Intelligence artificielle et investissement - Mageska

INTELLIGENCE ARTIFICIELLE ET INVESTISSEMENT

La vision innovante de Capital Mageska

Roberto Marracco, CFA

Chef de la direction et des investissements

Alors que la maximisation des rendements constitue l’objectif principal de tout gestionnaire de fonds, les stratégies utilisées pour y arriver diffèrent grandement. Chez Capital Mageska, nous nous sommes dotés d’un allié de taille : la plateforme d’optimisation de stratégies d’investissement M-LAB. Faisant appel à l’intelligence artificielle (IA), cet outil technologique de pointe procure à l’équipe de gestion de Capital Mageska une plus-value remarquable quant aux stratégies à préconiser, selon les observations en temps réel des marchés financiers. Mais l’IA représente-t-elle la voie d’avenir en matière d’investissement? Supplantera-t-elle tout jugement humain et si oui, est-ce vraiment souhaitable?

L’IA se définit comme un domaine d’étude ayant pour objet la reproduction artificielle des facultés cognitives de l’intelligence humaine dans le but de créer des systèmes ou des machines capables d’exécuter des fonctions relevant normalement de celle-ci. Quoique l’IA attire son lot d’adeptes, elle est aussi redoutée par plusieurs, craintifs à l’idée que la machine parvienne à remplacer, voire éliminer, tout jugement humain.

 

Cependant, lorsqu’on y regarde de plus près, on constate que non seulement l’implication humaine est présente à bien des égards en matière d’IA, mais qu’elle demeure souvent essentielle à la prise de décision. Selon Sam Ransbotham, éditeur du réputé MIT Sloan Management Review[i] : « Un humain peut ajouter de la valeur en examinant minutieusement les résultats d’un système avant d’agir. Mais bien avant cela, les humains ont également joué un rôle fondamental dans le développement des algorithmes sous-jacents au système de classification et dans la sélection des données utilisées pour former et évaluer l’efficacité du système résultant.

 

Bien que loin d’être parfaite, l’IA a connu d’énormes améliorations. En s’appuyant sur de vastes données d’entraînement, la prédiction est beaucoup plus précise dans de nombreux scénarios. Si les observations sont insuffisantes, les humains peuvent s’appuyer sur leur vaste expérience pour tirer des leçons d’autres cas, ce que les machines ne peuvent pas faire. » [traduction]

 

À l’heure actuelle, du moins, l’implication humaine reste nécessaire dans le développement des capacités décisionnelles de l’IA.

IA et modèles prédictifs, où en sommes-nous?

 

Sur une période de plusieurs mois, un gestionnaire de fonds peut analyser jusqu’à un millier de données dans sa prise de décisions financières. Cependant, exécuter le même exercice dans un laps de temps beaucoup plus court, en période de fort stress, demeure quasi impossible. Les modèles informatiques aident les gestionnaires à prendre de meilleures décisions, en particulier dans les périodes de forte volatilité et d’incertitude dans les marchés.

Des recherches effectuées vers 1950 ont établi que des modèles prédictifs simples surpassent la capacité des experts humains à faire des prédictions et des prévisions. Depuis, plus de 200 études ont comparé les prédictions d’experts à celles d’algorithmes, les algorithmes statistiques étant presque toujours plus performants que le jugement humain non assisté.

Toutefois, une fois le modèle construit et déployé, le jugement humain demeure nécessaire pour évaluer l’applicabilité de la prédiction d’un modèle dans un cas particulier. Après tout, les modèles ne sont pas omniscients, ils ne peuvent faire plus que combiner les éléments d’information qui leur sont présentés. Dans un environnement économique en constante mutation, la collaboration homme-machine représente une voie incontournable pour améliorer nos capacités à faire des prévisions et à poser des jugements.

Chez Capital Mageska, nous croyons fermement à la force de cette collaboration. Une technologie performante et éprouvée, des professionnels chevronnés et expérimentés, une équipe formidable pour livrer des résultats compétitifs, peu importe les soubresauts dans les marchés.

Sources:

RANSBOTHAM, Sam. “Justifying Human Involvement in the AI Decision-Making Loop”, MIT Sloan Management Review, 23 octobre 2017, [www.sloanreview.mit.edu].
COOPER, Philip. “Why AI Drives Better Business Decision-Making”, 3 novembre 2017, [www.linkedin.com/pulse /why-ai-drives-better-business-decision-making-philip-cooper].
GUSZCZA, Jim. MADDIRALA, Nikhil. “Minds and machines: The Art of Forecasting in the Age of Artificial Intelligence”, Deloitte Review Issue 19, 26 juillet 2016.