Le secteur de la gestion d’investissements est à un tournant crucial avec l’émergence de l’intelligence artificielle (IA). De plus en plus d’entreprises intègrent des agents d’IA dans les opérations quotidiennes de leurs gestionnaires de portefeuille, analystes et responsables de la conformité. Pourtant, une majorité des firmes éprouvent des difficultés à définir clairement le type d’intelligence qu’elles utilisent.
Les agents d’IA, souvent appelés IA agentiques, vont bien au-delà des modèles de langage courants comme ChatGPT. Ce n’est pas simplement une question de poser une question et d’obtenir une réponse ; ces agents sont capables d’observer, d’analyser, de décider et parfois d’agir au nom d’un humain dans des limites définies. Les sociétés d’investissement doivent donc se poser une question essentielle : s’agit-il d’un outil d’aide à la décision, d’un analyste de recherche autonome ou d’un trader délégué ?
Index du contenu:
Définir et classer l’intelligence artificielle
Chaque adoption et mise en œuvre de l’IA représente une occasion d’établir des limites et de circonscrire les outils. Si l’on ne peut pas classer son IA, il devient impossible de la gouverner, et, par conséquent, de l’échelonner efficacement. Pour répondre à ce besoin, notre équipe de recherche, en collaboration avec l’Université DePaul et Panthera Solutions, a élaboré un système de classification multidimensionnel pour les agents d’IA dans la gestion des investissements.
Une classification partagée pour une gouvernance efficace
Ce système offre aux praticiens, aux conseils d’administration et aux régulateurs un langage commun pour évaluer les systèmes agentiques en fonction de leur autonomie, de leur fonction, de leur capacité d’apprentissage et de leur gouvernance. Les leaders du secteur bénéficieront d’une compréhension approfondie des étapes nécessaires pour concevoir une taxonomie de l’IA et établir un cadre pour cartographier les agents d’IA déployés au sein de leurs entreprises.
Sans une taxonomie partagée, le risque est double : accorder une confiance excessive ou sous-utiliser une technologie qui transforme déjà la manière dont le capital est alloué. Cela pourrait engendrer des complications supplémentaires à l’avenir.
Stratégies d’intégration de l’IA
Actuellement, les gestionnaires d’investissement abordent l’IA de deux manières : comme un ensemble fonctionnel d’outils ou comme un élément intégré du processus décisionnel. L’approche fonctionnelle consiste à utiliser l’IA pour le scoring des risques, des processeurs de langage naturel pour extraire des sentiments et des co-pilotes qui résument les expositions de portefeuille. Bien que cette méthode améliore l’efficacité et la cohérence, elle ne modifie pas l’architecture décisionnelle fondamentale, laissant l’organisation centrée sur l’humain avec l’IA comme un outil périphérique.
Vers une adoption systémique de l’IA
Un nombre croissant de firmes, cependant, choisissent d’adopter une approche systémique. Elles intègrent les agents d’IA dans le processus de conception des investissements en tant que participants adaptatifs plutôt que simples outils auxiliaires. Ici, l’autonomie, la capacité d’apprentissage et la gouvernance sont explicitement définies. L’entreprise devient un écosystème décisionnel où le jugement humain et le raisonnement des machines coexistent et co-évoluent.
Cette distinction est essentielle. Une adoption axée sur la fonction donne des outils rapides, tandis qu’une adoption systémique crée des organisations plus intelligentes. Bien que les deux puissent coexister, seule la seconde offre un avantage comparatif durable.
Équilibre et durabilité dans les décisions d’investissement
Le neuroscientifique Antonio Damasio nous rappelle que toute intelligence vise l’homéostasie, cherchant un équilibre avec son environnement. Les marchés financiers sont des systèmes adaptatifs complexes et doivent également maintenir cet équilibre, entre données et jugement, automatisation et responsabilité, profit et durabilité planétaire. Un cadre intelligent d’IA devrait refléter cette écologie en cartographiant les agents d’IA selon trois dimensions orthogonales.
Analyse et monitoring des processus d’investissement
Premièrement, considérons le processus d’investissement : où l’agent opère-t-il dans la chaîne de valeur ? Un processus d’investissement typique comprend cinq étapes : génération d’idées, évaluation, décision, exécution et suivi, intégrées aux workflows de conformité et de reporting. Les agents d’IA peuvent améliorer chaque étape, mais les droits décisionnels doivent rester proportionnels à l’interprétabilité.
Avantages concurrentiels et gestion des risques
Les agents d’IA, souvent appelés IA agentiques, vont bien au-delà des modèles de langage courants comme ChatGPT. Ce n’est pas simplement une question de poser une question et d’obtenir une réponse ; ces agents sont capables d’observer, d’analyser, de décider et parfois d’agir au nom d’un humain dans des limites définies. Les sociétés d’investissement doivent donc se poser une question essentielle : s’agit-il d’un outil d’aide à la décision, d’un analyste de recherche autonome ou d’un trader délégué ?0
Les agents d’IA, souvent appelés IA agentiques, vont bien au-delà des modèles de langage courants comme ChatGPT. Ce n’est pas simplement une question de poser une question et d’obtenir une réponse ; ces agents sont capables d’observer, d’analyser, de décider et parfois d’agir au nom d’un humain dans des limites définies. Les sociétés d’investissement doivent donc se poser une question essentielle : s’agit-il d’un outil d’aide à la décision, d’un analyste de recherche autonome ou d’un trader délégué ?1
Les agents d’IA, souvent appelés IA agentiques, vont bien au-delà des modèles de langage courants comme ChatGPT. Ce n’est pas simplement une question de poser une question et d’obtenir une réponse ; ces agents sont capables d’observer, d’analyser, de décider et parfois d’agir au nom d’un humain dans des limites définies. Les sociétés d’investissement doivent donc se poser une question essentielle : s’agit-il d’un outil d’aide à la décision, d’un analyste de recherche autonome ou d’un trader délégué ?2