in

Montée en puissance des machines: les emplois en investissement devenus redondants?

[ad_1]

Les ordinateurs remplaceront-ils complètement les humains dans la gestion financière? Les robots peuvent-ils exécuter les fonctions de gestion d'actifs, les opérations financières et toutes les autres tâches actuellement exécutées par des personnes?

Certes, par rapport à la plupart des autres industries, la finance est particulièrement dématérialisée: les robots dans la finance n’ont pas besoin de mains, de bras et de jambes, mais simplement de la capacité de réduire les chiffres. Et les puces en silicium peuvent faire cela incomparablement plus rapidement que nous le pouvons. Le problème est que même si la finance crée son propre monde, cette création interagit profondément avec le monde réel. Tout comme un ouragan dans la haute atmosphère peut tout dévaster sur la terre ferme, les catastrophes dans le monde financier ont des conséquences réelles sur la vie des gens réels.

Alors pouvons-nous faire confiance à ces machines?

Cela peut sembler être de la science-fiction, mais la science avance plus vite que la fiction et, aussi effrayant que cela puisse paraître, nous vivons déjà dans un monde au moins partiellement contrôlé par des machines. Nous, les humains, devons maintenant nous adapter à la nouvelle réalité que nous avons nous-mêmes créée. Comme pour l'évolution, revenir en arrière n'est pas une option.

Avant de considérer la menace potentielle que représentent les machines et l'intelligence artificielle (IA), qu'il s'agisse de financer des professionnels ou de l'économie en général, nous devons reconnaître que les marchés financiers étaient en train de créer des catastrophes bien avant les ordinateurs.

étudié l'ampleur et la fréquence des crises financières sur deux siècles. Bien surveillés à l’aide de modèles appropriés, ces événements n’ont pas beaucoup évolué, malgré des régimes de réglementation différents et une informatisation croissante. Cela suggère que, du point de vue des seuls risques catastrophiques, une automatisation massive ne modifiera pas tant la fréquence et l'ampleur des catastrophes dans l'écosystème financier.



Mais qui va gagner et qui va souffrir de cette révolution numérique? Et l’apprentissage automatique mettra-t-il fin aux conseillers humains?

Jusqu'ici, derrière les machines se trouvent les personnes qui les ont programmées. Et cette dynamique se poursuivra au moins pour la prochaine génération. Alors que les ordinateurs ont commencé à générer du code, ces ordinateurs doivent toujours être programmés par des humains. Ainsi, ceux qui peuvent créer et administrer la technologie utilisée sur les marchés financiers, quel que soit leur rôle dans la chaîne de services, ne perdront pas leur emploi. Au contraire, ils seront en forte demande.

Les machines en finance ne sont pas prêtes à fonctionner de manière autonome. Ils nécessitent des connaissances spécialisées, qu’elles soient économiques, financières, statistiques ou mathématiques. Actuellement, au mieux, ils peuvent augmenter les efforts d’humains experts. Ils ne peuvent pas les remplacer complètement. Le secteur de la santé témoigne assez bien de cette dynamique: les systèmes d’imagerie, les analyseurs de sang et les assistants de diagnostic informatiques sophistiqués aident les professionnels de la santé à accomplir leur travail, mais ils ne peuvent le faire sans mettre leur vie en danger. Les meilleurs résultats découlent donc d’une coopération intelligente entre l’homme et les machines, et non d’un groupe ignorant l’autre, aussi sophistiqué soit-il.

Malgré les prévisions audacieuses des apprentis sorciers et des informaticiens travaillant avec la technologie émergente de l’apprentissage automatique et ses innovations, cette technologie ne peut être efficacement appliquée que par des humains expérimentés. Et pour une bonne raison. Un algorithme n’est pas nécessairement moins risqué qu’un humain.

Pensez à deux «technologies» spécifiques: l’opération biologique pure du cerveau humain (en laissant de côté les questions plus chargées de la conscience, de l’intelligence, etc.) et «l’intelligence en silicium» des ordinateurs. Le cerveau humain comprend un système hautement connecté et multithread avec des unités de traitement informatique extrêmement lentes: quelques centaines de cycles par seconde par rapport aux plusieurs milliards d’ordinateurs portables actuels. Les trillions de synapses du cerveau compensent la vitesse de traitement réduite, de sorte qu’au moins plusieurs milliards d’opérations sont encore effectuées chaque seconde.

Le cerveau adulte a été formé pendant des décennies. Il bénéficie également d'un milliard d'années d'évolution. Pratiquement, la principale différence entre le cerveau humain et les ordinateurs se résume à la gestion des risques. Le cerveau humain peut anticiper et planifier toutes sortes de scénarios imaginables. Il sait également que toutes les informations n'ont pas la même valeur. Certaines données méritent toute leur attention et nécessitent un traitement immédiat. D'autres données peuvent simplement être ignorées.

Pendant ce temps, l'ordinateur peut trier une gamme de «cas d'école» qu'il a appris pour parvenir à la décision optimale si l'un de ces cas devait se produire. Mais il manque l'expérience à long terme pour se débarrasser en toute sécurité d'informations inutiles, même si cela est essentiel pour une réaction appropriée et rapide. En traitement tout les informations disponibles, quelle que soit la vitesse de l'ordinateur, créeront un processus de prise de décision trop lent.

De plus, qu’il s’agisse de l’apprentissage automatique ou d’une autre forme d’intelligence artificielle, elle reste – et doit être – une expression de son concepteur. C’est tout le contraire de ce que nous entendons souvent de nos jours, quand les gens disent: «Laissez les données parler.» Les données ne montreront que ce qu’elles contiennent, à savoir la taille limitée de son ensemble d’entraînement.

C’est pourquoi ceux qui sont le mieux à même de déployer une approche hybride homme-machine auront l’avantage dans les années à venir.

Donc, ceux qui ne parviennent pas à s'adapter à la révolution numérique vont certainement courir un risque de carrière. Quelle que soit notre expertise, nous devrons apprendre à "coopérer" avec l'IA d'une manière ou d'une autre.

Mais les machines ne constituent pas une menace existentielle pour les professionnels de la finance humaine, comme le prétendent certains. Ils n'offrent pas non plus la panacée universelle à laquelle certains informaticiens semblent rêver.

Si vous avez aimé cet article, n'oubliez pas de vous abonner à la .


Tous les messages sont l'opinion de l'auteur. En tant que tels, ils ne doivent pas être interprétés comme un conseil en investissement, et les opinions exprimées ne reflètent pas nécessairement les vues du CFA Institute ou de l’employeur de l’auteur.

Crédit image: © Getty Images / Ryzhi


Formation continue pour les membres du CFA Institute

Cet article est éligible au crédit d’éducation permanente. Enregistrez facilement des crédits en utilisant l’application CFA Institute Members, disponible sur et.

Raphael Douady, PhD, est un mathématicien et économiste français spécialisé en mathématiques financières et en théorie du chaos à l'Université Paris I: Panthéon-Sorbonne. Auparavant, il était titulaire de la chaire Frey en finance quantitative de l'Université Stony Brook et était directeur académique du Laboratoire français d'excellence en réglementation financière. Il a obtenu son doctorat en dynamique hamiltonienne et compte plus de 20 ans d'expérience dans le secteur financier. Il porte un intérêt particulier à la recherche sur les risques de portefeuille, pour lesquels il a développé des modèles statistiques non linéaires puissants particulièrement adaptés, ainsi que sur le risque systémique. Il a fondé les sociétés de fintechs Riskdata (gestion des risques pour l’entreprise) et Datacore (portefeuille type de FNB). Douady est membre du Praxis Club, groupe de réflexion basé à New York, qui conseille le gouvernement français sur sa politique économique et sur d’autres sujets connexes. Il siège au conseil d’administration de Friends of IHES, une fondation soutenant l’Institut des hautes études scientifiques Frère français de Princeton IAS). Ancien membre de l'Ecole Normale Supérieure de Paris, il a remporté une médaille d'or aux Olympiades mathématiques internationales en 1977.

Milind Sharma est CIO chez QuantZ Capital et PDG de QuantZ Machine Intelligence Technologies, qui associe investissement factoriel et apprentissage automatique. Il a 22 ans d'expérience sur le marché, y compris dans la gestion de fonds de couverture, de fonds communs de placement (environ 30 milliards de dollars chez Merrill Lynch IM) ainsi que dans la gestion de pupitres de négociation exclusifs chez Deutsche Bank et RBC Global Arbitrage. Il a également été cofondateur de Risk / Quant Strategies chez Merrill Lynch IM après un rôle similaire chez Ernst & Young. Sharma est titulaire d'une maîtrise en finance informatique et d'une maîtrise en mathématiques appliquées de Carnegie Mellon, où il a également suivi un programme de doctorat en logique. Il a assisté à Wharton, Vassar et Oxford. Il a publié de nombreux ouvrages sur les hedge funds et intervient fréquemment lors de conférences.

Paul McCaffrey est l'éditeur de Investisseur entreprenant au CFA Institute. Auparavant, il était rédacteur au H.W. Wilson Company. Son écriture est apparue dans Planification financière et DailyFinance, parmi d’autres publications. Il est titulaire d'une licence en anglais du Vassar College et d'une maîtrise en journalisme de la Graduate School of Journalism de la City University of New York (CUNY).

[ad_2]

Résolutions du Nouvel An: Six façons de pirater le défi en argent de 52 semaines

Pouvez-vous devenir riche rapidement grâce à l'investissement immobilier?