Construire le trader de demain avec l’IA de confiance

Alors que le passage à la banque numérique à l’ère post-COVID secoue le monde bancaire, l’intelligence artificielle (IA) apporte des évolutions et solutions majeures dans de nombreux domaines tels la lutte anti-blanchiment, la conformité, le conversationnel, la fraude, les calculs de risques etc… Sur les marchés financiers en particulier, cette révolution technologique a lieu aussi : c’est l’ère du trading alimenté par l’IA. Face à une accélération des phénomènes de fluctuation imprévisible du marché et à l’influence que peuvent avoir sur les cours boursiers de simples discussions issues des réseaux sociaux, les gestionnaires de fonds actifs, les traders et les investisseurs ont réalisé la nécessité d’être plus agiles. Une majorité d’entre eux semblent en tout cas s’accorder sur un point : l’IA est un élément clé pour le succès futur de leur entreprise. 

Du concept au déploiement avéré

Depuis les nouveaux modèles de déploiement dans les fintechs, aux dépenses d’infrastructure dans les banques de détail, aux défis stratégiques pour les directions, l’IA est un sujet de discussion bien réel et prégnant dans toutes les strates des entreprises du secteur financier au sens large. 

Par ce qu’elle augmente concrètement les revenus et les parts de marché tout en réduisant les coûts opérationnels, l’IA est par ailleurs utilisée dans des domaines clés des services financiers : élaboration de modèles commerciaux innovants, création d’avantages compétitifs mais aussi développement de nouveaux produits ou encore amélioration de l’efficacité opérationnelle. 

S’agissant des sociétés d’investissement en particulier, le trading algorithmique et l’optimisation de portefeuille sont même identifiés comme les catégories les plus courantes d’applications de l’IA. Chaque décision de trading – vendre ou acheter, à quel prix, quand et où exécuter les transactions – peut bénéficier d’algorithmes alimentés par l’IA ou de systèmes qui augmentent les décisions humaines avec des assistants alimentés par l’IA. 

Quels obstacles à la réalisation des objectifs d’IA ?

Malgré ce potentiel considérable pour les entreprises d’investissement, plusieurs obstacles subsistent à la réalisation de projets intégrant l’IA : 

Le manque de spécialistes des données d’abord. Selon une étude réalisée par le cabinet EY pour l’OPIIEC (Observatoire paritaire des métiers du numérique et de l’ingénierie) publiée en 2019, la France manque d’ingénieurs du numérique en particulier dans les domaines d’avenir tels que l’IA et l’apprentissage automatique, la science des données et l’analytique. Pour surmonter cette difficulté, une entreprise d’investissement peut choisir d’intégrer l’expertise IA da manière macro, dans l’ensemble de l’organisation, pour encourager une demande accrue de spécialistes des données. 

Le dilemme du choix des infrastructures technologiques ensuite. L’offre en infrastructure technique IA n’a jamais été aussi riche, et c’est justement la variété de choix qui peut donner l’impression que le problème est complexe à gérer. Or, que ce soit sur site, dans le cloud ou en environnement hybride, des systèmes accélérés par GPU (processeurs graphiques) et basés sur des conteneurs peuvent être rapidement construits et déployés.

Le manque de données enfin, peut quant à lui être surmonté par une approche créative : comment puis-je transformer ou acquérir des données pour produire de la valeur avec ce que j’ai déjà ? Or la clé pour résoudre cette étape est justement de trouver la bonne combinaison entre data scientists et infrastructure !  

Converger vers une stratégie globale IA

Pour qu’un trader puisse gérer efficacement son portefeuille de modèles de trading algorithmiques ou utiliser des informations issues de l’IA pour effectuer des transactions adaptées, les sociétés d’investissement doivent définir une stratégie IA qui crée un véritable avantage concurrentiel face au marché.

Or, nombre d’acteurs n’ont pas encore mesuré le véritable potentiel de l’IA. Selon plusieurs études convergentes, la majorité des entreprises du secteur financier au sens large destinent encore trop l’IA à des objectifs conventionnels, centrés sur une plus grande efficacité et une réduction des coûts. Moins d’un quart voient l’IA comme une technologie permettant de développer de nouveaux modèles commerciaux et des services innovants. 

Dirigeants et décideurs IT doivent savoir s’associer pour créer des plates-formes d’IA capables d’assurer la productivité et le retour sur investissement rapide, et soutenir l’arrivée croissante de professionnels de l’IA dans l’entreprise. C’est en érigeant proactivement l’IA au rang d’impératif stratégique qu’elle deviendra une compétence de base dans les institutions financières. 

En optant pour une stratégie IA globale plutôt que de la reléguer au « laboratoire de recherche », les entreprises se dotent de ressources appropriées et d’une plateforme d’infrastructure d’IA sur laquelle faire évoluer des dizaines, voire des centaines d’applications d’IA.

Permettre au trader d’évoluer dans un cadre de confiance

L’apport de l’IA est quasi sans limites. Elle peut même aider à générer des données synthétiques, lesquelles offrent d’autres points de départ pour l’utilisation de l’IA. Tout comme dans les secteurs des assurances et du crédit, il est possible d’utiliser l’IA et l’apprentissage profond pour traquer les fraudes, le blanchiment d’argent. À l’aide d’algorithmes d’IA et d’outils d’analyse, les entreprises d’investissements peuvent orienter leurs options d’investissement ou fournir à leurs prospects et clients des recommandations sur mesure.

Au niveau gouvernance, pour « ancrer » le sujet de l’IA dans le contexte de l’entreprise, ce sont les départements informatiques qui prennent la tête de la mise en œuvre. Cependant, les entreprises peuvent aussi mettre en place des départements distincts dans lesquels sont représentés des experts des unités commerciales, du département informatique, de la direction et de l’équipe de science des données.

Concernant l’engagement des entreprises en matière d’IA de confiance, on voit naitre çà et là des initiatives pour concrètement participer à garantir le meilleur niveau d’exigence en matière de recours à l’IA. Soit par la mise en place de grilles internes d’évaluation des solutions IA développées, soit en intégrant une démarche éthique dès le développement des algorithmes, et ce, en étroite collaboration avec les équipes impliquées à tous les niveaux dans l’entreprise : chargés de projet ML ou automatisation, responsables innovations, développeurs, DSI, RSSI, le DPO etc.

La course est quoi qu’il arrive lancée parmi les sociétés d’investissement pour mettre une IA de confiance au service des gestionnaires de portefeuille et des traders. À mesure que les données continuent de proliférer sur tous les canaux et dans toutes les dimensions, ce n’est plus seulement le propriétaire des données qui détient les clés, mais ceux capables d’identifier des informations exploitables et fiables pour créer un avantage concurrentiel et mener le secteur vers le « trader de demain ».


Suggestions d'articles