La gestion des investissements est à un tournant décisif avec l’intégration croissante de l’intelligence artificielle (IA). Les agents IA, capables de traiter des données complexes, deviennent des outils essentiels pour les gestionnaires de portefeuille, les analystes et les responsables de la conformité. Pourtant, la majorité des entreprises peinent encore à définir la nature exacte de l’IA qu’elles utilisent.
L’agentic AI, une forme avancée d’IA, dépasse les modèles utilisés traditionnellement, tels que ChatGPT. Contrairement à ces derniers, qui se contentent de fournir des réponses, l’agentic AI observe, analyse, décide et parfois agit à la place d’un humain, dans des limites prédéfinies. Les entreprises d’investissement doivent donc déterminer si ces outils servent de soutien à la décision, d’analyste de recherche autonome ou de trader délégué.
Index du contenu:
Les enjeux de l’adoption de l’IA dans l’investissement
Chaque adoption de l’IA représente une occasion de définir des limites et de sécuriser ces outils. En l’absence d’une classification claire de l’IA, il devient impossible de la gouverner ou de l’échelonner efficacement. Pour répondre à ce défi, une équipe de recherche de l’Université DePaul et de Panthera Solutions a élaboré un système de classification multidimensionnel pour les agents IA dans le secteur de l’investissement.
Ce système propose un vocabulaire commun pour les praticiens, les conseils d’administration et les régulateurs, permettant d’évaluer les systèmes d’IA en fonction de leur autonomie, de leur fonction, de leur capacité d’apprentissage et de leur gouvernance. Cette démarche aidera les leaders du secteur à concevoir une taxonomie de l’IA et à établir un cadre pour cartographier les agents IA déployés dans leurs structures.
La nécessité d’une taxonomie partagée
Sans une taxonomie acceptée, le risque est celui d’une confiance excessive ou d’une sous-utilisation d’une technologie qui transforme déjà la manière dont le capital est alloué. La taxonomie de l’IA ne doit pas brider l’innovation. Si elle est bien conçue, elle doit permettre aux entreprises de clarifier le problème que l’agent résout, les responsabilités impliquées et comment le risque lié aux modèles est atténué. En l’absence de cette clarté, l’adoption de l’IA demeure tactique plutôt que stratégique.
Deux approches principales d’intégration de l’IA
Les gestionnaires d’investissements adoptent l’IA de deux manières distinctes : comme un ensemble d’outils fonctionnels ou comme un élément intégré au processus décisionnel. L’approche fonctionnelle se concentre sur des tâches spécifiques telles que l’évaluation des risques, l’extraction de sentiments à partir de données textuelles et l’assistance dans la synthèse des expositions de portefeuille. Bien que cela améliore l’efficacité et la cohérence, l’architecture décisionnelle reste largement humaine, l’IA agissant alors comme un simple outil d’appoint.
En revanche, un nombre croissant d’entreprises choisissent une approche systémique, intégrant les agents IA au processus de conception des investissements. Dans ce cadre, l’autonomie, la capacité d’apprentissage et la gouvernance sont clairement définies, transformant l’entreprise en un écosystème décisionnel où le jugement humain et le raisonnement machine coexistent et évoluent ensemble.
Les bénéfices d’une adoption systémique
Cette distinction est cruciale. Une adoption fonctionnelle permet d’accélérer les outils, tandis qu’une adoption systémique favorise la création d’organisations plus intelligentes. Les deux approches peuvent coexister, mais seule la seconde offre un avantage comparatif durable. Comme l’a souligné le neuroscientifique Antonio Damasio, toute forme d’intelligence vise à atteindre l’homéostasie, c’est-à-dire un équilibre avec son environnement.
Les marchés financiers, en tant que systèmes adaptatifs complexes, doivent également maintenir cet équilibre entre données et jugement, automatisation et responsabilité, profit et stabilité planétaire. Un cadre d’IA intelligent devrait refléter cette dynamique en cartographiant les agents IA selon trois dimensions orthogonales : le processus d’investissement, l’avantage comparatif et la plage de complexité.
Vers une intelligence augmentée
Les exigences réglementaires croissantes, telles que l’Acte sur l’IA de l’UE et le cadre de l’OCDE pour la classification des systèmes d’IA, imposent une explicabilité et une responsabilité accrues. Une taxonomie qui relie ces exigences à des leviers de gouvernance pratiques serait considérée comme une meilleure pratique. En fin de compte, l’intelligence augmentée, correctement classifiée et gouvernée, permet à l’allocation de capital d’être non seulement plus rapide, mais aussi plus avisée, apprenant au fur et à mesure des allocations.