En Californie, aux États-Unis, un fonds spéculatif nommé Voleon est en train de bouleverser les modèles d'investissement traditionnels. Ce fonds, qui gère 16 milliards de dollars d'actifs, repose presque entièrement sur des systèmes d'intelligence artificielle pour prendre des décisions de trading, plutôt que sur des traders humains traditionnels.

Ce système d'IA de pointe traite chaque jour d'énormes volumes de données, y compris des informations sur des milliers d'actions, d'obligations et de devises. Il peut non seulement interpréter des états financiers complexes, mais aussi collecter des données sur le commerce électronique, et même analyser le ton et l'émotion des actualités financières pour prendre des décisions d'investissement précises.

Depuis 2020, la performance de Voleon a été remarquable, réalisant des taux de retour à deux chiffres pendant plusieurs années consécutives. Cependant, ce succès cache également des problèmes préoccupants. Même les hauts dirigeants de l'entreprise reconnaissent qu'environ 20 % des décisions de trading sont inexplicables pour les humains. L'IA peut soudainement décider d'acheter certaines obligations peu connues ou de vendre à découvert une entreprise de consommation, tandis que les gestionnaires humains n'ont aucune idée de la logique qui se cache derrière.

Cette situation soulève une question profonde : comprenons-nous vraiment et faisons-nous confiance à ces algorithmes, ou sommes-nous simplement aveuglés par la puissance des données ?

La philosophie traditionnelle de l'investissement de valeur met l'accent sur "comprendre l'entreprise". Par exemple, Warren Buffett conserve des actions de Coca-Cola depuis longtemps parce qu'il comprend profondément l'avantage concurrentiel de cette marque et sa capacité à générer des bénéfices de manière continue. En revanche, l'investissement en IA repose entièrement sur les relations de données. Il ne se soucie pas des fondamentaux de l'entreprise, mais se concentre sur les modèles de fluctuation des prix et les relations statistiques entre diverses données. L'IA est capable de découvrir des motifs difficiles à percevoir pour les humains à partir d'une immense quantité d'informations, mais ces motifs ne reflètent pas nécessairement des relations de cause à effet réelles.

Avec le développement rapide des technologies d'IA telles que les modèles de langage de grande taille, de plus en plus d'institutions financières commencent à utiliser l'IA pour surveiller le sentiment du marché et générer des stratégies de trading. La jeune génération d'investisseurs ne s'en tient plus à la traditionnelle idée du "buy and hold", mais préfère plutôt rechercher la performance historique des algorithmes.

Face à cette tendance, les régulateurs s'efforcent de suivre le rythme de l'innovation. La Securities and Exchange Commission des États-Unis a commencé à envisager en 2024 comment réguler l'application de l'IA sur les marchés financiers. Cependant, la vitesse de développement de la technologie dépasse de loin celle des régulations, ce qui pourrait engendrer des risques potentiels sur le marché.

Les stratégies d'investissement pilotées par l'IA apportent sans aucun doute d'énormes opportunités, mais elles s'accompagnent également de défis sans précédent. Nous devons, tout en tirant parti de la puissance d'analyse de l'IA, maintenir une reconnaissance rationnelle de la technologie et établir un cadre réglementaire approprié pour garantir la stabilité et l'équité des marchés financiers. À l'avenir, comment équilibrer l'innovation technologique et le contrôle des risques sera une question importante à laquelle le secteur financier devra faire face.