La croissance rapide des données non structurées a modifié la façon dont les professionnels de l’investissement appréhendent les informations qui guident leurs décisions d’investissement. La vitesse à laquelle ces données apparaissent et se renouvellent est inédite. Par sa capacité à faciliter la collecte, le traitement et l’analyse des informations du big data, l’intelligence artificielle (IA) pourrait révolutionner la gestion d’actifs et nous amener à redéfinir le métier d’investisseur.
À l’heure du big data
L’investissement systématique est un style de gestion où l’utilisation des données alternatives et l’analyse quantitative sont au cœur du processus d’investissement. Les avancées récentes en matière d’IA générative ont suscité un regain d’enthousiasme pour la gestion systématique, car elle repose précisément sur l’utilisation de l’apprentissage automatique et de l’IA pour construire des portefeuilles diversifiés et capables de battre le marché.
Les données non structurées sont des données qui défient la capacité d’être traitées par des méthodes traditionnelles en raison de leur taille et de leur complexité. Le big data contient un nombre potentiellement illimité d’informations pour ceux qui ont les compétences et les capacités nécessaires pour les exploiter. Chez BlackRock, le succès que connaît la plateforme systématique depuis la révolution ChatGPT traduit un effort de recherche que nos équipes mènent depuis près de quarante ans. Sans oublier une stratégie délibérément axée sur le développement de talent, l’acquisition de données alternatives et l’innovation technologique.
Le quant a 40 ans
Chez BlackRock, les premières stratégies systématiques « actives » sont développées au début des années 1980 : elles visaient à construire des portefeuilles capables de battre le marché en utilisant des modèles quantitatifs. Les premiers signaux de type « value » ou « momentum » utilisent des données traditionnelles comme les éléments comptables et les multiples de valorisation. Mais l’ambition consiste déjà à intégrer ces paramètres à une échelle industrielle et couvrir un vaste univers d’entreprises de manière dynamique.
Rapidement, la recherche évolue et identifie de nouvelles sources mieux capables de prédire les rendements, par exemple les prévisions de bénéfices des analystes, les mouvements de flux, et les mesures alternatives de momentum. L’approche « quant » gagne en popularité dans le début des années 2000. Elle culmine en 2007 avec près de 800 milliards de dollars investis dans ces stratégies. Mais, en 2007, la crise du « quant crunch » provoque la désillusion. Elle met en lumière les vulnérabilités des modèles quantitatifs de l’époque en révélant des corrélations imprévues entre les stratégies systématiques, et provoque une profonde remise en question au sein du secteur.
Le tournant de 2007
C’est à ce moment-là que la gestion systématique opère un pivot chez BlackRock. En 2007, Raffaele Savi, dirigeant de la plateforme systématique et aujourd’hui membre du comité exécutif de BlackRock, pose un constat : les profils de risque et les moteurs de rendement avaient totalement changé. Notre philosophie d’investissement évolue pour se consacrer exclusivement à la recherche « d’alpha ». Cette performance financière qui ne s’explique ni par le risque de marché, ni par les primes de risque historiques, mais purement par la sélection de titres et le risque idiosyncratique !
Cette époque marque un tournant décisif dans notre histoire. Nous avons commencé à nous intéresser à des sources de données alternatives non structurées afin d’identifier de nouveaux moteurs d’« alpha ». Au même moment, l’économie mondiale bascule progressivement et définitivement dans une dimension digitale. D’immenses quantités de données liées aux entreprises deviennent alors disponibles au-delà des informations qu’elles communiquent de leur propre initiative (voir graphiques). Les sites internet, les réseaux sociaux, les articles de presse, les données satellites fournissent un terrain prometteur pour la recherche de nouvelles sources de données sur les entreprises et sur l’économie.
Un changement d’échelle
grâce à la technologie
Chaque jour, nous analysons un univers de 15 000 entreprises sur les marchés développés et les marchés émergents. L’équation n’a pas changé. Nous nous interrogeons sur les mêmes questions fondamentales qui animent les investisseurs depuis toujours : quelles sont les entreprises qui fournissent des résultats de qualité ? quelles sont les entreprises qui ont un avantage compétitif par rapport à leurs pairs ? quelles sont celles qui bénéficient d’un sentiment favorable de la part des investisseurs ? quelles sont celles qui pourraient bénéficier du contexte économique actuel ? Ce qui a radicalement changé, c’est que la technologie nous permet de répondre à ces questions de manière simultanée pour des milliers d’entreprises et de réactualiser nos vues sur ces entreprises quotidiennement.
Auparavant, un gérant fondamental avait l’avantage concurrentiel de pouvoir rencontrer et échanger avec les dirigeants des entreprises pour formuler une opinion. Aujourd’hui, le gérant systématique a l’avantage concurrentiel de pouvoir rencontrer ces dirigeants de manière totalement virtuelle, en récoltant des milliers de retranscriptions de conférences sur les résultats et de présentations aux investisseurs. Nous traitons ces informations de manière systématique pour en extraire des indicateurs de sentiment, permettant de couvrir un large univers d’entreprises et de rafraîchir nos opinions d’achat et de vente en temps réel. C’est en cela que notre approche est dynamique. L’investissement systématique, c’est de l’investissement fondamental à grande échelle. Avec toutefois quelques spécificités (voir tableau).
Repenser les étapes clé du processus d’investissement
Les dernières avancées en matière d’IA générative ont fourni un tremplin supplémentaire pour l’investissement systématique. Il s’impose comme le style de gestion bien positionné pour relever cette nouvelle vague de défis technologiques. Au sein de l’équipe systématique de BlackRock, trois domaines clés du processus d’investissement ont vocation à connaître des avancées majeures grâce à l’utilisation de l’IA générative :
– la sélection de titres : les grands modèles de langage (LLM) affinent considérablement l’analyse de sentiment. Leur capacité de compréhension globale d’un texte va de pair avec la multiplication des sources traitées : blogs, news, réseaux sociaux. En comparaison avec des modèles à usage généralisé de type GPT, les LLM que nous utilisons sont entraînés et reparamétrés pour effectuer des tâches d’investissement spécifiques avec un haut degré de précision. La version actuelle de notre modèle a été formée sur environ 400 000 retranscriptions de conférences qui couvrent plus de 17 000 entreprises cotées. Nous combinons ce corpus de texte avec les données historiques de performance de ces entreprises, et nous apprenons au modèle à reconnaître de manière automatique l’association entre ce qui est dit au moment de la publication de résultats et la réaction ultérieure du marché ;
– la construction de portefeuille : dans toutes les familles d’indicateurs – qu’il s’agisse de signaux capturant les fondamentaux des entreprises, le sentiment des investisseurs, les dynamiques macroéconomiques ou encore les critères ESG –, la technologie nous permet de capter des signaux sans attendre les fournisseurs officiels de données. Au total, nous maintenons une librairie de 1 000 signaux. Dès lors, l’enjeu consiste à combiner ces signaux entre eux au sein de modèles, et à identifier les combinaisons qui sont adaptées au contexte de marché actuel. Les outils d’IA, et en particulier l’apprentissage automatique, nous permettent de paramétrer des milliers de simulations pour tester notre modèle dans différents environnements de marché, avec pour objectif de construire des portefeuilles plus réactifs aux rotations factorielles et aux changements de régimes ;
– l’allocation tactique : lorsqu’une nouvelle thématique suscite l’intérêt du marché, le défi consiste à détecter rapidement le changement d’attention et construire une stratégie efficace pour se positionner de manière à en bénéficier. Ici encore, les LLM nous permettent d’être infiniment plus réactifs pour identifier les thèmes émergents et les traduire dans des paniers d’actions pertinents pour prendre des positions longues ou courtes par rapport à la thématique. Le rôle de l’humain est déterminant : c’est lui qui expose la situation et calibre les paramètres du modèle. Le LLM se charge ensuite de distiller de grandes quantités d’informations pour établir un lien entre la thématique de départ et les entreprises qui sont susceptibles d’être positivement ou négativement impactées sur un horizon d’investissement déterminé. Ce processus peut être effectué de manière itérative pour affiner les paniers thématiques et identifier de nouveaux thèmes.
De nouvelles opportunités pour les gérants
La plateforme systématique de BlackRock regroupe 292 milliards de dollars d’encours sous gestion au 30 septembre 2024. En pratique, cela se traduit par un budget conséquent réinvesti chaque année pour la recherche et le développement de nouvelles compétences techniques. La stratégie de talent est un élément central de l’ADN de notre équipe. En tant que professionnels de l’investissement, nous devons nous préparer à ce que les progrès en matière d’IA redessinent les rôles traditionnels des chercheurs, des gérants et des stratégistes.
Au-delà des perspectives prometteuses pour la recherche et l’investissement, les avancées en matière d’IA offrent des nouvelles opportunités aux gérants de fonds de se démarquer les uns des autres et de se différencier – soit en utilisant des jeux de données qui sont uniques – soit en développant des techniques propriétaires pour en extraire du signal. In fine, cela permet de générer des sources de performance qui, par construction, seront plus décorrélées les unes des autres – et potentiellement additives pour les portefeuilles de nos clients. C’est pour cela que nous avons la conviction que les gestions fondamentales et systématiques ont vocation à coexister au sein des portefeuilles de nos clients : elles sont complémentaires et répondent à des objectifs différents.
