Aller au contenu principal
Encore 1/5 articles gratuits à lire
Au cours des dernières années, les innovations numériques ont transformé de nombreux secteurs. C’est maintenant au tour du gestionnaire financier de se réinventer.
© STAFF

Innovation

Comment devenir un gérant d’actifs 2.0?

Les métiers de la finance changent sous l’effet de l’innovation, qu’elle se manifeste dans le développement du Big Data ou de l’intelligence artificielle. Si certaines évolutions technologiques menacent les experts de l’investissement, d’autres peuvent s’avérer très utiles pour qu’ils se réinventent

Cet article fait partie de l’édition spéciale «Les femmes font Le Temps», écrite par une cinquantaine de femmes remarquables, et publiée lundi 6 mars 2017.


Au cours des dernières années, les innovations numériques ont transformé de nombreux secteurs. C’est maintenant au tour du gestionnaire financier de se réinventer. Les gérants d’actifs doivent se demander ce qu’ils ont à offrir à leurs clients qu’un robot, une plateforme de réseaux sociaux ou un algorithme n’est pas en mesure de proposer à leur place. Or, paradoxalement, c’est aussi la technologie qui leur fournit de nouvelles opportunités. Exemples.

Le big data: un nouveau filon

La recherche financière constitue l’un des moteurs dont dispose le gérant d’actifs pour construire de la performance sur les actifs qu’il gère. Auparavant, le gestionnaire ne pouvait s’appuyer que sur un nombre limité de sources données telles que rapports annuels de sociétés, statistiques économiques publiques ou rapports exigés par les régulateurs. Aujourd’hui, les sources de données dont dispose le gestionnaire pour faire sa recherche et arriver à une décision d’investissement se sont démultipliées: capteurs météo, réseaux sociaux, images satellites, vidéos en ligne, transactions en ligne ou signaux GPS. Le Big Data se réfère à cette explosion du volume d’informations disponibles: 90% des données existant dans le monde ont été créées lors des trois dernières années.

Le gérant doit faire évoluer sa recherche financière pour intégrer l’analyse de ces nouvelles sources de données. Le fait que ces données sont publiées en temps réel permet de développer des indicateurs bien plus avancés que par le passé. Ainsi, des images satellites sur les sites de construction permettent de mieux comprendre l’état du marché immobilier dans une région. De même, les messages sur les réseaux sociaux permettent d’appréhender l’appétit au risque des investisseurs, et donc potentiellement les tendances du marché financier.

Alliance avec des fintechs

Néanmoins, la multiplication des données, leur vélocité mais aussi la complexité des formats rendent leur utilisation difficile pour le gérant. De plus, quantité ne rime pas toujours avec qualité. Voilà donc un nouveau pan du métier du gestionnaire qui se crée: il doit développer un savoir-faire pour trier cette masse de nouvelles informations, les analyser et leur donner du sens. Son rôle sera de transformer ce nouveau filon de données en informations pertinentes, au-delà du bruit ou même des «fake news».

Aujourd’hui, le gestionnaire peut s’allier avec des sociétés technologiques pour se faire aider dans son travail. Différentes fintechs se sont développées autour de l’analyse de ces nouvelles sources de données. A titre d’exemple, la société Ravenpack permet de filtrer les nouvelles provenant des médias traditionnels et des médias sociaux et de les classer en fonction d’un score qui pondérera la nouveauté de l’information, sa pertinence et, enfin, l’émoi qu’elle provoquera sur le marché en fonction du volume traité sur le titre s’y rapportant. D’autres sociétés se spécialisent dans l’analyse de données satellite, comme Rezatec ou Orbital Insight. Toutes ces entreprises peuvent aider le gestionnaire à détecter des événements pertinents, nouveaux et inattendus – qu’ils se situent au niveau d’une société, d’un indicateur macroéconomique ou d’une évolution géopolitique.

L’intelligence artificielle et l’investissement

L’intelligence artificielle, qui a pour but de répliquer l’humain dans la mise en œuvre de ses capacités cognitives, est un autre développement qui va aussi intéresser les gérants d’actifs.

De manière générale, il est probable que toute tâche mentale qui nécessite moins d’une seconde de réflexion puisse être automatisée dès aujourd’hui au moyen des techniques d’intelligence artificielle déjà disponibles. Par exemple, il y a quelques semaines, un ordinateur a battu des joueurs professionnels de poker, après avoir surpassé l’homme au jeu de go et aux échecs.

Le poker présentait un défi supplémentaire par rapport à d’autres jeux, à savoir que le joueur ne dispose que d’une information incomplète pour prendre sa décision. Cette caractéristique le rapproche de l’acte de gestion sur les marchés financiers, car la décision d’investissement se fonde aussi sur une information asymétrique. Est-ce la fin programmée du gestionnaire d’actifs, qui se verra remplacé par un robot prenant les décisions d’investissement? Rien ne le démontre actuellement.

Ambiguïtés dans la finance

Notamment parce que l’intelligence artificielle a encore ses limites. A titre d’exemple, chaque programme se spécialise dans une tâche mais n’a pas la faculté d’exploiter un apprentissage acquis dans un contexte pour le transférer dans un autre contexte. De même, ces programmes ont du mal à gérer le concept d’ambiguïté. Or, les marchés financiers sont des environnements complexes où les décisions sont interdépendantes et où les émotions des intervenants guident les mouvements.

L’intelligence artificielle peut être considérée comme une potentielle suite de la gestion quantitative ou de la gestion algorithmique. En finance, les premières utilisations se font dans le trading, où certains algorithmes peuvent décider comment traiter des ordres en fonction de la volatilité ou du volume présent sur le marché à l’instant même. A la différence près que si, dans la gestion quantitative, le gérant enseignait à la machine comment chercher, dans l’intelligence artificielle, la machine est censée apprendre toute seule.

Retravailler la relation à la machine

La plupart des modèles d’intelligence artificielle dans la finance utilisent le «machine learning»: on donne à la machine des données entrantes et des résultats obtenus. Son but est ainsi de dire quelles sont les données entrantes qui prévoient le plus de résultats obtenus, par exemple quelles sont les données de marché qui annoncent le plus les futurs mouvements du marché.

Néanmoins, le problème avec ces programmes est que les raisonnements obtenus peuvent devenir obsolètes et que l’humain ne comprend pas à ce stade comment la machine arrive à son raisonnement. Bref, le gérant et la machine sont comme un couple qui se comprend mal. Cela sera le nouveau défi pour les gestionnaires d’actifs dans les prochaines années: retravailler leur relation à la machine et sans cesse évoluer pour pouvoir dominer l’intelligence artificielle. La technologie ne peut être déterministe. L’humain doit lui donner un sens.

Dossier
Les femmes font Le Temps

Publicité
Publicité

La dernière vidéo economie

«Nous tirons parti de la lumière pour améliorer le bien-être des gens»

Candidate au prix SUD de la start-up durable organisé par «Le Temps», la société Oculight est une spin-off de l’EPFL qui propose des aides à la décision dans l’architecture et la construction, aménagement des façades, ouvertures en toitures, choix du mobilier, aménagement des pièces, pour une utilisation intelligente de la lumière naturelle. Interview de sa cofondatrice Marilyne Andersen

«Nous tirons parti de la lumière pour améliorer le bien-être des gens»

n/a
© Gabioud Simon (gam)