IA et investissement : ce que Tradeweb entrevoit pour les marchés financiers

L’intelligence artificielle ne remplace pas la finance, elle en déplace progressivement le centre de gravité. Là où analystes, traders et gérants passaient une part importante de leur temps à collecter, trier et rapprocher des informations, des systèmes algorithmiques peuvent désormais effectuer ces premières étapes à très grande vitesse. Dans l’analyse publiée le 27 septembre 2024, le PDG de Tradeweb, Lee Olesky, présente cette évolution comme un enjeu majeur pour l’investissement, entre gains d’efficacité, nouvelles capacités d’analyse et nécessité de conserver des garde-fous.

Ce que souligne l’analyse de Tradeweb

Tradeweb est un opérateur de marchés électroniques, actif notamment dans les taux, le crédit, les actions et les instruments monétaires. Dans cet environnement, la qualité et la rapidité de circulation de l’information comptent autant que l’accès au marché lui-même. L’analyse attribuée à Lee Olesky insiste donc sur un point simple : l’IA ne sert pas seulement à produire davantage de données, elle peut aider les acteurs financiers à en extraire plus vite des signaux utilisables.

Le texte met en avant trois transformations liées entre elles :

• l’automatisation de tâches auparavant réalisées manuellement ;
• l’usage de modèles prédictifs pour étudier les tendances et les scénarios de marché ;
• une prise de décision potentiellement plus rapide, grâce au traitement de grands volumes d’informations.

Cette promesse mérite toutefois d’être précisément comprise. La publication d’origine ne cite pas de produit d’IA particulier, ne donne aucun indicateur de performance, et ne détaille pas de calendrier de déploiement chez Tradeweb. Il évoque une orientation stratégique et des usages possibles, pas la démonstration chiffrée qu’un outil donné améliore mécaniquement les rendements d’un portefeuille.

Cette nuance est essentielle dans un secteur où les décisions se fondent sur des probabilités, et non sur des certitudes. Une technologie peut rendre l’analyse plus rapide ou plus structurée sans rendre l’avenir prévisible.

Comment l’IA peut intervenir dans une décision d’investissement

Dans son acception la plus concrète, l’IA aide à gérer l’abondance d’informations. Marchés, résultats d’entreprises, données macroéconomiques, communications d’émetteurs, historiques de prix, volumes échangés et indicateurs de risque produisent un flux continu de données. Aucun professionnel ne peut examiner seul, en temps réel et dans le détail, toutes les informations pertinentes.

Les algorithmes peuvent repérer des variations inhabituelles, classer des documents, rapprocher des séries de données ou simuler des scénarios à partir d’hypothèses définies. Un modèle prédictif cherche par exemple des relations statistiques dans des données passées afin d’estimer la probabilité d’une évolution future. Il ne lit pas l’avenir : il généralise à partir de ce qu’il a appris, avec les limites inhérentes à ses données et à ses hypothèses.

C’est cette capacité de traitement qui explique l’intérêt grandissant de la finance pour l’IA. Selon l’analyse évoquée par Tradeweb, les investisseurs peuvent accéder plus vite à des informations utiles et consacrer davantage de temps aux choix stratégiques : définir une allocation d’actifs, arbitrer entre plusieurs scénarios, échanger avec leurs clients ou réévaluer les risques.

Des décisions plus rapides, mais pas des décisions automatiques

La rapidité est au cœur du discours sur l’IA financière. Lorsqu’un système identifie en quelques secondes une information susceptible de modifier une analyse, l’équipe concernée peut réagir plus tôt. Dans certains marchés électroniques, cette réactivité est particulièrement recherchée, notamment lorsque les volumes de données et les conditions de marché évoluent vite.

Il serait pourtant trompeur de confondre automatisation et autonomie. L’automatisation consiste à confier une séquence précise à un système : comparer des données, générer une alerte, acheminer un ordre selon des paramètres préétablis, par exemple. Une décision d’investissement, elle, engage des objectifs, une tolérance au risque, des contraintes réglementaires et parfois des responsabilités fiduciaires qui ne peuvent être résumées à un seul score algorithmique.

Les modèles d’apprentissage automatique peuvent éclairer une décision en hiérarchisant des signaux ou en calculant des probabilités. Ils ne savent pas, à eux seuls, déterminer ce qui est souhaitable pour un investisseur donné. Ils peuvent aussi être fragilisés lorsque l’économie ou les marchés basculent dans un régime inédit, car les régularités repérées hier ne se reproduisent pas nécessairement demain.

Efficacité, exécution et liquidité : ce que l’IA peut réellement changer

La publication d’origine associe l’IA à une exécution plus rapide des transactions et à une meilleure efficacité des marchés. Le lien doit être manié avec précision. Les marchés électroniques et le trading algorithmique existaient bien avant l’essor récent de l’IA générative. La vitesse d’exécution dépend notamment de l’infrastructure technique, des règles de marché, de la connectivité, des contrôles de risque et de la liquidité disponible.

L’IA peut toutefois intervenir en amont ou en accompagnement. Elle peut aider à anticiper la liquidité d’un instrument, à détecter des conditions de marché inhabituelles, à optimiser des flux de travail ou à prioriser des demandes. Sur des marchés où la recherche de contreparties est complexe, ces outils peuvent contribuer à mieux organiser l’information disponible.

Mais une accélération de l’analyse n’efface pas les contraintes économiques. Un algorithme ne crée pas, par lui-même, des acheteurs et des vendeurs. Il ne transforme pas non plus un actif risqué en actif sûr. Lors de périodes de tension, les modèles peuvent être confrontés à des comportements collectifs, à des ruptures de liquidité ou à des événements géopolitiques qui ne ressemblent pas aux situations incluses dans leur entraînement.

Pour les investisseurs particuliers, la conséquence la plus importante n’est donc pas de tenter de rivaliser avec la vitesse des systèmes institutionnels. Elle est de comprendre qu’un outil sophistiqué ne dispense jamais de vérifier les frais, l’horizon de placement, la diversification, les risques de perte et l’adéquation d’un investissement avec sa situation personnelle.

Biais, opacité et responsabilité : les risques à surveiller

Lee Olesky relève, dans l’analyse reprise par l’article, la nécessité de règles adaptées. Cette préoccupation rejoint une difficulté structurelle de l’IA : un résultat produit par un modèle peut paraître objectif parce qu’il est calculé, alors qu’il dépend de choix humains à chaque étape.

Les données sélectionnées, la période étudiée, la définition d’un objectif, le seuil qui déclenche une alerte ou la manière de mesurer un risque influencent tous le résultat final. Si les données historiques intègrent des biais ou des situations exceptionnelles mal représentées, le système peut reproduire ces défauts à grande échelle. S’il est trop complexe pour que ses concepteurs puissent expliquer ses recommandations, il devient plus difficile de l’auditer et de corriger ses erreurs.

Dans la finance, plusieurs questions se posent alors :

• qui est responsable si un outil recommande ou exécute une opération inadaptée ?
• comment démontrer qu’un modèle ne traite pas injustement des profils ou des données comparables ?
• quelles traces conserver pour comprendre une décision automatisée ?
• à quel moment un professionnel doit-il pouvoir interrompre le système ?

Le contrôle humain n’est pas un simple principe abstrait. Il suppose des équipes capables de comprendre les limites d’un modèle, de surveiller ses résultats, de tester sa résistance à des conditions anormales et de suspendre son usage si nécessaire. C’est aussi une question de gouvernance : une entreprise doit savoir quels outils elle utilise, sur quelles données ils s’appuient et pour quelle finalité.

Un cadre réglementaire qui se construit progressivement

Au 27 septembre 2024, le règlement européen sur l’intelligence artificielle, souvent appelé AI Act, est entré en vigueur depuis le 1er août 2024. Ses obligations ne s’appliquent pas toutes au même moment : elles doivent être mises en œuvre progressivement selon les catégories de systèmes et les exigences prévues par le texte.

Pour les acteurs financiers, ce nouveau cadre ne remplace pas les règles existantes sur la protection des investisseurs, l’intégrité des marchés, la gestion des risques, la sécurité opérationnelle ou la confidentialité des données. Il vient s’ajouter à un environnement déjà fortement régulé. L’enjeu consiste à éviter deux écueils : freiner les usages utiles par des règles inadaptées, ou laisser se développer des systèmes insuffisamment contrôlés parce qu’ils sont perçus comme innovants.

La transparence est particulièrement importante lorsqu’une IA intervient dans une activité susceptible d’influencer un prix, un ordre, une recommandation ou un accès au marché. Les régulateurs et les entreprises devront pouvoir examiner les procédures de test, les mécanismes de contrôle et les responsabilités humaines. L’ambition n’est pas de rendre chaque calcul immédiatement intelligible, mais de rendre l’usage du système traçable, gouvernable et contestable lorsqu’il pose problème.

Quels métiers et quelles compétences pour la finance augmentée ?

L’article souligne également que les professionnels de la finance devront s’adapter. Cette adaptation ne signifie pas que chaque analyste doit devenir ingénieur en intelligence artificielle. Elle implique en revanche de savoir poser les bonnes questions à un outil, interpréter ses résultats et détecter les cas où une réponse ne paraît pas fiable.

Les compétences utiles se situent à l’intersection de plusieurs domaines : connaissance des marchés, culture de la donnée, compréhension des risques de modèle, maîtrise des obligations réglementaires et capacité à expliquer une analyse à un client ou à une équipe de direction. L’IA peut automatiser une première lecture de milliers de documents, mais l’interprétation d’une stratégie, la compréhension d’un contexte économique et l’exercice de la responsabilité restent des tâches profondément humaines.

La publication d’origine évoque aussi des actions de formation et des ressources destinées aux clients de Tradeweb, sans en préciser les modalités ni le calendrier. Cette idée est cohérente avec un constat plus général : l’adoption d’un outil dépend autant de la qualité de l’accompagnement que de ses capacités techniques. Un modèle mal compris risque d’être ignoré, ou au contraire suivi avec une confiance excessive.

Ce qu’il faut surveiller

La question déterminante n’est pas de savoir si l’IA va entrer dans l’investissement : elle y est déjà présente sous diverses formes. Il faut plutôt observer les usages qui démontrent une utilité durable, les dispositifs de contrôle qui les accompagnent et la façon dont les responsabilités sont réparties entre concepteurs, plateformes, professionnels et clients.

Pour Tradeweb comme pour les autres acteurs du marché, l’enjeu sera de prouver que l’IA apporte plus qu’un gain de vitesse. Les outils les plus crédibles seront ceux qui améliorent concrètement la qualité de l’information, réduisent les tâches répétitives, résistent aux situations inhabituelles et restent supervisés. Dans un domaine où une erreur peut avoir des conséquences financières réelles, l’innovation ne vaut que si elle est aussi explicable, contrôlable et adaptée aux intérêts des utilisateurs.