Les investisseurs de Wall Street, obsédés par les données, lents à adopter l'IA générative

Le paradoxe de l'adoption de l'IA

Les investisseurs les plus sophistiqués au monde sont connus pour leur quête incessante de tout avantage technologique. Pourtant, lorsqu'il s'agit d'IA générative, la communauté des quants, obsédée par les données, avance avec une prudence inhabituelle.

Une nouvelle enquête complète révèle que la majorité des stratèges de trading systématique des gestionnaires d'actifs de premier plan n'ont pas encore entamé leur parcours d'adoption de l'IA générative. Cette hésitation des esprits les plus analytiques de l'industrie offre un aperçu révélateur des limites actuelles de la technologie dans la finance à hauts enjeux.

Les résultats suggèrent que, malgré tout le battage médiatique entourant l'intelligence artificielle, son application pratique dans les stratégies d'investissement complexes reste un travail en cours. Les données indiquent une approche délibérée et mesurée plutôt qu'une adoption massive et précipitée.

Les résultats de l'enquête

Le géant des données a mené une enquête approfondie auprès de 151 investisseurs quantitifs entre avril et novembre de l'année dernière. L'objectif était de déterminer comment ces professionnels ont intégré les outils d'IA générative dans leurs processus de recherche d'investissement.

Les résultats étaient clairs : 54 % des répondants n'utilisent pas l'IA générative pour l'investissement. Cette constatation s'aligne sur un sentiment plus large observé lors des conférences de l'industrie, où le scepticisme concernant les capacités de la technologie à battre le marché a été répandu.

Alors que le monde des quants a adopté les techniques d'apprentissage automatique depuis des années, l'enquête indique que l'IA générative n'a pas encore percé. L'hésitation n'est pas due à un manque de sensibilisation, mais plutôt à une décision stratégique basée sur les capacités actuelles.

• 54 % des investisseurs quant n'utilisent pas l'IA générative
• Enquête menée d'avril à novembre l'année dernière
• 151 investisseurs quant interviewés
• Focus sur l'intégration de la recherche d'investissement

Le défi du formatage des données

Le principal obstacle à l'adoption n'est pas un manque d'intérêt, mais une question fondamentale de structure et de formatage des données. Selon l'analyse de l'industrie, l'adoption lente sera liée à la disponibilité des données à l'avenir.

Angana Jacob, responsable mondiale des données de recherche, explique que les investisseurs quant exigent que leurs données soient nettoyées et structurées d'une manière très spécifique. Cela est dû aux systèmes complexes sur lesquels leurs stratégies fonctionnent et à l'énorme quantité de capital en jeu en cas d'erreur.

« Ils travaillent dans un environnement de recherche très contrôlé, les modèles doivent être explicables, les modèles doivent être reproductibles. »

Le travail requis pour préparer les jeux de données à l'utilisation de l'IA est décrit comme peu glamour mais fondamental. Cette préparation méticuleuse est essentielle pour maintenir l'intégrité des stratégies qui gèrent des milliards de dollars d'actifs.

Le scepticisme de la « guerre de l'alpha »

Au-delà des défis liés aux données, il existe un scepticisme profond quant à la capacité de l'IA générative à générer de l'alpha—le rendement excédentaire qui surperforme le marché. Lors d'une conférence à Londres, les investisseurs quant ont exprimé des doutes sur la valeur ajoutée de la technologie à leurs processus.

Ce sentiment a été repris par un dirigeant d'UBS, qui a déclaré que l'IA n'aidera pas à remporter la « guerre de l'alpha ». Le consensus parmi de nombreux dirigeants quant est que l'IA n'est pas encore capable de battre le marché de manière constante.

L'absence d'utilisation généralisée dans le processus d'investissement est perçue par certains comme un signe de la diligence de ces acteurs. Plutôt que de poursuivre les tendances, ces investisseurs attendent que la technologie mûrisse et prouve son efficacité dans des scénarios réels à hauts enjeux.

• L'IA n'est pas considérée comme capable de battre le marché
• Scepticisme sur l'ajout de valeur aux processus d'investissement
• Focus sur des modèles explicables et reproductibles
• La prudence considérée comme un signe de diligence professionnelle

La voie à suivre

Malgré l'adoption lente actuelle, il existe un enthousiasme sous-jacent pour ce que l'IA générative pourrait accomplir une fois que l'infrastructure de données sera à la hauteur. Les entreprises travaillent activement à combler ce fossé.

L'équipe d'Angana Jacob crée des produits de données spécifiquement conçus pour les quants, ce qui pourrait augmenter l'adoption de l'IA à l'avenir. L'objectif est de rendre la technologie plus accessible et fiable pour les environnements de recherche contrôlés.

L'industrie n'est pas seule à identifier ce problème. Des startups comme Carbon Arc, fondée par l'ancien responsable des données de Point72, Kirk McKeown, se concentrent également sur la structuration des jeux de données pour une ingestion plus facile dans les modèles d'intelligence artificielle. Cet écosystème de fournisseurs de données est crucial pour la prochaine phase d'adoption.

« C'est une bonne chose, cela montre leur prudence. »

La pause actuelle dans l'adoption n'est pas un rejet de la technologie, mais une attente stratégique des bons outils et des bonnes données pour faire de l'IA générative un partenaire fiable dans la quête de la surperformance du marché.

Points clés à retenir

La relation entre les quants de Wall Street et l'IA générative est définie par la prudence, non le rejet. La technologie est considérée comme prometteuse mais pas encore prête pour les stratégies d'investissement à hauts enjeux.

Les principaux obstacles sont pratiques : les données doivent être méticuleusement nettoyées et structurées pour répondre aux normes rigoureuses de la finance quantitative. Ce travail fondamental est considéré comme essentiel avant que toute adoption significative puisse se produire.

En fin de compte, l'approche mesurée de l'industrie reflète sa philosophie fondamentale. Dans un domaine où la précision est primordiale, les investisseurs les plus obsédés par les données attendent que les outils mûrissent avant de s'engager pleinement avec leurs capitaux et stratégies dans la nouvelle technologie.