Il y a quelques semaines, j’ai posé une question simple à une salle de CIO de fonds de pension: «Parmi ceux d’entre vous qui ont reçu un pitch d’un gérant quantitatif mentionnant l’IA cette année, levez la main.» Toutes les mains se sont levées. Puis : «Parmi ceux qui ont reçu une explication convaincante de la façon dont cette IA fonctionne réellement, baissez la main.» Presque personne n’a bougé.
Voilà où nous en sommes.
L’intelligence artificielle est devenue, dans la gestion d’actifs, ce que le développement durable était il y a dix ans : un argument de vente universel, rassurant, et souvent creux. On l’affiche sur les brochures, on la glisse dans les présentations, on la mentionne en réunion. Mais entre «nous utilisons l’IA» et «notre IA génère de l’alpha mesurable et explicable», il y a un gouffre que peu de gérants franchissent, et que peu d’investisseurs pensent à explorer.
Dans la gestion de fortune, la confiance mal placée coûte cher. Et distinguer un gérant rigoureux d’un gérant opportuniste n’a rien d’une question technique.
L’AI washing n’a pas encore de régulateur
L’IA appliquée à l’investissement peut être puissante, et certains gérants l’utilisent avec rigueur et des résultats réels. Mais il est devenu presque impossible pour un investisseur non-spécialiste de distinguer un gérant qui maîtrise réellement ses modèles d’un gérant qui a habillé une stratégie ordinaire avec un vocabulaire moderne.
On appelle cela l’AI washing. Contrairement au greenwashing, aucun cadre réglementaire ne vient encore le sanctionner. Le terrain est donc libre, et certains en profitent.
entre «nous utilisons l’IA» et «notre IA génère de l’alpha mesurable et explicable», il y a un gouffre que peu de gérants franchissent, et que peu d’investisseurs pensent à explorer.
Plusieurs grands fonds institutionnels ont alloué des capitaux significatifs à des stratégies présentées comme pilotées par l’IA, pour découvrir après coup que la performance reposait sur un signal unique, fragile, lié à un régime de marché spécifique qui n’existe plus. Le modèle avait l’air solide. Ses fondations ne l’étaient pas. Dans ces cas, le processus d’évaluation avait failli, bien avant que les marchés ne révèlent le problème.
La bonne nouvelle : quelques questions précises permettent de faire la différence. Pas besoin d’être ingénieur.
Trois questions qui révèlent tout
La première est la plus simple, et la plus révélatrice : «Pourquoi votre modèle a-t-il pris cette décision spécifique, le mois dernier ?» Non pas une explication générale de la philosophie d’investissement. Une décision précise, datée, avec une cause identifiable. Un gérant qui maîtrise son IA répond à cette question sans hésiter. Un gérant qui a externalisé sa technologie sans la comprendre botte en touche. La différence entre ces deux réponses vaut souvent des points de base.
La deuxième : «Que se passe-t-il si vous modifiez légèrement un paramètre clé de votre modèle ? Les résultats restent-ils stables ?» Elle mesure si la performance observée est robuste, ou si elle dépend d’une configuration précise trouvée en cherchant dans les données passées ce qui aurait fonctionné en théorie. C’est la frontière entre un modèle qui a saisi quelque chose de réel sur les marchés, et un modèle qui a mémorisé le passé sans pouvoir se projeter dans l’avenir.
La troisième est la plus contre-intuitive, et souvent la plus déstabilisante pour un gérant mal préparé : «Quelles sont les informations que vous avez délibérément ignorées dans votre modèle, et pourquoi?» Un gérant qui réfléchit sérieusement à la construction de ses modèles sait exactement ce qu’il a écarté et pour quelle raison. Un gérant qui a simplement inclus tout ce qui améliorait ses résultats historiques ne peut pas répondre à cette question. Or c’est précisément ce choix, ce qu’on exclut, qui détermine si un modèle comprend quelque chose de réel sur les marchés, ou s’il a simplement appris par cœur le passé.
Ce que ces questions font réellement
Elles créent un moment de vérité dans une conversation commerciale. Un gérant sérieux comprend immédiatement qu’il a en face de lui un interlocuteur exigeant. Un gérant qui surfe sur la vague sans substance derrière sera déstabilisé, et cette déstabilisation est déjà une information.
Dans un secteur où les présentations sont soignées, les performances passées sélectionnées avec soin et les frais justifiés par des promesses technologiques, savoir quoi demander reste l’avantage le plus sous-estimé d’un investisseur averti.
L’IA va transformer la gestion d’actifs. Elle le fait déjà, dans certaines mains. Mais entre cette transformation réelle et le bruit ambiant des promesses, il faut un filtre. Ces trois questions sont le vôtre.
