion de patrimoine. Dans le domaine du conseil financier, les gains dépendront de la capacité des entreprises à utiliser l'IA pour améliorer des décisions spécifiques, plutôt que de se contenter d'associer ce terme à des technologies existantes.

Les analyses de gestion de patrimoine basées sur l'IA peuvent permettre aux sociétés de conseil d'agir plus rapidement, en étant mieux informées et plus réactives. Elles ne peuvent toutefois pas éliminer l'incertitude des marchés ni se substituer à la responsabilité quant aux résultats obtenus pour les clients. Les sociétés qui en tireront le plus grand bénéfice seront celles qui considéreront l'IA comme un outil d'analyse rigoureux, s'appuyant sur des données fiables et un jugement professionnel, plutôt que comme une source d'informations automatiques en matière d'investissement.