Analytics Innovation

Quand la course au Big Data s’empare de la City

6 décembre 2016

Quand la course au Big Data s’empare de la City

Droits réservés – The Telegraph / Worldcrunch –

Le superordinateur Watson d’IBM, connu notamment pour avoir remporté le jeu télévisé Jeopardy! en 2011, est aujourd’hui employé par des sociétés de gestion de patrimoine en tant qu’outil abordable de conseils en placements. Le réseau social Twitter intègre désormais des « cashtags » dans ses messages, permettant aux investisseurs de suivre les derniers tweets postés sur telle ou telle action. Quant aux fonds spéculatifs, ils contrôlent par satellites interposés le rendement des récoltes, et sont quasiment mieux renseignés que les agriculteurs eux-mêmes.

Le monde n’a jamais été autant inondé d’informations. Selon IBM, 90% des données existantes ont été créées au cours des deux dernières années. Autrefois chasse gardée des chercheurs et des gestionnaires de fonds spéculatifs les plus « geeks », la capacité à exploiter d’énormes quantités de « bruits » [le « bruit du marché » correspondant à l’ensemble d’informations non officielles ou de rumeurs courant les salles de marchés] et à pouvoir les transformer en signaux de trading atteint maintenant le cœur du secteur financier.

Selon Ben Sheridan, associé du Boston Consulting Group, l’année dernière s’est avérée être l’une des plus compliquées pour les gestionnaires d’actifs depuis la crise financière. Pourtant, ces derniers ont continué à investir dans la gestion de données, dans l’espoir de trouver un semblant d’éclaircie dans la grisaille actuelle du marché.

« Apporter de nouvelles ressources en matière de données permet de répondre à certaines questions que les gestionnaires d’actifs se posent, comme celles qui concernent les mouvements macroéconomiques », explique Ben Sheridan.

« Cet aspect des données quantitatives était d’habitude réservé à une petite fraction des fonds spéculatifs. Aujourd’hui, cela touche les gestionnaires d’actifs de manière plus générale ».

Même Goldman Sachs s’est lancé dans la course aux données, investissant près de 15 millions de dollars dans Kensho, un programme qui compile les données relatives aux événements mondiaux majeurs et permet aux clients de tirer eux-mêmes les leçons de ces situations —pour les appliquer par la suite. Imaginons, par exemple, qu’un ouragan frappe le Golfe du Mexique : Kensho détermine l’impact de cette catastrophe sur les emplois aux États-Unis dans les six mois à venir, ainsi que ses répercussions sur l’indice boursier Standard & Poor’s.

De nombreuses entreprises se servent déjà de la puissance de l’informatique pour redynamiser d’anciennes techniques. Des fonds spéculatifs tels que Winton Capital ont déjà procédé à la collecte de données assez obscures (comme la fluctuation du prix du blé depuis près de 1 000 ans), et ce dans l’espoir de dégager d’éventuelles tendances sur le futur des valeurs de matières premières.

D’autres s’offrent les services de sociétés comme Planet Labs dans le but de surveiller les récoltes par satellite, en temps réel ou presque, et d’obtenir des renseignements sur les rendements à venir. Repérer les embouteillages à la sortie des magasins Wal-Mart peut s’avérer précieux pour dles traders soucieux de prédire chaque année le succès des ventes du fameux « Black Friday ». Et c’est bien plus facile à faire depuis l’espace que d’envoyer des analystes sur place.

Certains fournisseurs de données enregistrent même appels de dirigeants de compagnies, via un processeur de traitement automatique du langage naturel —un domaine de l’intelligence artificielle que le test de Turing avait anticipé— afin de déterminer si ces dirigeants ont toujours confiance en leur entreprise. Si auparavant les marchés suivaient sans doute leur instinct pour ce genre de choses, dorénavant, ils peuvent se fier à des graphiques détaillés.

Inévitablement, beaucoup de « bruits » viennent interférer avec ces signaux de trading potentiels. C’est le rôle des experts d’y remédier.

« La plupart des avancées dans ce qu’on appelle le ‘machine learning’ n’ont pas été réalisées dans le domaine de la finance. Etablir la différence entre signal et bruit, ce n’est pas aussi simple que de reconnaître un chien sur une photo », prévient le Dr Anthony Ledford, responsable scientifique pour le fonds spéculatif Man AHL, axé sur l’informatique.

« Il n’existe pas de signe indicateur infaillible pour nous dire de quoi demain sera fait. Nous nous appliquons à exploiter un tout petit avantage sur le long terme et sur un grand nombre de marchés ».

Les experts en statistiques affirment que la chute des coûts en termes de puissance de calcul et de stockage des données, conjuguée à la prolifération « tout à fait extraordinaire » du nombre de données enregistrées, ont favorisé l’introduction de l’intelligence artificielle auprès des gros investisseurs.

« Mieux utiliser les signaux que nous connaissons déjà, c’est l’objectif du secteur financier en ce moment. Mais la prochaine étape, c’est de déterminer si le ‘machine learning’ peut nous permettre d’identifier de nouveaux éléments ».

Au plus fort de leur activité, les fonds systématiques d’AHL parviennent à passer au peigne fin près de deux milliards de mises à jour de prix par jour ; l’an dernier, le maximum atteint était de 800 millions.

Les avancées dans des disciplines telles que l’ingénierie ou l’informatique ont également bénéficié au milieu financier, selon l’ancien chercheur d’Oxford. Preuve s’il en fallait : Man Group a récemment parrainé une nouvelle chaire de recherche à l’université, dans le domaine du « machine learning ».

Pour le Dr Ledford, cette technologie peut être utile à la recherche sur les voitures autonomes, qui doivent adapter leur conduite aux conditions environnantes, mais aussi à l’identification d’étoiles sur des images capturées par des télescopes. Cette dernière application est une adaptation des méthodes employées par le projet Zooniverse —au cours duquel des milliers de volontaires ont aidé un ordinateur à apprendre comment repérer une supernova— cette fois-ci dans le but de mettre au point une nouvelle manière de dénicher des tendances au beau milieu de l’infini de données compilées chaque jour par les analystes de la City.

« L’intérêt majeur, c’est cette capacité à extraire des tendances sans avoir à préciser aux algorithmes quelles tendances nous recherchons. Auparavant, il fallait définir la configuration du modèle et l’appliquer aux données », ajoute Anthony Ledford.

Ces technologies ne sont pas seulement applicables aux marchés financiers. Plusieurs cabinets juridiques utilisent le traitement automatique du langage naturel (TALN) pour effectuer certaines tâches répétitives, comme celle de passer en revue des contrats.

Slaughter & May a récemment porté son dévolu sur Luminance, un programme dit de « diligence raisonnable », soutenu par Mike Lynch, ancien patron du groupe informatique Autonomy.

Le cabinet Freshfields a quant à lui passé un an à peaufiner un système personnalisé appelé Kira à même de comprendre les subtilités des différentes durées de contrats.

Les avocats ont alimenté l’ordinateur de documents dans lesquels ils ont mis en exergue les parties qu’ils considèrent essentielles, permettant ainsi à Kira d’analyser un contrat et d’en dégager les paragraphes importants. Le cabinet estime que ce système est 40 à 70% plus rapide qu’un avocat humain qui passerait en revue ces contrats manuellement.

« Les résultats sont parfois un peu étranges, hors-sujet, et nos avocats doivent se pencher dessus. Nous sommes habitués à obtenir des résultats parfaits, donc nous avons dû préciser à nos employés qu’ils ne pourraient pas se contenter de mettre la machine en route et de la laisser travailler toute seule », explique Isabel Parker, responsable de l’innovation au sein de l’entreprise. « Je ne pense pas que le produit sera un jour entièrement autonome. Il s’agit d’un outil que l’on utilise pour améliorer notre productivité, par pour remplacer nos employés ».

Le système, conçu pour apprendre n’importe quel alphabet latin, est aujourd’hui formé sur d’autres langues par les avocats de Freshfields. « Je pense que nos avocats s’habituent peu à peu à Kira, au fur et à mesure qu’ils prennent la mesure de ses capacités », ajoute Isabel Parker.

Les assureurs investissent font également le pari du Big Data, lui-même nourri par de nouveaux produits tels que la télématique —un système qui permet d’évaluer dans les moindres détails la manière de conduire d’un automobiliste, aidant ainsi l’assureur à déterminer un tarif équitable pour chacun de ses clients. « Le critère crucial de cet investissement, c’est l’expérience-client », affirme Darren Price, directeur des systèmes d’information chez RSA Insurance Group.

Si pour l’instant, ce leader de l’assurance limite cette technologie à un usage majoritairement interne, il n’en va pas de même pour son concurrent Aviva, qui a conclu la plupart de ses partenariats avec des start-ups dans son centre d’innovation, le « Digital Garage ». Le groupe Allianz a quant à lui a récemment fait l’acquisition du robot-conseiller Moneyfarm, tandis que le fonds de capital-risque d’Axa a investi dans un robot conversationnel, ou « chatbot », baptisé Gasolead.

Le cabinet d’audit financier EY investit également dans des outils analytiques qui permettent de déceler des signaux d’alarme pour ses clients dans certains pays ou certaines entreprises, donnant la possibilité aux gestionnaires de réagir avant qu’un problème de comptabilité ne se propage.

Enfin, l’Autorité des Services Financiers (Financial Conduct Authority) se lance elle aussi dans la bataille. Après avoir donné sa bénédiction au secteur des assurances pour utiliser le Big Data, elle lance sa propre « sandbox », un espace digital sécurisé dans lequel experts en technologie et start-ups peuvent utiliser des données réelles pour explorer de nouvelles idées.

Si ces avancées, qui gagnent en popularité à travers le monde de la finance, sont bel et bien susceptibles d’engendrer une industrie encore plus performante, elles pourraient aussi occasioner des suppressions d’emplois conséquentes. La Banque d’Angleterre a déjà tiré la sonnette d’alarme l’an passé : près de 15 millions d’emplois en Grande-Bretagne seraient menacés par ces machines intelligentes, notamment au niveau du personnel de vente et des comptables.

« Le monde de la finance essaie rattraper son retard sur le monde du commerce. Et il faut se dépêcher, non seulement à cause de la demande mais aussi parce que tous les jours, de nouveaux concurrents se fraient un chemin dans l’industrie », prévient Amanda Foster, directrice des services financiers chez Russell Reynolds Associates.

Selon cette dernière elle, diverses pressions financières empêchent cependant les entreprises de la City de remplacer leurs gestionnaires de fonds par des robots : « Les robots ne maîtrisent pas l’art de prendre la bonne décision en matière de placement, mais ils peuvent s’avérer utiles dans l’analyse de chiffres et des données, nécessaire à la prise de décisions ».

The editorial team offers you articles about Data Science, AI, IoT and many other digital topics, all made by Sopra Steria, European leader in digital transformation.
Leave a comment

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *