En gestion d’actifs, l’intelligence artificielle est souvent présentée comme une question d’outillage. Cette vision est incomplète. L’impact transformateur de l’IA ne réside pas dans l’automatisation des tâches, mais dans sa manière de transformer les modes d’apprentissage et d’adaptation ainsi que les modes décisionnels au sein des entreprises.

Pour l’essentiel, l’IA confronte les gérants d’actifs à un défi opérationnel: à mesure que le coût de la mise en œuvre de l’IA diminue, l’avantage compétitif repose de plus en plus sur la capacité d’une organisation à intégrer les boucles d’apprentissage dans ses processus. Les entreprises qui considèrent l’IA comme un outil peuvent gagner en efficacité, mais celles qui repensent leurs opérations en y intégrant l’apprentissage piloté par IA gagnent en adaptabilité. On pourrait avancer que les premières font de l’optimisation à court terme, tandis que les secondes mettent en place une stratégie qui vise à améliorer leur résilience organisationnelle à long terme.

Une vague radicalement différente

Le scepticisme vis-à-vis de l’IA n’est pas irrationnel. La gestion d’actifs a connu plusieurs vagues d’innovation technologique (modèles quantitatifs, trading électronique, systèmes de gestion de portefeuille, analyses avancées des données), mais la plupart d’entre elles n’ont amené que des progrès marginaux alors qu’elles visaient des changements profonds.

La caractéristique de la vague actuelle d’IA ne tient pas à l’intelligence elle-même, mais à l’économie de l’intelligence qu’elle peut induire, du fait de la réduction du coût de l’application de l’apprentissage à la résolution de problèmes complexes.

L’IA générative a rendu cette évolution très visible. Des tâches considérées jusqu’ici comme relevant d’un niveau élevé de savoir-faire (travaux de synthèse, reconnaissance de motifs, rédaction, analyse) peuvent bénéficier des apports de cette IA et être améliorées pour un coût marginal. L’expertise ne devient pas nécessairement caduque, mais elle n’a plus le même le rôle.

Au niveau de la gestion d’actifs, cela entraîne un changement subtil, mais déterminant. L’avantage compétitif dépendra moins de la qualité de décisions individuelles que de l’efficacité avec laquelle une organisation sera capable d’extraire du savoir à partir de l’ensemble de son activité.

De l’adoption de la technologie à la logique opérationnelle

L’erreur la plus fréquente est de considérer que l’IA relève uniquement des départements informatiques. Elle n’est pas simplement outil supplémentaire, mais elle redéfinit la manière dont les décisions sont prises, évaluées et améliorées.

Dans les organisations qui ont intégré l’IA, les données ne sont pas un sous-produit des opérations, mais un actif opérationnel essentiel. Les algorithmes s’améliorent au fur et à mesure de leur utilisation. Les décisions alimentent les boucles d’apprentissage. Au fil du temps, l’organisation évolue en continu.

Mais cela implique une logique opérationnelle très différente de celle qui existe dans les structures traditionnelles de gestion d’actifs où les équipes travaillent en silos, où la détention des données est fragmentée et où les décisions sont prises de manière séquentielle. Si, dans un premier temps, l’écart entre les organisations qui ont intégré l’IA au cœur de leurs processus et celles qui ont maintenu leurs processus traditionnels est minime, il se creuse progressivement à mesure que les capacités d’apprentissage des unes et des autres divergent.

Du potentiel réel de l’IA

Lorsque la question de l’IA est abordée dans la gestion d’actifs, les discussions portent souvent sur les prévisions, l’automatisation ou l’amélioration des performances. Ces applications sont possibles, mais leur rôle est secondaire au regard du potentiel de l’IA en matière d’accélération de l’apprentissage organisationnel.

L’IA permet aux gérants d’actifs de resserrer la boucle de rétroaction entre la recherche, la prise de décision et les résultats. Les décisions au niveau des portefeuilles génèrent des données. Les données améliorent les modèles. Les modèles façonnent les décisions ultérieures. La recherche devient cumulative plutôt que fragmentée. Les processus opérationnels génèrent des connaissances plutôt que des frictions. Les interactions avec les clients sont susceptibles d’influencer la conception des services quasiment en temps réel.

Soulignons que cela ne supprime pas le besoin du jugement humain, mais cela change son affectation: il s’applique moins à l’analyse répétitive et davantage à l’interprétation, à la supervision et aux choix stratégiques.

Ne rien faire n’est pas neutre

L’IA remodelant la dynamique compétitive de manière asymétrique, attendre qu’elle devienne plus mature n’est pas une option neutre.
Les organisations qui adoptent des modèles opérationnels compatibles avec l’IA apprennent plus rapidement, expérimentent à moindre coût et élargissent leur base de connaissances sans accroissement proportionnel de leurs coûts. Sur la durée, cela crée une divergence au niveau de leur réactivité et leur capacité d’adaptation.

Cet écart peut rester longtemps imperceptible dans un secteur tel que celui de la gestion d’actifs du fait de la réglementation, des horizons d’investissement à long terme et de relations basées sur la confiance. Mais, lorsque l’adaptation du modèle devient incontournable, le retard peut s’avérer difficile à combler.

Un impact de grande envergure

Les décisions intégrées par les systèmes se propagent plus rapidement et plus largement que celles qui interviennent dans des processus centrés sur l’humain. Il en va de même pour les erreurs, les biais et les points faibles.

Les biais sont rarement intentionnels: ils résultent de données historiques ou de représentations incomplètes ou encore de choix d’optimisation. Mais lorsqu’ils sont encodés dans les systèmes d’apprentissage, ces biais deviennent systémiques.

Pour les gérants d’actifs dont les décisions portent sur l’allocation des capitaux et les résultats à long terme, cela soulève des considérations éthiques fondamentales. L’équité, la transparence et l’inclusion ne peuvent pas être appliquées rétrospectivement, elles doivent être intégrées dès le début dans la conception et la gouvernance des systèmes.

En conclusion, on peut affirmer que la question stratégique n’est pas celle de savoir si l’IA aura de l’importance pour la gestion des actifs, mais elle est de savoir comment les organisations peuvent se repenser pour s’y engager de manière responsable et compétitive, et sans perdre ou disperser le contrôle de leurs opérations.