IA vs analystes : l’avenir de la recherche en investissement

L’intelligence artificielle peut-elle rendre les analystes humains obsolètes ? C’est la question qui taraude tout le monde alors que les modèles d’IA révolutionnent complètement la recherche en investissement. Byron Wien, un stratège du marché qui a défini les années 1990, estime estime que les meilleures recherches proviennent d’idées audacieuses et non consensuelles qui s’avèrent correctes.

La pression est maintenant sur l’IA pour qu’elle atteigne ce standard et potentiellement relègue au second plan les analystes qui dominent le secteur depuis des décennies. Pendant des années, les analystes ont disséqué les états financiers et parcouru les titres de presse, tout cela pour aider les investisseurs à prendre de meilleures décisions.

L’IA est entrée dans cet espace avec des outils qui simplifient, automatisent et parfois surpassent les méthodes traditionnelles. Les grands modèles de langage (LLM) sont devenus particulièrement efficaces pour analyser les données financières, faisant en quelques minutes ce qui pourrait prendre des jours à une équipe d’analystes.

Prédire les bénéfices, par exemple, joue parfaitement dans les forces de l’IA. Les profils de profit ont tendance à suivre des tendances logiques : les bonnes années conduisent à plus de bonnes années ; les mauvaises années conduisent à plus de mauvaises. L’IA prospère dans ces espaces prévisibles, surpassant les analystes humains qui laissent parfois le bruit ou les biais obscurcir leur jugement.

Les LLM réécrivent le manuel d’analyse des investissements

L’Université de Chicago’s fonctionne avec les LLM a fait sensation. Les chercheurs ont utilisé l’IA pour prédire la variance des bénéfices et ont constaté que ces modèles battaient les estimations médianes des analystes humains. Le secret ? Les LLM excellent à comprendre l’histoire derrière les rapports de bénéfices, quelque chose que les algorithmes traditionnels n’ont jamais réussi à faire. 

Ces modèles imitent les étapes logiques des analystes seniors, comme de jeunes juniels disciplinés au sein d’une équipe financière. Les modèles d’IA contournent également l’un des plus grands pièges humains : la surconfiance. Les analystes sont notoires pour ajuster leurs projections afin de coller à ce qu’ils pensent que les investisseurs veulent entendre. L’IA ne joue pas ce jeu.

En ajustant les paramètres de « température » d’un modèle d’IA – un terme barbare pour la randomisation – vous pouvez calculer les bandes de risque et de rendement avec des statistiques froides et dures. Vous pouvez même obtenir une estimation de la confiance de ses prédictions. Les humains, en comparaison, ont tendance à devenir arrogants avec leurs prévisions, en doublant la mise sur de mauvaises décisions au lieu de les réévaluer.

Malgré ces succès, l’IA est loin d’être parfaite. Elle ne trouvera pas la prochaine Nvidia ni ne prévoira un autre effondrement financier mondial. Ces gros chocs de marché ne suivent pas de schémas, et l’IA peine lorsque l’inattendu se produit.

Elle ne peut pas non plus interroger les dirigeants d’entreprise lors des appels sur les résultats ou repérer les réponses évasives sur des questions critiques. Les marchés sont désordonnés et en constante évolution, et l’IA manque de l’intuition pour s’adapter. C’est là que les meilleurs analystes brillent encore : ils savent quand pivoter, creuser plus profondément et exiger des réponses.

Mais l’hype autour de l’IA restera probablement forte pendant longtemps. Les géants de la technologie sont obsédés. Microsoft mise gros – 80 milliards de dollars gros – sur l’IA et l’infrastructure dont elle a besoin. Pour l’exercice fiscal 2025, le géant de la technologie prévoit de dépenser plus de la moitié de cette somme aux États-Unis dans des centres de données pour former et déployer des modèles d’IA.

Pourquoi cet excès ? L’IA exige une puissance de calcul insensée. Former des modèles comme ChatGPT signifie relier des milliers de puces dans d’immenses grappes de centres de données.

Les dollars publicitaires pourraient alimenter le prochain boom technologique

L’IA pourrait suivre la même voie que les révolutions technologiques passées : alimentée par l’argent de la publicité. Souvenez-vous de la montée en puissance de Google et Facebook ? Ils ont encaissé les budgets de construction de marque, prenant des dollars à tout le monde, de Tide à votre plombier local.

Même les entreprises très axées sur les abonnements comme Netflix et Amazon s’appuient désormais sur la publicité. Alphabet, la maison mère de Google, est un exemple parfait de la portée de ce modèle. Depuis son introduction en bourse en 2004, les revenus d’Alphabet ont bondi de 160 fois, atteignant plus de 300 milliards de dollars en 2023.

L’IA a le potentiel de remodeler les industries, tout comme la radio, la télévision et Internet l’ont fait auparavant. À l’époque, les journaux dépendaient de la publicité pour les deux tiers de leurs revenus.

La radio et la télévision prospéraient grâce aux publicités, les gardant gratuites pour le public. L’IA pourrait bientôt devenir la prochaine grande plateforme publicitaire, attirant des dollars pour financer des développements révolutionnaires.

L’IA peut cracher des idées – certaines brillantes, d’autres absurdes. Elle peut exécuter des scénarios sans fin, tirant des insights de l’histoire qu’une armée de chercheurs pourrait manquer. Mais elle ne peut pas vous donner cette « étincelle de génie ». Les analystes apportent quelque chose que l’IA ne peut pas reproduire : la capacité de questionner, de s’adapter et de voir l’image globale en temps réel. 

Cette touche humaine reste inestimable dans un monde où les recommandations non consensuelles – celles qu’aucune machine ne penserait à faire – s’avèrent souvent être les plus rentables. La véritable leçon à retenir ? L’IA et les analystes ne sont pas des ennemis. Ce sont des outils l’un pour l’autre.