L’IA générative met les gérants au défi de la maîtrise des données

La dernière évolution de ChatGPT — l’outil d’intelligence artificielle d’OpenAI — a provoqué un engouement mondial pour l’intelligence artificielle générative. Dans le secteur de la gestion d’actifs, l’IA permet aux gérants de portefeuille de gagner en efficacité, dans leurs analyses des risques et le choix d’allocation d’actifs. Une technologie dans laquelle les sociétés de gestions d’actifs investissent massivement, mais qui soulèvent également des interrogations. Comment maîtriser la gestion des données ? S’assurer de leur fiabilité ?

A l’occasion de l’AM Tech Day, événement annuel organisé par L’Agefi et dédié à l’asset management et ses transformations technologiques, plusieurs acteurs ont partagé le 3 octobre leurs perspectives. “C’est un sujet absolument brûlant. Chez BlackRock, nous sommes convaincus que l’IA générative va être une révolution”, annonce Philippe Verboogen, responsable au niveau mondial des clients actifs sur les marchés privés chez BlackRock, en évoquant les investissements engagés par la firme américaine. Celle-ci est concernée à la fois comme asset manager et comme fournisseur de solutions technologiques. BlackRock Solutions est en phase de test sur certains cas d’usages, avec notamment la nécessité “d’éduquer des modèles massifs de langage”. Dans la gestion d’actifs, plusieurs pilotes dédiés à la captation d’information et la production de rapports d’analyses, ainsi qu’à la modélisation du risque et de gestion d’allocation d’actifs sont également en cours.

Structurer

Un potentiel séduisant, mais dont les défis restent nombreux. Ceux-ci sont principalement liés à la gestion d’une masse de données financières et extra-financières, dont il faut déterminer les propriétaires, mesurer la fiabilité et s’assurer qu’elles soient utilisées de manière éthique. Des enjeux majeurs dont se saisissent les gestionnaires d’actifs pour éviter un scénario similaire à la première vague IA, qui a donné lieu à beaucoup d’attentes, mais vu peu de projets se concrétiser par manque de structuration.

“Il faut que ça passe en production”, prévient Lionel Gitzinger, chief data officer chez Axa Investment Managers, en évoquant la nécessité de poser un cadre pour éviter l’échec. “On a besoin de gouvernance autour des modèles et de la donnée. Si on n’est pas un peu structuré pour que les cas d’usages puissent être portés jusqu’au bout, tout cela restera un rêve”. Dans l’organisation d’Axa IM, cette volonté se traduit par un repositionnement des data managers, qui ont été rapprochés des opérationnels métiers pour que la dimension «business» de l’IA soit bien prise en compte.

A lire aussi : Les Big Tech fourmillent de projets dans l’IA générative

Cette gouvernance autour de la gestion des données repose sur la mise en place de règles de bonnes pratiques en interne, qui définissent les niveaux de responsabilité de chacun. Un cadre essentiel quand le tri et l’analyse de données restent subjectifs. “Quand une donnée sur un instrument financier remonte avec différentes caractéristiques, provenant de différentes sources, il faut savoir faire le bon choix. Mais aussi, surtout dans le cas d’une grosse organisation, définir qui est responsable de l’identification et la correction”, détaille Yoan Chazal, associé chez Deloitte.

Protection des données

De même, avoir recours à des prestataires de services peut soulever des interrogations sur la protection des données et la maîtrise du modèle d’IA. Ce mode opératoire présente toutefois des avantages évidents en termes de rationalisation des coûts. Un choix vers lequel s’est tourné BlackRock, bien que le groupe refuse d’utiliser des modèles de données open source. “On veut garder la maitrise du modèle d’apprentissage”, affirme Philippe Verboogen.

Vigilance donc, quand la multiplication d’acteurs dans une chaine de sous-traitance peut causer des soucis opérationnels. “Les chaines de sous-traitance affectent la rapidité de circulation des données, leurs qualités, les chaînes de réconciliation, la multiplication des référentiels et leurs incohérences souvent, il faut le dire”, rappelle Arnaud Claudon, responsable des lignes métiers investisseurs institutionnels et gestionnaire d’actifs chez BNP Paribas. La banque a travaillé sur une série d’initiatives pour “minimiser ces nuisances” et être en mesure de collaborer avec des prestataires technologiques. Quant à Axa IM, il a fait le choix de créer son propre service interne, Axa Secure GPT, basé sur le service Azure OpenAI de Microsoft.

Bien que son essor soit fulgurant, l’utilisation de l’IA générative dans l’asset management en est encore à ses prémices. Au-delà des process internes, une question demeure sur l’identification du propriétaire de ces données. Avec d’un côté, des fournisseurs spécialisés dans les données de marché et de l’autre, des gestionnaires d’actifs qui les transforment. «Cette question de la transformation des data est fondamentale”, souligne Lionel Gitzinger, et doit être réglée contractuellement.