L'introduction lente mais constante de l'automatisation et de l'apprentissage automatique dans les domaines du conseil financier et de la gestion de patrimoine a inquiété certains professionnels. Cependant, de plus en plus de preuves suggèrent que l'intelligence artificielle (IA) peut donner plus de pouvoir aux conseillers humains que de les blesser, car elle est loin de pouvoir les remplacer. En outre, contrairement au secteur de la vente au détail où les clients sont curieux d'expérimenter de nouvelles solutions basées sur l'IA, la plupart des investisseurs ont toujours un état d'esprit traditionnel et résistent au changement, ce qui soulève la question de savoir quelle sera la meilleure approche pour éduquer le marché afin d'adopter l'innovation. Alors, que peut apporter la technologie de l'IA au secteur de la gestion des investissements ? Quelles sont les opportunités et les menaces qui attendent le robo-advisory ? Qui sont les nouveaux venus dans ce domaine ? Lisez ce qui suit au fur et à mesure que nous abordons ce sujet.Que peut faire l'IA pour les gestionnaires de placementsL'automatisation et l'apprentissage automatique peuvent être bénéfiques de multiples manières pour le secteur de la gestion des investissements et du conseil. Parmi les nombreuses applications possibles, voici les trois principaux domaines dans lesquels l'IA peut apporter son aide :
1. Assistance en matière de conformité
L'application des règles Know Your Customer (KYC), des règles de lutte contre le blanchiment d'argent (AML) et des déclarations fiscales sont tous des domaines dans lesquels l'automatisation est florissante. En effet, disposer d'algorithmes capables de traiter de grandes quantités de données et d'analyser les événements passés en très peu de temps peut permettre aux professionnels de la finance de détecter les fraudes et les irrégularités beaucoup plus rapidement qu'avec les méthodes traditionnelles.
2. Optimisation du portefeuille
L'analyse prédictive et l'apprentissage automatique représentent des opportunités très prometteuses pour le secteur de la gestion de fortune, car ils peuvent être utilisés pour améliorer et faciliter l'optimisation des portefeuilles. L'analyse prédictive est exécutée par des algorithmes capables d'analyser de grands ensembles de données passées afin de mettre en évidence les tendances et les résultats futurs potentiels avec une grande précision. D'autre part, l'apprentissage automatique est une caractéristique d'un algorithme d'IA, ce qui signifie qu'il peut apprendre et s'adapter en fonction de tout type de données, même des ensembles de données désorganisés ou non liés, sans l'intervention d'un humain. Cela permet au conseiller humain d'offrir un meilleur service et permet également au client d'avoir plus de contrôle sur l'adaptation de son portefeuille à ses objectifs et à son appétit pour le risque.
3. Service à la clientèle
Le traitement du langage naturel (NLP) et la génération du langage naturel (NLG) sont des types d'IA capables de comprendre une requête écrite sous forme conversationnelle et d'y répondre de la même manière, comme le ferait un humain. Par exemple, certaines banques testent déjà des chatbots qui seraient capables de comprendre et de répondre à des questions telles que : « Comment se porte mon portefeuille aujourd'hui ? » ou « Combien d'argent puis-je retirer de mon ISA ? ». Ce type de solution permet d'améliorer considérablement l'efficacité de la gestion des clients et de libérer du temps pour les conseillers financiers, qui peuvent alors se concentrer sur des tâches plus complexes.
Les limites du robo-advisory
Lorsque nous pensons à l'IA pour les entreprises, la première chose qui nous vient généralement à l'esprit est IBM Watson. En effet, le produit créé par le géant de la technologie a déjà été adopté par de très grandes sociétés financières, telles que Deutsche Bank et AZN — pour soutenir leurs services d'investissement et de gestion des clients. Elle est donc en passe de devenir une solution de pointe en matière de robo-advisory. Cependant, il est important de noter que même si IBM Watson Client Insight pour la gestion de patrimoine le produit est clairement destiné aux sociétés financières, la technologie qui le sous-tend est toujours conçue pour fonctionner dans de nombreux secteurs différents. Compte tenu du niveau de complexité du secteur financier, ce manque de spécificité peut constituer un réel inconvénient et un obstacle majeur à l'intégration de l'IA dans les services financiers. En outre, IBM Watson nécessite des investissements importants dans temps et formation pour les employés pour pouvoir l'utiliser, ce qui pourrait avoir un autre effet dissuasif sur son adoption. Nous soutenons que les solutions d'IA verticales et spécialisées prendront les devants à long terme, car elles seront plus faciles à utiliser et seront mieux à même de répondre aux demandes complexes des secteurs de la gestion de fortune et du conseil. Une autre difficulté rencontrée par le sous-secteur du robo-conseil est le manque de confiance des utilisateurs. UNE étude menée par YouGov et commandée par la plateforme de trading IG en janvier 2018, a révélé que seuls 23 % des investisseurs étaient convaincus de pouvoir faire confiance à un robot-conseiller pour obtenir de bons rendements sur leurs investissements. En outre, les participants à l'étude ont également indiqué que le robo-advisory était leur source de conseils financiers la moins préférée. Il est donc clair que le secteur aura du mal à innover rapidement si les investisseurs ne changent pas d'abord de mentalité. Néanmoins, il faudrait peut-être considérer qu'il est de la responsabilité des professionnels de la finance d'informer leurs clients des opportunités que représentent les nouvelles technologies. Une fois de plus, une lacune dans les compétences techniques des conseillers financiers et des gestionnaires de fortune peut également en être la cause.Nouveaux venus à surveillerParmi les 2000 startups qui ont été notées par Early Metrics, deux se distinguent en particulier pour l'intégration de la technologie de l'IA dans le secteur de la gestion des investissements : Bambu et Euclide.Cette dernière est basée à Shard à Londres mais dirigée par une équipe entièrement fabriquée en Italie, avec Antonio Semeone à sa tête. Euclide crée une gamme d'algorithmes d'IA (alias algos pour les techniciens) pour la gestion de patrimoine basés sur la bioinformatique, une approche scientifique mêlant mathématiques, physique et psychologie. L'équipe explique : « Nos algos sont spécifiquement formés pour reconnaître les comportements conservateurs et innovants, en choisissant parmi le chaos et le hasard, en saisissant le résultat d'une interaction dynamique mutuelle. » Leurs algorithmes sont intelligents dans la mesure où ils peuvent tirer des enseignements de données désorganisées et du comportement d'autres agents économiques, puis adapter les recommandations d'investissement en temps réel, une fonctionnalité qu'ils appellent la logique génétique. D'autre part, Bambu propose à la fois des solutions pour le conseil financier des particuliers et pour la gestion de patrimoine pour les plus aisés. Plus précisément, en plus des algorithmes d'IA destinés aux gestionnaires de fortune, il propose également des solutions en marque blanche aux entreprises financières qui souhaitent proposer un service de conseil robotisé directement à leurs clients. Leur solution permet de mieux adapter le portefeuille au profil de risque de l'individu, au lieu de baser les décisions d'investissement sur un profil de risque standard. La startup a été fondée en 2016 à Singapour et s'est déjà étendue en Malaisie, à Hong Kong et au Royaume-Uni. De plus, ses initiatives ont suscité l'intérêt de grandes entreprises, ce qui s'est traduit notamment par un cycle de financement de série A de 3 millions de dollars en juillet 2018, avec Franklin Templeton Investments comme investisseur principal.
