« La technologie au service des investisseurs et des gérants » : le thème de cette édition 2024 de l’Université d’été de l’asset management organisée par la House of Finance de l’Université Paris Dauphine laissait peu de doutes sur l’identité de la star du jour, l’intelligence artificielle, et ses cas d’applications multiples pour les asset managers.
La puissance démultipliée de la donnée
Pour l’analyse de données, tout d’abord. Comme l’explique Matthieu Barrailler, ingénieur quantitatif chez Sanso IS, « l’analyse macro-économique a besoin aujourd’hui de la puissance de l’intelligence artificielle ». Un constat que partage Juliette Faure, en charge de l’investissement quantitatif ESG chez BlackRock : « En tant que gérant, vous êtes confronté au défi de devoir récolter et surtout assimiler des centaines voir des milliers de points de données sur les entreprises de votre univers, dont beaucoup d’entre eux n’étaient pas disponibles il y a encore quelques années ».
Si l’IA est aujourd’hui capable de traiter les quantités de données gigantesques auxquelles les gérants d’actifs ont accès, c’est grâce à la conjonction de l’explosion de la capacité de calcul et de l’a réduction de son coût, comme l’explique Matthieu Barrailler : « En 2008, pour construire un super calculateur capable de réaliser un pétaflop, cela demandait 80 000 dollars. Aujourd’hui, 70 dollars. » Un chiffre révélateur quand on sait par exemple que GPT-4 a demandé 21 milliards de pétaflops pour son entraînement. Comment l’IA va-t-elle alors concrètement bouleverser l’analyse macro-économique ? Selon l’ingénieur quantitatif, à la fois en agissant sur la qualité de la donnée grâce à la mise en place d’outils de clusterisation pour détecter des valeurs aberrantes, mais aussi en agissant sur la rapidité et la réactivité de la donnée, avec la possibilité de mesurer en direct l’activité économique.
Des grands aux petits modèles
Cette analyse améliorée est permise notamment par le développement des light weight models, des modèles plus petits et donc plus abordables mais tout aussi performants que les plus gros modèles. C’est ce qu’explique Emmanuel Hauptmann, founding Partner chez Ram AI, qui a mis en place au sein de son entreprise plusieurs petits modèles experts pour l’analyse de données : « Il existe aujourd’hui des modèles qui font une fraction de la taille de ceux qui sont apparus il y a un an, et qui sont du même niveau. Ces modèles, qui font 7 à 8 milliards de paramètres, peuvent être entraînés et “finetunés” sur des architectures GPU classiques. Pas besoin d’être Microsoft ou Google pour les entraîner. » De quoi apporter de nombreux outils potentiels dans l’activité des gérants d’actifs.
Un intérêt pour ces derniers, mais aussi pour leurs clients finaux, qui vont avoir accès à une offre plus riche et plus diversifiée, comme l’analyse Juliette Faure : « Sur l’ensemble des données disponibles, seulement 1 à 2% sont aujourd’hui utilisées. L’IA va permettre aux gérants de se différencier les uns les autres en utilisant des jeux de données uniques ou en développant des techniques propriétaires pour en extraire du signal ». Selon elle, « tous les éléments clés de la gestion d’actifs vont être transformés, de la sélection de titres à la gestion de portefeuille en passant par l’investissement thématique ». Une véritable révolution déjà bien entamée, qui pourrait ouvrir la porte à une convergence de la gestion systématique et de la gestion de conviction.
Source archive Kessel : https://qant.kessel.media/posts/pst_2e5e2efc60394a458c63e10d107f1e9e
