L’IA dans le secteur du conseil financier : un allié plus qu’un ennemi

By Anais Masetti - 12 juillet 2021

L’automatisation et le machine learning s’étendent lentement mais sûrement au domaine du conseil financier et de la gestion de patrimoine, à en donner des sueurs froides à certains professionnels. Cependant, de plus en plus d’éléments suggèrent que l’intelligence artificielle (IA) peut aider les conseillers humains plutôt que de leur nuire, car elle est loin de pouvoir les remplacer. En outre, contrairement au retail où les clients sont curieux de tester de nouvelles solutions alimentées par l’IA, la plupart des investisseurs gardent une mentalité traditionnelle et sont moins ouverts au changement. Cela soulève des questions quant à la meilleure approche à adopter pour évangéliser le marché et favoriser l’adoption de cette innovation.

Alors, que peut faire la technologie de l’IA pour le secteur de la gestion des investissements ? Quelles sont les opportunités et les menaces qui se profilent pour le robot-conseil ? Qui sont les nouveaux venus dans ce secteur ? Nous nous penchons sur le sujet ci-dessous.

Les avantages de l’IA pour les gestionnaires d’investissements

L’automatisation et le machine learning peuvent apporter de multiples avantages au secteur de la gestion et du conseil en investissement. Parmi les nombreuses applications possibles, voici les trois principaux domaines dans lesquels l’IA peut être utile :

1. Aide à la conformité

La connaissance du client (KYC), la lutte contre le blanchiment d’argent (AML) et les déclarations fiscales sont autant de domaines où l’automatisation est en plein essor. En effet, ces algorithmes sont capables de traiter de grandes quantités de données et d’analyser des événements passés en un temps très court. Ils peuvent ainsi permettre aux professionnels de la finance de repérer des fraudes et des irrégularités beaucoup plus rapidement qu’avec les méthodes traditionnelles.

2. Optimisation des portefeuilles

L’analyse prédictive et le machine learning représentent des opportunités très prometteuses pour le secteur de la gestion de patrimoine, car ils peuvent être utilisés pour améliorer et faciliter l’optimisation des portefeuilles. L’analyse prédictive est exécutée par des algorithmes capables d’analyser de grandes quantités de données passées pour mettre en évidence des tendances et des résultats futurs potentiels avec une grande précision.

D’autre part, le machine learning implique qu’un algorithme d’IA peut apprendre et s’adapter à partir de n’importe quel type de données – même des ensembles de données désorganisées ou non liées – sans l’intervention d’un humain. Cela permet au conseiller humain de fournir un meilleur service et au client de mieux adapter son portefeuille en fonction de ses objectifs et de son goût du risque.

3. Service client

Le traitement automatique du langage naturel (TALN) et la génération automatique de textes sont des types d’IA capables de comprendre une requête écrite sous forme de conversation et d’y répondre comme le ferait un humain. Par exemple, certaines banques testent déjà des chatbots qui seraient capables de comprendre et de répondre à des questions telles que : « Quelle est la situation de mon portefeuille aujourd’hui ? » ou « Combien d’argent puis-je retirer de mon compte épargne ? ». Ce type de solution peut augmenter considérablement l’efficacité de la gestion des clients et libérer du temps pour les conseillers financiers, qui peuvent alors se concentrer sur des tâches plus compliquées.

Les limites des robots-conseillers

1. Le manque de spécificité sectorielle

Lorsque l’on pense à l’IA pour les entreprises, la première chose qui vient à l’esprit est généralement Watson d’IBM. En effet, ce produit a déjà été adopté par de très grandes sociétés financières – comme la Deutsche Bank et AZN – pour soutenir leurs départements d’investissement et de gestion des clients.

Toutefois, il est important de noter que, bien que le produit Watson Client Insight for Wealth Management d’IBM soit clairement destiné aux sociétés financières, la technologie qui le sous-tend est conçue pour fonctionner dans de nombreux secteurs différents. Compte tenu du niveau de complexité du secteur financier, ce manque de spécificité peut constituer un véritable inconvénient et un obstacle majeur à l’intégration de l’IA dans les services financiers. En outre, Watson nécessite un investissement important en temps et en formation pour que les employés puissent l’utiliser, ce qui peut constituer un autre frein à son adoption.

Nous pensons que les solutions d’IA verticales et spécialisées prendront le dessus à long terme. En effet, elles seront plus faciles à utiliser et plus à même de répondre aux demandes complexes du conseil financier.

2. Le manque de confiance des clients

Une autre difficulté à laquelle est confronté le sous-secteur des robots-conseillers est le manque de confiance des utilisateurs. Selon une étude menée par YouGov et commandée par la plateforme de trading IG, seuls 23 % des investisseurs étaient convaincus de pouvoir faire confiance à un robot-conseiller pour obtenir de bons retours sur investissement. En outre, les participants à l’étude ont également déclaré que le robot-conseil était la source de conseil financier qu’ils appréciaient le moins.

Il est évident que le secteur aura du mal à innover rapidement si les investisseurs ne changent pas d’état d’esprit. Néanmoins, il faudrait peut-être considérer qu’il est de la responsabilité des professionnels de la finance d’évangéliser leurs clients et de les convaincre des opportunités permises par les nouvelles technologies. Là encore, un manque de compétences techniques de la part des conseillers financiers et des gestionnaires de patrimoine pourrait également être en cause.

Les nouvelles sociétés à suivre

Parmi les 3 500+ startups notées par Early Metrics, deux se distinguent particulièrement par l’intégration de la technologie de l’IA dans le secteur de la gestion des investissements : Bambu et Euklid.

Cette dernière est basée au Shard de Londres mais dirigée par une équipe entièrement Made in Italy, avec Antonio Semeone à sa tête. Euklid crée une gamme d’algorithmes d’IA pour la gestion de patrimoine qui s’appuie sur la bio-informatique, une approche scientifique mêlant mathématiques, physique et psychologie. L’équipe explique : « Nos algorithmes sont spécifiquement entraînés pour reconnaître les comportements conservateurs et innovants au milieu de données brutes et désorganisées. » L’intelligence de ces algorithmes réside dans le fait qu’ils peuvent apprendre à partir de données désorganisées et du comportement d’autres agents économiques, puis adapter les recommandations d’investissement en temps réel – une caractéristique que l’équipe appelle la logique génétique.

De son côté, Bambu propose des solutions de conseil à la fois pour la banque de détail et pour la gestion de patrimoine. En plus des algorithmes d’IA destinés aux gestionnaires de patrimoine, la startup fournit des solutions en marque blanche aux entreprises financières qui souhaitent offrir un service de robot-conseiller directement à leurs clients. Sa solution permet de mieux adapter le portefeuille au profil de risque de l’individu, plutôt que de fonder les décisions d’investissement sur des profils standards. La startup a été fondée en 2016 à Singapour et s’est déjà développée en Malaisie, à Hong Kong et au Royaume-Uni. En outre, ses initiatives ont suscité l’intérêt de grandes entreprises et lui ont permis de lever 10 M$ en Série B en 2019.

Traduit de l’anglais par Margaux Cervatius

Tous nos articles