Ces dernières années, l’intelligence artificielle a connu une évolution fulgurante, suscitant un grand intérêt dans le domaine de la gestion d’investissement. Les acteurs du secteur espéraient des avancées significatives en matière d’efficacité de la recherche, de reporting et de gestion des risques. Cependant, des études récentes, tant académiques qu’industrielles, révèlent un tableau plus nuancé de cette technologie en plein essor.
Les résultats de ces recherches mettent en lumière des lacunes de fiabilité persistantes, la nécessité d’un jugement humain et d’une supervision appropriée, ainsi que des limites à la création de valeur à court terme. Par conséquent, l’impact de l’intelligence artificielle pourrait être moins spectaculaire que ce que l’enthousiasme initial laissait supposer. Pour les investisseurs, cela souligne l’importance d’une adoption réfléchie et fondée sur des preuves plutôt que d’une excitation précoce.
Index du contenu:
Les défis de la fiabilité de l’intelligence artificielle
Un des problèmes majeurs entravant l’adoption de l’IA dans des environnements financiers critiques est sa fiabilité. Une analyse récente de NewsGuard (2025) a révélé une augmentation alarmante des déclarations fausses ou trompeuses générées par les chatbots d’IA, avec un taux d’erreur qui a grimpé de 10 % à presque 60 %. Ces hallucinations ne sont pas simplement des anomalies statistiques : une étude interne d’OpenAI (2025) a montré qu’elles résultent souvent des méthodes de formation des modèles, qui privilégient des réponses confiantes même si elles sont incorrectes.
Éthique et conformité
Les préoccupations ne s’arrêtent pas à la fiabilité. Dans une simulation de prise de décision financière, inspirée par des échecs de gouvernance comme ceux du fonds d’investissement FTX, les travaux de Biancotti et al. (2025) ont révélé que plusieurs modèles d’IA avaient une probabilité significative de recommander des actions éthiquement ou légalement discutables. Pour les professionnels de l’investissement, qui doivent garantir précision, transparence, et responsabilité, ces études soulignent que l’IA n’est pas encore suffisamment fiable pour fonctionner de manière autonome dans de nombreux processus financiers réglementés.
Le rôle de l’humain face à l’IA
Les recherches indiquent également que l’IA semble plus être un outil d’augmentation qu’un substitut à l’expertise humaine. Une étude menée par des chercheurs du MIT (Kosmyna et al., 2025) a révélé que l’interaction avec des modèles de langage entraînait une diminution de l’activité cérébrale dans les zones liées à la créativité, à la mémoire et au raisonnement exécutif. Bien que l’IA puisse accélérer certaines analyses initiales, une dépendance excessive à ces systèmes pourrait affaiblir les capacités cognitives essentielles à un jugement d’investissement solide.
De plus, l’adoption de l’IA ne réduit pas le besoin d’interaction humaine dans les contextes orientés vers les clients. Yang et al. (2025) ont montré que les conseils d’investissement générés par l’IA sont perçus comme beaucoup plus fiables lorsqu’ils sont accompagnés d’un conseiller humain, même si ce dernier n’apporte aucune valeur analytique supplémentaire. De même, Le et al. (2025) ont constaté que la satisfaction client augmente lorsque la collaboration humain-IA est clairement mise en avant.
Les limites de l’automatisation
Les capacités d’automatisation de l’IA demeurent limitées. Dans des études de benchmark sur des tâches complexes, Xu et al. (2025) ont observé que les agents d’IA avancés ne réussissaient à compléter de manière autonome qu’environ 30 % des tâches complexes. Une autre étude menée par Tomlinson (2025) a révélé que dans près de 40 % des interactions avec les modèles, les actions de l’IA divergeaient significativement des intentions de l’utilisateur.
Ces résultats suggèrent que les entreprises d’investissement devraient considérer l’IA comme un outil d’augmentation pour les humains plutôt que comme un remplaçant. Cela nécessite un processus de vérification continue de la qualité des résultats générés par la machine, ce qui, bien que cela augmente la complexité et les coûts, est essentiel pour garantir des résultats fiables.
Les contraintes macroéconomiques et réglementaires
En outre, les contraintes macroéconomiques pourraient tempérer les attentes. Selon Acemoglu (2025), même dans des scénarios optimistes, les gains de productivité globaux dus à l’IA dans la prochaine décennie devraient rester modestes. Les premiers résultats proviennent principalement de tâches simples, tandis que les tâches plus complexes présentent des défis d’automatisation limités.
Les questions réglementaires ajoutent encore des obstacles. Foucault et al. (2025) ont noté que l’adoption de l’IA dans le domaine de l’intermédiation financière engendre de nouveaux risques de concentration, des dépendances aux infrastructures, et des défis de supervision, poussant les régulateurs à adopter une approche prudente. Ces facteurs structurels indiquent que l’impact de l’IA pourrait être plus progressif que révolutionnaire.
Les résultats de ces recherches mettent en lumière des lacunes de fiabilité persistantes, la nécessité d’un jugement humain et d’une supervision appropriée, ainsi que des limites à la création de valeur à court terme. Par conséquent, l’impact de l’intelligence artificielle pourrait être moins spectaculaire que ce que l’enthousiasme initial laissait supposer. Pour les investisseurs, cela souligne l’importance d’une adoption réfléchie et fondée sur des preuves plutôt que d’une excitation précoce.0