Dejan Glavas : «Nous pensons voir de plus en plus émerger un usage de l’IA dans l’allocation d’actifs»

«Ce que nous disent des gestionnaires d’actifs, c’est qu’il y a beaucoup de prudence vis-à-vis de l’usage de technologies nouvelles», confie le directeur de l’Institut IA et Durabilité. Les usages les plus massifs en finance durable, se font dans la recherche et la gestion des données.

Les modèles d’IA sont particulièrement utilisés pour sourcer des données de manière générale et faire des analyses textuelles des données ESG de manière plus spécifique. «Typiquement, vous allez avoir cela dans les marchés d’obligations privées ou de dette privée, où on a des entreprises qui ne sont pas cotées, qui ne vont donc pas diffuser des informations massivement, ajoute Dejan Glavan. Dans ce type de cas, l’IA permet de chercher les informations d’une manière alternative, les traiter, les classifier, les utiliser dans les analyses ESG.»

Bien entendu, comme dans beaucoup de secteurs, c’est le gain de temps et plus généralement la haute valeur opérationnelle, qui motive le recours à l’IA.

Le blocage de l’explicabilité

«Ce que l’on pense voir émerger de plus en plus, c’est l’usage de l’IA pour l’allocation d’actifs, pour la partie investissement», exprime Dejan Glavas. Pour l’instant, le blocage semble être réglementaire, mais pas seulement. Si les prévisions de portefeuille en termes de performance sont possibles grâce à l’IA, le problème de l’explicabilité reste bloquant. « Nous avons des problématiques pour comprendre comment le modèle en est arrivé à certains résultats. Et ça, c’est un véritable blocage dans le monde de la finance en général et plus spécifiquement chez les gestionnaires d’actifs et les sociétés de gestion », précise Dejan Glavas.

Vers un usage raisonnable de l’IA

Dans un monde où l’IA se déploie de plus en plus, le professeur recommande de «ne pas faire de sur-ingénierie». Certaines tâches ou métiers, ne nécessitent pas d’utiliser des modèles très puissants, selon lui. «Dans le risque de crédit par exemple, il n’est pas forcément utile d’utiliser des modèles plus complexes», souligne Dejan.

Enfin, la taille des LLM (Large Language Model, modèle de langage) n’est pas sans conséquence en termes d’impact écologique, le professeur suggère donc de privilégier des modèles de petite taille. Et concernant la comparaison entre Open AI et Mistral «Mistral est beaucoup moins consommateur d’énergie, que ce soit à l’entraînement ou à l’usage», conclut Dejan Glavas.