Des ETF reposant sur l’intelligence artificielle sont désormais cotés à la Bourse suisse. Dans le même temps, de nombreux acteurs du marché s’interrogent sur la place réelle qu’occupe l’IA dans ces produits. Pour les banques et les gérants de fortune indépendants, une question pratique se pose: comment évaluer un produit dont les décisions d’investissement sont préparées, voire prises, par un modèle?

L’étiquette «IA» apporte peu de réponses à elle seule. Ce sont la structure du processus, les mécanismes de contrôle et la traçabilité des décisions qui comptent réellement. Cinq questions permettent d’évaluer ce type de solution.

1. Que décide réellement le modèle?

L’IA peut générer des signaux d’investissement, déterminer les pondérations du portefeuille ou encore déclencher des ordres de transaction. Dans certaines stratégies, elle se limite à soutenir l’analyse, tandis que les décisions d’investissement restent entre les mains de personnes. D’autres acteurs lui confient un rôle beaucoup plus central.

Il est donc essentiel de comprendre quelles tâches le modèle assume réellement et à quels endroits les humains conservent la responsabilité. A titre d’exemple, chez SmartWealth Asset Management AG à Zurich, six agents automatisés et spécialisés interviennent à différentes étapes du processus d’investissement. La définition des objectifs, des limites de risque et la supervision du système restent toutefois du ressort des équipes humaines.

2. Une décision peut-elle être reconstituée?

Un processus n’est véritablement transparent que si les prévisions, les pondérations de portefeuille, les ordres de transaction et les modèles sont documentés de manière rigoureuse.

Une question simple permet de vérifier ce point: le fournisseur est-il capable de montrer précisément quelle prévision et quelle version du modèle ont conduit à une transaction donnée? Dans le cas contraire, le modèle reste largement une boîte noire.

3. Comment le modèle se protège-t-il contre les corrélations fortuites?

Un schéma statistique observé dans les données historiques ne constitue pas nécessairement un avantage durable. Plus un modèle utilise de variables, plus il risque d’apprendre des coïncidences propres au passé.

Les modèles devraient donc être testés sur des données qu’ils n’ont pas utilisées pendant leur phase d’apprentissage. Smart Wealth analyse environ 2000 indicateurs et en utilise environ 800. Les investisseurs devraient également examiner la longueur de l’historique réel d’une stratégie et déterminer quelle part des résultats présentés repose sur des simulations rétrospectives.

4. D’où provient l’avantage concurrentiel?

Les données et la puissance de calcul sont aujourd’hui accessibles à de nombreux acteurs. Les différences proviennent donc davantage de la sélection des informations pertinentes, de la construction des modèles et de la gestion des risques. La manière dont les modifications de modèles sont gérées est tout aussi importante. Lorsque les modèles sont régulièrement remaniés en profondeur, les performances historiques perdent de leur valeur informative. L’architecture d’investissement de Smart Wealth est utilisée depuis 2000, d’abord à Vienne puis, depuis 2016, à Zurich. Les modèles apprennent de manière autonome à partir des données et optimisent continuellement les résultats, mais la méthodologie de base reste inchangée.

5. Comment le système réagit-il lors d’une chute de marché?

La qualité d’une stratégie se révèle souvent dans les périodes de marché les plus difficiles. Il est donc essentiel de comprendre comment un modèle réagit à une hausse des risques et quels mécanismes de contrôle sont prévus.

Chez Smart Wealth Asset Management, les portefeuilles sont gérés selon des objectifs de volatilité. Lorsque les signaux de risque augmentent, le système réduit l’exposition au risque et augmente la part de liquidités. Lorsque les prévisions sont positives, le système investit à nouveau dans des titres tels que des actions et des obligations.

Les coûts et la responsabilité restent essentiels

Les solutions d’investissement basées sur l’IA doivent également être évaluées à l’aune de leurs coûts. Les infrastructures de données, la puissance de calcul et les spécialistes nécessaires représentent des investissements importants qui se reflètent dans le produit final. Les frais de gestion, les coûts de transaction et les spreads doivent donc être comparés à ceux des solutions alternatives.

A cela s’ajoute la responsabilité réglementaire. La Finma a rappelé fin 2024 que les établissements financiers ne pouvaient pas déléguer à un modèle la responsabilité des décisions fondées sur l’IA. Cette exigence concerne aussi bien les fournisseurs que les banques et les gérants de fortune qui utilisent ou recommandent de tels produits.

La question essentielle n’est donc pas de savoir si un produit utilise l’intelligence artificielle. Elle est de déterminer si le processus sous-jacent reste compréhensible, contrôlable et correctement documenté.