L'IA peut-elle gérer votre portefeuille ? Bruce Keith d'InvestorAI répond dans « Zero Sum »

L'intelligence artificielle pénètre de plus en plus le monde de l'investissement, des hedge funds et desks quantitatifs aux portefeuilles de détail et à l'exécution automatisée.

Mais à mesure que l'accès aux outils propulsés par l'IA s'étend, une question plus importante se pose : les investisseurs peuvent-ils réellement faire confiance à une machine avec leur argent ?

Bruce Keith, CEO et cofondateur d'InvestorAI, estime que la technologie peut améliorer radicalement la manière d'investir, mais seulement lorsqu'elle est utilisée pour la bonne tâche.

Intervenant dans le dernier épisode de Zero Sum, Keith a expliqué pourquoi demander à ChatGPT ou à un autre large language model quoi acheter ensuite peut être la mauvaise approche, pourquoi l'IA pourrait être plus efficace pour des décisions de marché à court terme que pour l'investissement à long terme, et ce que les investisseurs devraient exiger avant de confier du capital à une stratégie pilotée par l'IA.

Les facettes différentes de l'investissement par l'IA

La distinction de Keith entre une IA à usage général et des modèles d'investissement conçus pour une finalité précise est centrale dans le débat.

Les large language models sont entraînés pour répondre à des questions en exploitant des quantités énormes d'informations.

Cela les rend utiles pour comprendre ce qui s'est passé dans un portefeuille, résumer des informations et expliquer pourquoi un actif a évolué.

Mais prévoir un mouvement de marché spécifique est un problème différent.

Keith soutient que des modèles d'investissement efficaces doivent identifier des schémas récurrents du marché, des ruptures potentielles et les points où ces schémas changent, plutôt que de simplement récupérer des informations déjà disponibles en ligne.

Pour ce faire, son entreprise a adopté une approche non conventionnelle : adapter la vision par ordinateur, la même technologie employée pour la reconnaissance faciale et les voitures autonomes, à l'analyse des données de marché.

En traduisant d'énormes jeux de données en représentations visuelles, leur IA peut « voir » des schémas complexes de rupture que des analystes humains, ou des LLM basés sur du texte, manqueraient complètement.

Cette distinction prend de l'importance à mesure que de plus en plus d'investisseurs particuliers commencent à considérer les chatbots IA comme des conseillers financiers informels.

L'avantage réel en investissement peut être de savoir quand sortir

Un des arguments les plus intéressants de Keith est que l'entrée dans une position est relativement simple. Le problème plus difficile est de savoir quand en sortir.

« Personne ne vous dit quand sortir. »

Son propos plus large est que les investisseurs se concentrent souvent fortement sur la recherche du prochain trade gagnant, alors que la gestion du risque détermine souvent si ces gains survivent réellement.

Keith a dit que l'IA est particulièrement utile pour les décisions à court terme, définissant cette fenêtre à environ deux à trois mois.

Les humains, selon lui, restent mieux adaptés aux jugements à plus long terme parce qu'ils peuvent travailler avec une information incomplète et intégrer des facteurs difficiles à quantifier par des machines.

Cela suggère un modèle hybride plutôt qu'un modèle entièrement automatisé : les machines traitent beaucoup plus d'informations qu'un investisseur individuel ne le peut, tandis que les humains gardent la responsabilité de la vue d'ensemble.

L'investissement par l'IA nécessite plus de transparence avant que les investisseurs ne lui fassent confiance

Cela soulève un autre problème : comment un investisseur détermine-t-il si une stratégie propulsée par l'IA fonctionne réellement ?

Keith soutient que l'industrie a besoin de normes plus claires pour présenter la performance.

Les investisseurs ne devraient pas se contenter d'un chiffre d'ensemble ou d'un backtest qui a fière allure.

« Si ce que vous cherchez, c'est la cohérence — cohérence des résultats, cohérence de la surperformance — alors la question doit être : à quel point cet outil a-t-il été cohérent ? »

Il recommande d'examiner d'abord le taux de réussite (win rate) et le taux de surperformance (beat rate), puis les rendements moyens et les drawdowns.

Une stratégie qui gagne fréquemment peut néanmoins détruire du capital si ses pertes individuelles sont suffisamment importantes.

L'implication est simple : les investisseurs devraient juger un outil d'IA comme ils jugeraient un gérant humain, avec un track record vérifiable, une méthodologie claire et une compréhension de son comportement en marchés haussiers comme baissiers.

Les régulateurs tentent de rattraper une technologie en mouvement

Keith s'attend également à ce que la réglementation devienne une part majeure du débat sur l'investissement par l'IA.

Il a expliqué que les régulateurs sont par nature en train de courir après, mais a estimé qu'une approche fondée sur des principes pourrait être plus efficace que d'essayer d'écrire des règles détaillées pour chaque nouvelle application.

Plus important encore, il considère que la responsabilité ne peut pas être déléguée à la machine.

Pour les entreprises financières déployant de l'IA, cela signifie maintenir une supervision humaine, des contrôles de risque et une responsabilité même lorsque les décisions sont de plus en plus automatisées.

La prochaine étape, c'est une IA qui fait plus que recommander des trades

La technologie pourrait finir par aller au-delà de la génération de signaux et intervenir dans l'exécution.

Keith a indiqué que l'exécution automatisée devient déjà plus courante, l'IA pouvant décider quand trader, quand s'arrêter et quand marquer une pause après des pertes.

Mais il a souligné que les contrôles de risque nécessaires doivent être construits autour du système avant que les investisseurs n'y confient des montants significatifs.

Cela peut être la véritable étape suivante pour l'IA sur les marchés financiers : ne pas remplacer entièrement les investisseurs, mais devenir une couche de plus en plus puissante entre l'information et l'exécution.

Les appels d'investissement finaux de Keith reflètent cet équilibre. Il a cité les dépenses d'infrastructures indiennes et JSW Steel parmi ses idées haussières, tout en désignant le leadership américain comme son appel baissier et « écouter la jeunesse » comme sa carte sauvage.

Regardez l'épisode complet de Zero Sum pour la conversation approfondie sur l'investissement propulsé par l'IA, la transparence, l'automatisation et ce qu'il faut pour faire confiance à une machine avec de l'argent réel.