L'IA dans la gestion de portefeuille

L'intelligence artificielle est capable d'analyser les rapports d'entreprise, de surveiller des milliers de signaux de risque et de tester des modifications de portefeuille bien plus rapidement qu'une équipe d'investissement travaillant manuellement. Cela ne signifie pas pour autant qu'elle puisse prédire l'évolution des marchés de manière fiable ni éliminer tout risque de perte. Pour les investisseurs, la question pertinente n’est pas de savoir si un portefeuille est qualifié de « basé sur l’IA », mais plutôt de déterminer quelles décisions sont influencées par cette technologie, quelles données étayent ces décisions et qui reste responsable lorsque le modèle se trompe.

Le rôle de l'IA dans la gestion de portefeuille

L'intelligence artificielle appliquée à la gestion de portefeuille couvre un large éventail d'applications. Certains systèmes extraient des informations des états financiers, des conférences téléphoniques sur les résultats, des articles de presse et des données de marché. D'autres évaluent les risques, identifient les relations entre les actifs, simulent des transactions potentielles ou aident les gestionnaires à constituer des portefeuilles en fonction d'un objectif précis.

Les modèles d'apprentissage automatique se distinguent des règles d'investissement traditionnelles en ce qu'ils sont capables d'analyser un grand nombre de variables et de détecter des tendances sans que chaque relation soit programmée à l'avance. Un système peut ainsi évaluer l'impact qu'ont eu, par le passé, les variations des taux d'intérêt, des cours des matières premières, des communiqués d'entreprise et de la volatilité des marchés sur un ensemble de titres.

L'IA générative a une autre vocation. Elle peut résumer des études, répondre à des questions sur des documents internes et transformer les données d'un portefeuille en ébauches de commentaires destinés aux clients. Elle peut certes faciliter la recherche d'informations, mais elle ne devient pas pour autant une experte en investissement simplement parce que ses explications semblent convaincantes.

L'expression “ gestion de portefeuille par IA ” n'apporte donc pas grand-chose en soi. Elle peut désigner aussi bien un système institutionnel sophistiqué de gestion des risques qu'un robot-conseiller utilisant des règles d'allocation relativement classiques, ou encore une plateforme grand public ayant ajouté un chatbot à un produit d'investissement existant.

Dans quels domaines l'IA peut-elle apporter une réelle valeur ajoutée ?

Les équipes d'investissement traitent un volume d'informations bien supérieur à ce qu'un individu peut lire. L'IA peut aider à classer ces données, à en extraire les éléments pertinents et à signaler aux analystes les changements nécessitant une attention particulière.

Un modèle peut mettre en évidence que la direction d'une entreprise s'exprime avec moins d'assurance, que les tendances en matière de fonds de roulement ont évolué ou que plusieurs sociétés du portefeuille partagent une exposition qui n'est pas prise en compte par leurs classifications sectorielles officielles. Il peut également comparer un nouveau rapport à plusieurs années de publications antérieures de manière plus efficace qu'une personne effectuant manuellement la même recherche.

La gestion des risques offre une autre application pertinente. La technologie permet de calculer comment un portefeuille pourrait réagir aux fluctuations des taux d'intérêt, des devises, des écarts de crédit ou de la volatilité des actions. Elle permet également de détecter des concentrations difficiles à repérer lorsque les actifs sont détenus par l'intermédiaire de plusieurs fonds, entités juridiques et dépositaires.

Des plateformes telles qu’Aladdin, de BlackRock, sont conçues pour regrouper dans un système unique les informations relatives au portefeuille, aux risques et aux opérations. Leur intérêt réside moins dans la production d’une prévision unique du marché que dans le fait d’aider les professionnels de l’investissement à avoir une vision cohérente de leurs expositions et à analyser les conséquences des décisions envisageables.

L'IA peut également améliorer les contrôles opérationnels en identifiant les transactions inhabituelles, les écarts de rapprochement ou les violations des restrictions applicables au portefeuille. Ces applications permettent de réduire les tâches répétitives tout en orientant les collaborateurs vers les exceptions nécessitant un jugement.

L'optimisation de portefeuille n'est pas une boule de cristal

L'optimisation de portefeuille vise à sélectionner une combinaison d'actifs offrant un rendement attendu attractif pour un niveau de risque donné. L'intelligence artificielle permet d'intégrer davantage de données et de modéliser des relations que les approches traditionnelles pourraient ne pas prendre en compte.

La limite réside dans le fait que les rendements attendus, les risques et les corrélations doivent tout de même être estimés. Ces estimations sont incertaines et peuvent évoluer rapidement. Des actifs qui semblaient peu corrélés en période de marché normal peuvent chuter simultanément en cas de crise, précisément au moment où la diversification est la plus nécessaire.

Un modèle complexe peut aboutir à une répartition qui semble mathématiquement précise, mais qui repose sur des hypothèses trop fragiles pour la étayer. De légères variations des données d'entrée peuvent parfois entraîner des changements substantiels dans le portefeuille recommandé.

Les contraintes sont donc indispensables. Les équipes d’investissement peuvent limiter l’exposition à une entreprise, un secteur ou un pays donné, exiger un niveau minimum de liquidité et restreindre la rotation des titres. Ces règles empêchent le processus d’optimisation de tendre vers un portefeuille théoriquement efficace qui, dans la pratique, s’avérerait irréalisable ou excessivement concentré.

L'IA peut améliorer l'analyse, mais elle ne peut pas déterminer les objectifs de l'investisseur. Les décisions concernant le niveau de perte acceptable, les besoins en liquidités, l'horizon d'investissement et les contraintes éthiques restent fondamentalement du ressort de l'être humain.

Une quantité plus importante de données ne garantit pas automatiquement de meilleures décisions

Les données alternatives ont élargi l'éventail d'informations dont disposent les gestionnaires d'investissement. Les images satellites, le trafic Internet, les offres d'emploi, les registres d'expédition, les transactions par carte bancaire et le sentiment en ligne peuvent fournir des indices sur l'activité économique ou des entreprises avant même la publication des états financiers traditionnels.

Cet avantage peut être temporaire. Dès lors qu'un grand nombre d'investisseurs achètent le même ensemble de données et utilisent des modèles similaires, ces informations risquent de se répercuter sur les cours du marché. Ce qui constituait autrefois un signal distinctif peut alors devenir un bien de consommation coûteux.

Les données peuvent également être incomplètes ou trompeuses. Les transactions par carte bancaire peuvent surreprésenter certains consommateurs, l'activité en ligne peut être manipulée et les données satellitaires peuvent être mal interprétées. Les données historiques peuvent présenter des lacunes ou refléter des situations qui ne sont plus d'actualité.

Les questions de légalité et de confidentialité sont également importantes. Les entreprises doivent comprendre comment les informations ont été collectées, si elles peuvent être utilisées à des fins d'investissement et si elles permettent d'identifier des personnes. Le fait d'acheter des données auprès d'un tiers ne dispense pas le gestionnaire d'investissement de sa responsabilité d'en évaluer la provenance.

Un modèle entraîné à partir d'une grande quantité d'informations de mauvaise qualité peut générer des erreurs plus rapidement et à plus grande échelle qu'un analyste humain.

Le problème de l'évolution des marchés

Les modèles d'apprentissage automatique s'appuient sur des exemples historiques. Les marchés, en revanche, sont des systèmes adaptatifs influencés par la politique, la technologie, la réglementation et le comportement des autres investisseurs.

Une stratégie mise au point pendant une période de baisse des taux d'intérêt peut se comporter de manière inattendue lorsque l'inflation augmente. Une corrélation observée avant un changement réglementaire peut disparaître par la suite. Les modèles élaborés dans un contexte de marchés calmes peuvent sous-estimer la vitesse à laquelle la liquidité s'évapore en période de crise.

Ce phénomène est appelé « dérive du modèle » ou « changement de régime ». L'environnement commence à s'écarter des conditions représentées dans les données d'apprentissage, ce qui réduit la fiabilité des résultats.

Les entreprises d'investissement doivent vérifier si un modèle se comporte comme prévu, et pas seulement s'il reste techniquement opérationnel. Ses performances doivent être comparées à ses hypothèses initiales, avec des seuils clairs justifiant un réexamen, une restriction ou un retrait.

L'intervention humaine est particulièrement importante lorsque le modèle est confronté à un élément qu'il n'a jamais rencontré auparavant. C'est également dans ces moments-là que la confiance accordée à l'automatisation peut s'avérer la plus trompeuse.

La personnalisation a ses limites pratiques

L'IA peut aider les conseillers à adapter les portefeuilles en fonction des objectifs de l'investisseur, de sa tolérance au risque, de sa situation fiscale et de ses besoins en matière de liquidité. Elle permet également de détecter quand un portefeuille s'est écarté de sa répartition cible ou lorsque l'évolution de la situation justifie une réévaluation.

Cela pourrait permettre d'offrir une personnalisation à des clients qui ne bénéficieraient pas d'un portefeuille entièrement sur mesure auprès d'une banque privée traditionnelle. Toutefois, la qualité du résultat dépend des informations fournies.

Un questionnaire ne permet pas toujours de déterminer comment un investisseur réagira face à une perte réelle. Il arrive qu'une personne se dise à l'aise face à la volatilité lorsque les marchés sont à la hausse, puis qu'elle vende dès la première baisse importante.

La personnalisation peut également devenir un outil marketing. Une plateforme peut présenter un portefeuille standard, avec quelques ajustements mineurs, comme s’il s’agissait d’une stratégie hautement personnalisée. Les investisseurs devraient se demander quels éléments sont véritablement adaptés à leur situation et lesquels restent identiques pour tous les clients d’une même catégorie.

Un algorithme peut aider à traduire des préférences définies en une répartition. Il ne peut toutefois pas déterminer si l'investisseur a bien compris les conséquences.

L'IA peut-elle prédire l'évolution du marché ?

L'IA est capable d'estimer des probabilités et d'identifier des tendances historiques. Elle ne peut toutefois pas savoir avec certitude comment les marchés réagiront à une élection, à une guerre, à une décision réglementaire, à l'annonce inattendue de résultats financiers ou à un changement de sentiment des investisseurs.

Les prévisions peuvent également influencer le marché qu'elles visent à anticiper. Si de nombreuses entreprises utilisent des données et des modèles comparables, elles peuvent acheter et vendre des actifs similaires au même moment. Cela peut réduire l'opportunité initiale et potentiellement amplifier les fluctuations de prix.

Les sociétés quantitatives performantes démontrent que les stratégies d'investissement systématiques peuvent porter leurs fruits. Elles ne prouvent toutefois pas qu'un outil d'IA prêt à l'emploi puisse reproduire leurs résultats. Les sociétés de premier plan combinent des données exclusives, une infrastructure, des travaux de recherche, des systèmes d'exécution et des années de savoir-faire accumulé. Leurs modèles sont en outre développés et supervisés par des équipes spécialisées.

Une application grand public prétendant identifier les actions gagnantes de demain grâce à l'intelligence artificielle doit donc être considérée avec un scepticisme de taille. Une terminologie sophistiquée ne suffit pas à prouver une capacité prédictive.

Qu'est-ce qui vaut la peine d'être payé ?

L'intelligence artificielle peut justifier un investissement lorsqu'elle permet d'améliorer la consolidation, l'efficacité de la recherche, la visibilité sur les risques ou le contrôle opérationnel. Pour un family office, la possibilité d'avoir une vue d'ensemble des expositions sur les actifs cotés et non cotés peut s'avérer plus précieuse qu'une simple source supplémentaire de recommandations d'investissement.

La fiabilité des données et l'intégration revêtent une importance particulière. Une plateforme doit préciser à quels dépositaires, banques et sources de marché elle est connectée, comment les informations sont rapprochées et comment les actifs privés sont évalués.

L'analyse de scénarios peut également s'avérer utile. Le système devrait permettre à l'investisseur ou au gestionnaire d'examiner les différentes évolutions possibles selon plusieurs hypothèses, plutôt que de présenter une seule prévision comme l'avenir probable.

La transparence prime sur la nouveauté. Les utilisateurs doivent comprendre ce sur quoi le modèle a une influence, comment ses performances sont testées et dans quels cas une validation humaine est nécessaire. Un système incapable d'expliquer ses limites ne devrait pas se voir accorder davantage d'autorité simplement parce que ses calculs internes sont complexes.

Ce que vous pouvez généralement ignorer

Les investisseurs n'ont pas besoin d'un produit basé sur l'IA simplement parce que cette appellation semble moderne. De nombreux robots-conseillers utilisent des règles de gestion de portefeuille simples, fondées sur la diversification, le rééquilibrage périodique et des fonds à faible coût. Ces solutions peuvent s'avérer tout à fait utiles, mais elles ne devraient pas se vendre à un prix élevé sous prétexte qu'un chatbot a été ajouté à l'interface.

Les recommandations quotidiennes en matière de portefeuille sont également superflues pour la plupart des investisseurs à long terme. Des changements fréquents peuvent entraîner une augmentation des coûts et des impôts, et renforcer la tentation de réagir aux fluctuations passagères du marché.

Les indices de sentiment et les tableaux de bord prédictifs peuvent paraître sophistiqués sans pour autant améliorer les résultats. Demandez-vous si ces informations modifient une décision déjà prise et si l'amélioration annoncée a été vérifiée en tenant compte des coûts.

Avant tout, évitez les produits qui promettent des rendements systématiquement supérieurs, une protection contre les pertes ou la capacité d’anticiper les fluctuations du marché avec une précision exceptionnelle. Les autorités de régulation ont pris des mesures à l’encontre des sociétés d’investissement qui font des déclarations trompeuses concernant leur utilisation de l’IA. Le “ AI washing ” peut donner l’impression qu’une stratégie ordinaire ou non éprouvée est plus avancée qu’elle ne l’est en réalité.

Questions à poser à un prestataire

Commencez par vous demander ce que fait réellement l'IA. Sert-elle à mener des recherches, à sélectionner des titres, à déterminer la répartition des actifs, à rééquilibrer le portefeuille ou à communiquer avec les clients ?

Demandez quelles données le modèle utilise et si le prestataire dispose des droits légaux nécessaires pour les exploiter. Renseignez-vous sur la fréquence des tests effectués sur le système, sur les personnes chargées de vérifier ses résultats et sur les conditions qui amèneraient l'entreprise à passer outre ses recommandations ou à le suspendre.

Les déclarations relatives aux performances doivent être considérées avec prudence. Vérifiez si les résultats sont basés sur des portefeuilles réels ou sur des simulations historiques, s'ils incluent les frais et les coûts de transaction, et quel indice de référence a été utilisé. Un backtest réalisé après le développement du modèle n'équivaut pas à un historique de performances vérifié de manière indépendante.

Le prestataire doit également expliquer comment les informations relatives aux clients sont conservées et si elles sont utilisées pour entraîner des modèles externes. La composition du portefeuille, la situation fiscale et les objectifs financiers personnels constituent des données sensibles.

Enfin, demandez qui est responsable de la décision d'investissement. La technologie ne dispense pas un conseiller ou un gestionnaire d'actifs de ses obligations légales et professionnelles.

Les risques liés aux modèles courants

Si de nombreux établissements financiers s'appuient sur les mêmes fournisseurs de modèles, services cloud et ensembles de données, le secteur pourrait s'avérer plus interconnecté qu'il n'y paraît.

Les modèles pourraient réagir de manière similaire à un choc de marché, recommander des ajustements comparables du portefeuille ou mal interpréter les mêmes informations erronées. Les opérations qui en résulteraient pourraient amplifier la volatilité.

La dépendance vis-à-vis d'un petit nombre de fournisseurs de technologies engendre également un risque opérationnel. Une panne, une cyberattaque ou une mise à jour de modèle pourrait affecter simultanément de nombreuses entreprises. Les gestionnaires d'actifs doivent disposer de plans d'urgence et rester en mesure d'assurer le fonctionnement des processus critiques si un fournisseur venait à être indisponible.

Le fait d'externaliser un modèle ne signifie pas pour autant que l'on se décharge de toute responsabilité. Les entreprises doivent suffisamment bien comprendre le système pour pouvoir remettre en question ses résultats et gérer ses défaillances.

Le contrôle humain doit être effectif

Le fait de confier à une personne la supervision finale d'un processus automatisé ne garantit pas pour autant une supervision efficace. Les employés peuvent accepter les recommandations du modèle soit parce que le système leur semble plus objectif, soit parce qu'ils n'ont ni le temps ni l'expertise nécessaires pour les remettre en question.

Pour assurer une surveillance efficace, il est nécessaire d'avoir accès aux données pertinentes, de bien comprendre l'utilisation prévue du modèle et de disposer du pouvoir de rejeter ses recommandations. Les décisions doivent être consignées par écrit, en particulier lorsque le système influe sur la répartition du portefeuille ou sur les conseils prodigués à un client.

Les professionnels de l'investissement joueront de plus en plus le rôle de gardiens de modèles, en plus d'être des analystes financiers et des gestionnaires de portefeuille. Ils devront être capables de déterminer quand l'IA apporte des éléments utiles, quand elle se contente de confirmer une opinion existante et quand elle suscite une fausse confiance.

Le processus le plus efficace allie la puissance de calcul à la responsabilité humaine. L'IA peut identifier des tendances et tester différents scénarios ; c'est à l'être humain de décider si ces tendances sont économiquement pertinentes et adaptées à l'investisseur.

Une nouvelle référence pour les portefeuilles gérés par l'IA

Un portefeuille géré par l'IA doit tout de même répondre aux mêmes critères fondamentaux que n'importe quelle autre approche d'investissement. Il doit avoir un objectif clair, des coûts compréhensibles, une diversification appropriée et un niveau de risque adapté à la capacité de l'investisseur à supporter des pertes.

Il convient de comparer ses performances à celles d'une alternative plus simple. Si un portefeuille diversifié à faible coût produit un résultat similaire, la complexité et les coûts supplémentaires ne se justifient peut-être pas.

Les investisseurs devraient également faire la distinction entre une meilleure gestion de portefeuille et une meilleure présentation. Des commentaires générés automatiquement et des tableaux de bord soignés peuvent améliorer la communication sans pour autant améliorer les investissements sous-jacents.

L'IA devrait s'intégrer progressivement dans la recherche, la constitution de portefeuilles, la gestion des risques et le service client. Sa contribution la plus durable résidera peut-être dans le fait d'aider les professionnels à traiter l'information et à suivre des portefeuilles complexes de manière plus cohérente, plutôt que de les remplacer par un moteur d'investissement autonome.

Cette technologie peut permettre une gestion de portefeuille plus rapide et mieux éclairée, mais elle ne peut ni éliminer l'incertitude ni définir ce à quoi un investisseur doit accorder de la valeur. Utilisez l'IA lorsqu'elle permet d'améliorer les données factuelles, la visibilité et la discipline. Restez sceptique lorsqu'elle est présentée comme un substitut à la diversification, au jugement ou à la responsabilité.