Par Mark Ainsworth, Head of Data Insights and Analytics chez Schroders.

L'intelligence artificielle est un sujet brûlant. Les innovations dans ce domaine soulèvent entre autres la question intrigante de savoir si les machines vont un jour remplacer les humains au poste de gestionnaires de portefeuille. Il existe déjà des robots-conseillers qui fournissent des conseils financiers de base au moyen d'algorithmes calculés sur la base des questions posées. Malgré les progrès récents, beaucoup de ces applications n'en sont encore qu'à leurs tout premiers pas, notamment celles dans le domaine de l'application de l'intelligence artificielle à la gestion d'actifs. Mark Ainsworth, Head of Data Insights and Analytics chez Schroders a la conviction que la vraie valeur pour le secteur des entreprises réside dans l’intelligence augmentée, qui utilise l'intelligence artificielle pour aider les humains à prendre des décisions au lieu de prendre des décisions à leur place. 

L'une des formes de l'intelligence artificielle est l’apprentissage automatique qui consiste en l'utilisation d'algorithmes et de techniques statistiques pour dégager les tendances au sein de volumes faramineux de données. L'une des applications commerciales les plus courantes de l'apprentissage machine est l’analyse prédictive pour prédire les résultats futurs.  Les systèmes d'intelligence artificielle tels que Watson et Deep Blue d'IBM et AlphaGo de Google sont des succès bien connus dans le domaine des jeux (respectivement pour Jeopardy !, Chess et Go).

Les jeux basés sur l'intelligence artificielle ont beau faire la une des journaux, le monde réel est en fait nettement plus complexe. Beaucoup de systèmes d’intelligence artificielle produisent des résultats inexacts et requièrent souvent une intervention humaine supplémentaire - codage et modification des algorithmes - pour pouvoir fonctionner correctement dans le monde réel.

La qualité des données détermine la qualité de l'apprentissage. Les principales conditions de succès sont au nombre de cinq :

- Un environnement constant où les règles sont fixées et ne varient pas

- L'information pertinente est numérique, quantifiée

- Des quantités de données faramineuses

- Une incertitude limitée 

- Des objectifs clairs

 

Ces paramètres sont respectés dans des jeux comme les échecs ou le Go en raison de la nature du contexte : les règles sont établies, il y a peu d'incertitude quant aux règles et l’objectif est clair. Des quantités presque illimitées de données peuvent être créées en faisant jouer l'ordinateur contre lui-même. Mark Ainsworth estime que cela ne peut pas marcher pour les investissements fondamentaux, car ils ne remplissent pas vraiment les cinq conditions précitées. Selon lui, l'investissement à long terme restera une tâche humaine, car les conditions d'efficacité de l'intelligence artificielle font défaut.

 

L’intelligence augmentée

L'intelligence augmentée, qui existe depuis à peu près aussi longtemps que l'intelligence artificielle, a déjà largement fait ses preuves et est présente dans presque tous les aspects de notre vie quotidienne. Prenons l’exemple de la voiture. Cela fait déjà des décennies que les voitures sont dotées de dispositifs qui renforcent les capacités du conducteur. Il s’agit de dispositifs que l’on utilise au quotidien, comme les rétroviseurs, les voyants d'avertissement de température ou les indicateurs de vitesse qui fournissent au moment voulu les informations sur l'état du véhicule. Toutes ces fonctionnalités ont été conçues pour aider le conducteur humain à prendre les bonnes décisions et améliorer ainsi sa façon de conduire. Les voitures modernes sont dotées de fonctionnalités beaucoup plus avancées : capteurs de ceinture de sécurité, aide au stationnement, avertisseur d'angle mort et, bien sûr, navigation par satellite. Ce sont là des exemples modernes d'intelligence augmentée. L'intelligence augmentée est simplement une amélioration de l’intelligence par des moyens technologiques.

Pour le secteur de la gestion d'actifs, l'intelligence augmentée est un domaine scientifique beaucoup plus pertinent que l'intelligence artificielle. Elle permet d'extraire des tendances que peu d'autres personnes sont capables d’identifier - même au moyen des données disponibles. Cela présente des avantages énormes lorsqu'il s'agit d’investissements fondamentaux.

 

La connaissance des investisseurs est limitée...

Chaque gestionnaire de fonds qui passe en revue ses investissements a accès à une foule d'informations utiles sur l’entreprise concernée - sa situation financière, ses revenus, les plans annoncés par la direction. Mais il y a d'autres éléments importants auxquels les investisseurs n'ont actuellement pas accès par les canaux traditionnels, comme la réponse aux questions suivantes :

- Que pensent réellement les consommateurs d'une marque donnée ?

- Comment l'opinion des consommateurs a-t-elle été influencée par les initiatives stratégiques d'une entreprise ou par un scandale qui aurait pu se produire ?

- Quel est le groupe démographique qui s’intéresse le plus à la marque pour l’instant et la croissance visée sera-t-elle atteinte en ciblant uniquement ce groupe cible ou en s'adressant aussi à d'autres groupes cibles ?

- Les points de vente sont-ils situés dans des zones à une distance raisonnable du groupe cible en voiture ?

 

Les entreprises sont parfaitement capables de répondre elles-mêmes à ces questions, car il s'agit d'un élément central de la planification de leurs objectifs stratégiques d'entreprise. Des services entiers se consacrent à la cartographie et à l'analyse des données sur la population locale, à la réalisation d'enquêtes et à l'examen des données relatives aux cartes de fidélité pour étayer les plans stratégiques. Mais la plupart des investisseurs ne reçoivent que des fragments de ces informations dans les rapports des sociétés et les rapports annuels, au lieu d’avoir une image complète de la société en question et du secteur.

 

…mais pas avec l’intelligence augmentée

Bien que les ensembles de données capables de couvrir ces angles morts soient accessibles au public (parce qu'ils sont vendus par des bureaux de recherche, publiés par les pouvoirs publics ou distribués par le secteur), l'investisseur individuel n’en utilise qu’une toute petite partie. Les ensembles de données contenant ces informations représentent des volumes beaucoup trop grands et n’ont pas une structure qui permettrait au professionnel de l’investissement de les exploiter par des moyens conventionnels comme Excel. C'est là que l'intelligence artificielle et l'apprentissage automatique peuvent être des outils utiles pour convertir les données en connaissances comblant une lacune dans l’analyse, ce qui augmente ainsi l'intelligence du gestionnaire de fonds.

Au bout de compte, c’est néanmoins le gestionnaire du fonds qui conserve le contrôle de ses décisions d'investissement. Mais pensez au plaisir que vous ressentez en descendant l'autoroute un kilomètre avant l'embouteillage et en faisant un détour sur une voie dégagée pendant que tous les autres sont dans leur voiture parce qu'ils ne savaient pas qu'il y avait des files un peu plus loin devant eux. À l’inverse, un conducteur encore mieux informé et ayant une connaissance spécifique d'une route nouvellement ouverte ou d'un incident imminent pourrait choisir de ne pas suivre aveuglément les directions de son système de navigation, et préférer faire un détour aléatoire basé sur un algorithme dont personne ne se soucie. Pour Mark Ainsworth, c'est là que se situe le point de parfait équilibre entre l'intelligence artificielle et l'intelligence augmentée. 


Publié le 21 février 2019