L'essor de l'IA dans la gestion de patrimoine

L'intelligence artificielle passe de la périphérie de la gestion de patrimoine à son cœur opérationnel. Deloitte a constaté que 60 % des gestionnaires de patrimoine s'attendent à ce que cette technologie devienne un facteur de différenciation concurrentiel important au cours des prochaines années. Son attrait immédiat réside dans la réduction des coûts et l'accélération des analyses, mais le changement le plus important concerne la manière dont les entreprises appréhendent leurs clients, fournissent des conseils et répartissent le travail entre la technologie et les conseillers humains.

La gestion de patrimoine a toujours reposé sur l'information. Les conseillers recueillent des informations sur le patrimoine, les revenus, la tolérance au risque, la situation familiale et les objectifs à long terme d'un client avant de les traduire en une stratégie d'investissement.

Jusqu'à récemment, ce processus reposait en grande partie sur les relations personnelles, l'expérience professionnelle et des modèles financiers relativement statiques. L'intelligence artificielle apporte une dimension supplémentaire. Elle permet d'analyser de vastes volumes de données sur les marchés et les clients, d'identifier des tendances et d'adapter les recommandations à mesure que la situation évolue.

Cela n'enlève rien à l'importance du jugement humain. Cela change simplement le contexte dans lequel ce jugement s'applique.

De l'automatisation au conseil

Le secteur des services financiers a maintes fois adopté des technologies qui, au départ, semblaient révolutionnaires, mais qui sont ensuite devenues monnaie courante. Les distributeurs automatiques de billets ont transformé l'accès aux services bancaires. Les plateformes en ligne ont réduit la nécessité de se rendre en agence. Les applications mobiles ont intégré les informations sur les comptes et les transactions dans la vie quotidienne.

Dans le domaine de la gestion de patrimoine, la première vague visible d'automatisation a pris la forme des robots-conseillers. Des plateformes telles que Betterment et Wealthfront ont utilisé des algorithmes pour constituer et rééquilibrer des portefeuilles à un coût inférieur à celui des modèles de conseil traditionnels.

Leur principale contribution ne résidait pas dans la sophistication des investissements, mais dans leur ampleur. Les plateformes automatisées pouvaient servir un grand nombre de clients avec une intervention humaine relativement limitée, rendant ainsi la gestion de portefeuille de base accessible à des investisseurs qui, auparavant, n'auraient peut-être pas pu bénéficier de conseils personnalisés.

La prochaine étape s'annonce plus ambitieuse. L'intelligence artificielle est de plus en plus utilisée au sein des banques traditionnelles et des gestionnaires de patrimoine, et non plus uniquement par les nouveaux acteurs du numérique.

UBS, par exemple, a intégré l'IA dans certains aspects de ses activités d'investissement et de service à la clientèle. Cette technologie peut aider les conseillers à préparer leurs rendez-vous, à analyser les portefeuilles et à identifier les produits ou les informations susceptibles d'intéresser un client en particulier.

L'objectif n'est pas simplement d'automatiser un service classique. Il s'agit de rendre le conseil plus réactif sans que son coût devienne prohibitif.

L'attrait de l'échelle

PwC a indiqué que 521 entreprises du secteur des services financiers avaient investi dans l'IA au cours de l'année précédente. Ce chiffre témoigne d'une volonté générale de réduire le coût des tâches répétitives et nécessitant un traitement intensif de données.

Le suivi des portefeuilles, le traitement des documents, la segmentation de la clientèle et les contrôles de conformité peuvent mobiliser beaucoup de temps pour le personnel. Les systèmes d'IA peuvent accomplir certaines de ces tâches plus rapidement et avec une plus grande cohérence, ce qui permet aux entreprises de servir davantage de clients sans augmenter leurs effectifs au même rythme.

Les perspectives économiques sont particulièrement intéressantes dans le segment des clients à revenus élevés. Ces clients ont souvent des besoins trop complexes pour un portefeuille automatisé de base, mais ne génèrent pas nécessairement suffisamment de revenus pour justifier une relation de banque privée traditionnelle.

Les conseils assistés par l'IA pourraient rendre ce segment de clientèle plus rentable. Un conseiller humain pourrait continuer à gérer la relation client, tandis que la technologie se chargerait de la collecte de données, de l'analyse du portefeuille et des communications courantes.

Pour les clients plus importants, l'argument de vente est différent. Les familles fortunées n'ont pas nécessairement besoin de conseils moins chers. Elles ont besoin d'une vision plus claire de leurs portefeuilles complexes, d'un accès plus rapide aux informations pertinentes et d'une meilleure coordination entre les banques, les devises, les classes d'actifs et les juridictions.

La personnalisation repose sur la qualité des données

L'IA est souvent présentée comme un moyen d'accéder à une gestion de patrimoine hyper-personnalisée. En théorie, un système peut analyser les habitudes de dépenses, les besoins de liquidités, les aspects fiscaux et les préférences d'investissement avant de proposer un portefeuille sur mesure à chaque client.

La réalité est plus complexe. La fiabilité de la personnalisation dépend entièrement de la qualité des données sur lesquelles elle repose.

De nombreux gestionnaires de patrimoine conservent encore les informations relatives à leurs clients dans des systèmes disparates. Les données relatives aux portefeuilles peuvent se trouver sur une plateforme, les dossiers d'adéquation sur une autre et la correspondance sur une troisième. Les actifs privés peuvent être consignés dans des tableurs ou ne faire l'objet que de mises à jour périodiques.

Un modèle d'IA ne peut pas établir une vision fiable du client à partir de données incomplètes ou incohérentes. Avant de pouvoir promettre des conseils plus personnalisés, les entreprises doivent résoudre les problèmes moins prestigieux liés à la qualité des données, à l'intégration des systèmes et à la propriété des données.

Les clients doivent également comprendre comment leurs informations sont utilisées. Plus le niveau de personnalisation est élevé, plus les données requises peuvent devenir sensibles.

Les modèles de risque gagnent en réactivité

L'intelligence artificielle peut renforcer la gestion des risques en détectant des changements que les modèles traditionnels ne parviennent à identifier qu'avec un certain retard.

Les systèmes prédictifs peuvent analyser les données de marché, les concentrations au sein des portefeuilles et les corrélations entre les différentes classes d'actifs. Ils peuvent également intégrer des informations moins structurées, telles que les rapports d'entreprise, la couverture médiatique et l'évolution du sentiment des investisseurs.

Pour les conseillers, cela pourrait permettre de détecter plus tôt les vulnérabilités d'un portefeuille. Un système pourrait ainsi mettre en évidence que la diversification apparente d'un client est moins solide qu'il n'y paraît, car plusieurs de ses placements dépendent d'un même facteur économique, d'un même secteur ou d'un même marché géographique.

Ces outils sont utiles, mais ils ne sont pas neutres. Les modèles reflètent les hypothèses, les données d'apprentissage et les objectifs choisis par leurs développeurs.

Un système formé dans des conditions de marché relativement stables peut s'avérer peu performant en cas de choc inhabituel. Un algorithme peut également mettre en évidence des relations statistiques sans pour autant expliquer si celles-ci ont une signification économique.

Le danger n'est pas que l'IA prenne toujours de moins bonnes décisions que les humains. Il réside plutôt dans le fait que ses résultats risquent d'être acceptés avec plus de confiance qu'ils ne le méritent.

La conformité offre un premier cas d'utilisation

Le domaine réglementaire est l'un des secteurs où l'adoption de l'IA s'impose le plus clairement. Les gestionnaires de patrimoine doivent surveiller les transactions, tenir à jour les dossiers clients, évaluer l'adéquation des produits et établir la documentation requise par les autorités de régulation.

Ces processus sont coûteux et exposés aux erreurs humaines. Les outils d'IA peuvent examiner les documents, signaler les informations manquantes et identifier les transactions qui nécessitent un examen plus approfondi.

Le traitement du langage naturel peut également aider les entreprises à surveiller leurs communications ou à comparer leurs politiques internes aux exigences réglementaires.

Les gains d'efficacité pourraient être considérables, mais la responsabilité incombe toujours à l'établissement. Une entreprise ne peut pas rejeter la faute sur un algorithme si celui-ci n'a pas détecté une activité suspecte ou s'il a recommandé un placement inadapté.

Une vérification humaine restera donc nécessaire, en particulier lorsque les décisions ont une incidence sur les droits des clients, les obligations légales ou les déclarations réglementaires.

Le rôle du conseiller devient de plus en plus exigeant

Les prévisions selon lesquelles l'IA remplacera les conseillers financiers ne tiennent pas compte de la nature même de la gestion de patrimoine.

Les clients ne sollicitent pas de conseils uniquement parce qu'ils manquent d'informations. Ils peuvent avoir besoin d'aide pour concilier des priorités contradictoires, planifier la succession familiale ou prendre des décisions en période de turbulences sur les marchés.

Ces situations font appel à la confiance, à l'interprétation et au jugement. Un modèle peut calculer l'impact financier de la vente d'une entreprise familiale. Il ne peut toutefois pas gérer pleinement les tensions personnelles qui accompagnent cette décision.

L'intelligence artificielle risque davantage de transformer le rôle du conseiller que de le supprimer. Les tâches de préparation et d'analyse courantes pourraient être de plus en plus automatisées. On attendra des conseillers qu'ils consacrent davantage de temps à expliquer les choix, à remettre en question les hypothèses et à coordonner les décisions concernant l'ensemble des affaires financières du client.

Cela pourrait rehausser la valeur des conseillers compétents tout en mettant en évidence les moins performants. Lorsque les informations de base sur les marchés et la constitution de portefeuilles seront largement accessibles, les clients auront moins de raisons de payer un supplément pour des services qui ne vont guère au-delà de la simple sélection de produits.

La sécurité fait désormais partie intégrante de l'offre

Les systèmes d'IA reposent sur l'accès à de grandes quantités de données clients et financières. La protection des données devient ainsi un enjeu stratégique, et non plus une simple considération technique secondaire.

Les failles en matière de cybersécurité peuvent entraîner des pertes financières directes, des sanctions réglementaires et une atteinte durable à la réputation. Les clients du secteur de la gestion de patrimoine sont particulièrement vulnérables, car leurs dossiers peuvent contenir des informations détaillées sur leurs actifs, la composition de leur famille et leurs transactions futures.

Les entreprises doivent préciser quelles données sont accessibles aux systèmes d'IA, où ces systèmes sont hébergés et comment les résultats sont stockés. Elles doivent également mettre en place des mesures de protection contre les fuites de données, leur manipulation et leur utilisation non autorisée.

Les fournisseurs de technologies tiers constituent un facteur de risque supplémentaire. Un gestionnaire de patrimoine peut externaliser une partie de son infrastructure d'IA, mais il ne peut en aucun cas déléguer la responsabilité de la protection des données de ses clients.

La confiance dépendra en partie de la capacité des entreprises à expliquer leurs contrôles dans des termes compréhensibles pour leurs clients.

Les lauréats allieront technologie et discernement

Gartner prévoit que l'IA gérera plus de 1 400 milliards de dollars d'actifs d'ici 2025. La question de savoir si ces actifs sont véritablement “ gérés par l'IA ” reste sujette à interprétation. Dans la plupart des cas, la technologie sert à faciliter la constitution de portefeuilles, le suivi ou la communication, plutôt que d'assumer l'entière responsabilité des décisions d'investissement.

Cette distinction est importante. L'IA n'est pas un gestionnaire de patrimoine autonome. Il s'agit d'un ensemble d'outils susceptibles d'améliorer certains aspects du processus de conseil.

Au cours des trois à cinq prochaines années, cette technologie devrait s'imposer comme une fonctionnalité standard des plateformes d'investissement. Les fonctionnalités analytiques de base deviendront plus facilement accessibles, ce qui réduira leur valeur en tant que facteur de différenciation.

L'avantage concurrentiel dépendra plutôt de la mise en œuvre. Les entreprises auront besoin de données fiables, d'une infrastructure sécurisée et d'une gouvernance claire. Elles devront également intégrer l'IA dans le travail quotidien des conseillers, plutôt que de la proposer comme un service numérique isolé.

La sensibilisation des clients sera tout aussi importante. Les investisseurs doivent savoir quand ils interagissent avec un système automatisé, comment les recommandations sont générées et dans quels cas un conseiller humain reste responsable.

Il est peu probable que le modèle le plus performant soit entièrement humain ou entièrement automatisé. Il alliera la puissance de calcul de l'IA au jugement professionnel et à une relation qui inspire confiance aux clients lors de décisions importantes.

L'intelligence artificielle rendra la gestion de patrimoine plus rapide et potentiellement plus accessible. Quant à savoir si elle améliorera le secteur, cela dépendra de la manière dont les entreprises exploiteront le temps, les informations et l'échelle qu'elle leur offre.