IA et gestion d’actifs : la révolution est déjà là

Selon une enquête Mercer de 2024, 91 % des gestionnaires d’actifs s’appuieraient déjà sur l’intelligence artificielle (IA) dans leur activité. C’est à Clémence Droin, Partner chez Indefi, que revient le soin de contextualiser ce chiffre. Son verdict est nuancé, mais sans ambiguïté : « Depuis 2023, on a basculé dans une nouvelle ère. Il n’y a pas de retour en arrière. » L’IA est accessible à tous, sans barrière technique, dans les vies professionnelles comme personnelles.

Mais l’adoption, précise-t-elle, est loin d’être uniforme. Sa première observation surprend : l’IA n’est pas l’apanage des grands acteurs. Elle cite l’exemple d’une société de gestion de conviction, moins de dix milliards d’encours, qui a fait de l’IA un axe stratégique central. Cet acteur a construit une data warehouse pour alimenter des outils capables d’éclairer ses gérants, d’automatiser certaines tâches d’analyse et d’améliorer la relation client. La taille, affirme-t-elle, n’est plus un prérequis.

Son deuxième point est plus dérangeant. Dans de nombreuses sociétés de gestion, les collaborateurs utilisent déjà des modèles de langage au quotidien, parfois en dehors de tout cadre défini, sous le radar de la direction. Cela soulève des questions très concrètes : confidentialité des données, traçabilité des décisions, responsabilité juridique. L’industrie, dit-elle, doit affronter ces sujets plus vite que prévu.

Sa troisième réflexion est peut-être la plus structurante. S’appuyant sur un rapport récent d’Anthropic, elle rappelle que les métiers de la finance affichent la couverture théorique la plus élevée parmi tous les secteurs : 94 % des tâches pourraient en théorie être couvertes par l’IA. Aujourd’hui, l’exposition observée est de 28 %. Autrement dit, seulement un tiers du potentiel est atteint. « La vraie question n’est plus de savoir si l’IA va transformer nos métiers. Elle le fait déjà. C’est à quelle vitesse nous devons tous nous y adapter », conclut Clémence Droin.

Anne-Laure Frischlander-Jacobson, CEO et fondatrice de la wealthtech EveVest, pose le diagnostic économique avec précision. Les marges des gérants d’actifs ont fondu de 38 % en dix ans sous le double effet de la pression réglementaire et de la montée en puissance de la gestion passive. Dans ce contexte, l’IA représente une opportunité considérable d’améliorer ces marges par un gain de productivité et une réduction des coûts. Elle identifie cinq cas d’usage concrets déjà visibles dans l’industrie.

Le premier concerne les fonctions back- et middle-office : reporting réglementaire, réconciliation, traitement des données. L’IA permet de traiter ces flux sans erreur et à moindre coût. Le deuxième s’intéresse à la recherche et à l’analyse. Un analyste financier qui couvrait auparavant une cinquantaine de valeurs peut désormais en traiter près de mille grâce aux outils d’IA. Le troisième est la conformité, domaine où l’automatisation pourrait atteindre 99 % des processus. Les deux derniers portent sur la distribution et la relation client, avec le déploiement d’agents capables de personnaliser les offres à grande échelle.

Anne-Laure Frischlander-Jacobson tempère cependant l’enthousiasme en citant une étude du BCG qui montre que seulement 5 % des acteurs qui ont adopté l’IA arrivent réellement à en générer de la valeur. Pour la majorité, c’est encore davantage un coût à absorber qu’une source de valeur ajoutée. Et une question de fond demeure : l’IA va-t-elle accélérer la concentration du secteur, où les vingt plus grands gestionnaires détiennent déjà la moitié des encours mondiaux, ou donnera-t-elle au contraire aux acteurs plus modestes la possibilité d’exister à moindre coût ?

Estelle Castres, directrice générale de BlackRock France, Belgique, Luxembourg et Monaco, apporte la perspective d’un acteur qui a fait de la technologie l’ADN même de son modèle. Elle rappelle que BlackRock intègre des signaux d’IA dans sa gestion systématique depuis des années. Ce que le développement de l’IA générative change aujourd’hui, c’est l’ampleur et la vitesse à laquelle ces capacités peuvent être déployées.

Concrètement, les équipes de gestion surveillent en continu plus de 1 000 signaux distincts, combinant données financières traditionnelles et informations plus qualitatives ou non financières. L’enjeu n’est pas l’accumulation de données pour elle-même, mais la capacité à identifier celles qui sont réellement pertinentes pour mieux comprendre les dynamiques économiques, sectorielles et comportementales. Dans ce contexte, l’IA ne remplace pas l’expertise humaine : elle l’amplifie. Le rôle des équipes reste central pour formuler les bonnes hypothèses, interpréter les signaux et renouveler en permanence les sources d’information. Comme le souligne Estelle Castres, l’avantage compétitif ne tient pas seulement à la technologie, mais à la créativité, au discernement et à l’expérience des gérants qui l’utilisent. « La gestion systématique est un vecteur de croissance pour BlackRock », reconnaît Estelle Castres.

Estelle Castres distingue trois étapes dans l’intégration de l’IA au sein des entreprises. La première relève de la construction de l’infrastructure, c’est-à-dire l’investissement en CapEx et l’installation des fondations technologiques. La deuxième concerne l’adoption, qui s’accélère fortement : les entreprises cotées évoquent de plus en plus explicitement les gains de productivité liés à l’IA dans leurs publications trimestrielles. La troisième, la plus décisive, est la transformation complète des chaînes de valeur : repenser les processus de bout en bout grâce à l’IA, pas seulement ajouter un outil par-dessus l’existant.

Elle souligne également la transformation profonde des besoins des clients. Côté institutionnel, on observe une évolution des approches de construction de portefeuille, avec une intégration croissante des actifs liquides et illiquides dans une logique de portefeuille global. Cette dynamique conduit certains grands investisseurs à repenser leur gouvernance et leurs processus d’investissement afin d’appréhender l’ensemble des classes d’actifs de manière plus cohérente et unifiée.

Côté distribution, la logique évolue également : la gestion pilotée et sous mandat prend progressivement le pas sur le produit flagship. Le portefeuille traditionnel 60/40 n’est plus une référence unique ; il cède la place à des allocations plus diversifiées, combinant actions, obligations et actifs privés, et surtout construites en fonction des horizons de vie et des objectifs à long terme des épargnants.

Béatrice Guez, fondatrice et CEO d’Ai for Alpha, apporte le regard d’une fintech spécialisée dans la construction de signaux d’investissement par machine learning. Son entreprise, créée en 2020, avant même la vague générative, utilise des modèles de machine learning pour décrypter le comportement des grands styles de gestion, notamment les hedge funds de suivi de tendance, et pour rendre accessible, dans un format simple et lisible, ce qui était jusqu’alors opaque.

Son retour d’expérience nuance l’enthousiasme ambiant sur la profusion des données. Donner trop de données à un modèle, explique-t-elle, ne produit pas de meilleurs résultats. C’est au contraire le terrain idéal pour l’overfitting, ce biais classique de la gestion quantitative où un modèle apprend les configurations passées mais est incapable de généraliser dans le futur. Le risque s’amplifie précisément parce que les données sont de plus en plus nombreuses et les modèles de plus en plus complexes. Selon Béatrice Guez, « la vraie différenciation ne sera pas dans l’accès aux données, mais dans la capacité à sélectionner les bonnes. Ce n’est pas si simple. »

Chez Ai for Alpha, la transparence est une exigence non négociable. Chaque allocation est accompagnée des signaux qui en éclairent le rationnel, afin que l’investisseur comprenne ce que fait le modèle et puisse exercer son jugement. Elle cite un exemple récent très parlant : un client institutionnel utilisant leur modèle de prédiction de crise avait identifié que les revirements politiques soudains, comme ceux observés sur la scène commerciale internationale ces derniers mois, ne peuvent structurellement pas être intégrés dans l’algorithme. Ce client a donc choisi, en toute connaissance de cause, de ne pas suivre certaines préconisations du modèle. « Ce qui m’a rassurée, c’est que le niveau de transparence offert par le modèle lui a permis de garder un jugement éclairé », conclut Béatrice Guez. C’est là, peut-être, le cœur de tout le débat.

La discussion a porté sur l’impact de la tokenisation et des technologies blockchain sur l’évolution des marchés financiers. Estelle Castres souligne que ces innovations permettent de rapprocher actifs numériques et infrastructures financières traditionnelles. La discussion a distingué deux dynamiques complémentaires : la tokenisation, qui modernise la finance en permettant de représenter des actifs traditionnels dans un environnement digital, et le bitcoin, qui s’inscrit progressivement dans une approche institutionnelle, avec des exigences renforcées en matière de gestion, de gouvernance et de sécurité.

Sur la tokenisation, Clémence Droin souligne le potentiel considérable pour l’immobilier et les actifs privés. L’immobilier, actif tangible par excellence, se prête bien à la tokenisation, à condition de résoudre les sujets opérationnels et réglementaires autour du transfert de propriété. Le marché français accuse un certain retard par rapport aux places suisse ou luxembourgeoise. Mais la direction est tracée : demain, des clients qui ne disposent pas des tickets d’entrée requis pour les actifs privés traditionnels pourraient accéder, via la tokenisation, à des briques d’immobilier, d’infrastructure ou de dette privée. C’est une dimension clé du sujet de l’épargne retraite en Europe, où le passage des systèmes à prestations définies vers les cotisations définies appelle à enrichir les allocations de long terme.