08
Fév 2024
L’avènement de l’intelligence artificielle (IA) marque le début d’une ère de transformation radicale pour les entreprises, les asset managers n’y échapperont pas. Par où commencer et surtout comment obtenir rapidement les premiers retours sur investissement ?
L’omniprésence de données normées et structurées font du secteur financier un environnement propice au déploiement de l’IA dans les processus de production. Si on ajoute à cela que le secteur financier a toujours été férus de technologie, il semble logique que les acteurs de l’Asset Management s’intéressent de près à l’IA et ses applications possibles. De grands acteurs du secteur ont d’ores et déjà annoncé le lancement de programmes d’investissements majeurs pour exploiter les capacités des algorithmes.
Contrairement à l’idée très répandue, nous doutons fortement des bénéfices de l’IA dans les processus de gestion. En effet, plusieurs limitations fortes nous incitent à la prudence vis-à-vis de ces cas d’usage. Premièrement, la décision d’investissement est l’acte le plus sensible et engageant d’un gérant d’actifs. Toute erreur peut entrainer des impacts financiers, d’image et de conformité importants. Le taux d’acceptation de l’erreur est donc quasi nul ce qui semble peu compatible avec l’usage d’une IA. Par ailleurs, les systèmes d’IA, en particulier les modèles d’apprentissage profond, sont souvent perçus comme des boîtes noires en raison de leur complexité. Ce manque d’auditabilité sera un frein majeur à l’adoption au Front Office.
En revanche, l’Intelligence Artificielle, notamment basée sur le « Natural Language Processing », trouvera rapidement sa place dans les équipes d’analystes financiers ou extra-financiers pour préparer des synthèses de marché et les aider à retrouver rapidement l’information recherchée à partir d’un volume très important de rapports et d’analyses à leur disposition. L’IA pourra aussi rapidement produire une partie des documents des comités d’investissement.
Les gains les plus importants sont sans doute à attendre du côté de la Direction des Opérations des gérants d’actifs. En effet, les capacités d’analyse de l’IA seront mises à profit pour augmenter les contrôles sur le Middle Office ou le Data Management. Des algorithmes peuvent être entrainés à détecter des « patterns » d’erreurs sur le Matching Broker ou l’enrichissement des coordonnées de règlement livraison. Le Machine Learning donne également la possibilité d’augmenter significativement les taux de rapprochement automatique de positions ou de transactions. Enfin, l’introduction de contrôles de cohérence de données par « Peer Group » dans les équipes référentielles devraient réduire le nombre de « faux positifs ». Les équipes de conformité pourront aussi bénéficier de la même façon de l’IA pour leur contrôle de second niveau.
Les cas d’usage de l’IA dans les parcours investisseurs ou distributeurs existent mais ils mettront sans doute plus longtemps à passer à l’échelle, les acteurs voudront d’abord éprouver les technologies en interne avant de les exposer aux clients.
Cependant, l’adoption de l’IA n’est pas sans défi. Le premier d’entre eux sera lié aux données disponibles pour faire les entrainements. Pour que l’IA fonctionne efficacement, les données doivent être fiables et en quantité suffisante. Un adage populaire dans le domaine de l’informatique, « garbage in, garbage out », souligne ce point : des données de mauvaise qualité conduisent inévitablement à des résultats erronés. Les usages seront aussi contraints par quantité de données disponibles.
Le choix des technologies à utiliser est également un point d’attention. Nous pensons que les acteurs vont majoritairement s’équiper de solutions technologiques externes pour abaisser le coût d’entrée, tant financier que d’expertise. Peu sont les acteurs qui disposent d’une taille suffisante et des ressources nécessaires pour développer eux-mêmes leurs propres IA « maison ».
Ensuite, ce type de projet nécessite un environnement dédié si l’entreprise souhaite maitriser totalement la confidentialité des données traitées. L’environnement nécessaire à l’entrainement et au prototypage peut s’avérer couteux. Par ailleurs, la mise en production de l’IA, comme pour tout programme informatique, pose la question de la gestion du cycle de vie des modèles. Les modèles d’IA nécessitent une gestion continue pour s’assurer qu’ils restent précis et pertinents. Cela comprend la surveillance, la mise à jour et l’amélioration constante des modèles. Il convient de prendre en compte ces charges dans le coût global du projet de déploiement.
Pour finir, il existe une pénurie de Data Scientists/ Experts dans le secteur qui entraine une flambée des salaires proposés par les entreprises à ces profils. Le déploiement de l’IA dans les entreprises nécessitera le recrutement de spécialistes et là encore, il faudra le budgéter.
Malgré ces défis, il est indéniable que les sociétés de gestion ont intérêt à expérimenter, dès à présent, les atouts de l’Intelligence Artificielle. Cependant, avant de se lancer dans cette aventure, une analyse approfondie des meilleurs cas d’usage et les limitations est nécessaire. Le choix des partenaires technologiques est également déterminant pour garantir le succès de cette intégration.
Périclès Group accompagne les sociétés de gestion dans leur transition vers l’IA, en offrant une expertise tant dans l’évaluation des besoins spécifiques que dans la mise en œuvre de solutions adaptées. N’hésitez pas à consulter.
Découvrez la totalité des articles de notre Cahier de Tendances 2024 en cliquant ici.
Spécialisé dans les domaines de la Banque, de la Finance, de l’Assurance et de la Protection Sociale, notre Cabinet place l’expertise au cœur de son savoir-faire. Nos équipes interviennent à la fois sur les phases stratégiques, organisationnelles, de mise en œuvre et s’adaptent aux spécificités de chaque projet. Nos antennes françaises, luxembourgeoises et anglaises seront ravies d’échanger avec vous autour de vos besoins en assurance, finance et actuariat. Pour nous contacter, cliquez ici.
22
Mai 2025
29
Avr 2025
09
Avr 2025
17
Mar 2025