L’adoption de l’IA dans la gestion d’actifs connaît une accélération sans précédent. Une étude récente de Linedata, réalisée en collaboration avec Global Fund Media, offre un aperçu profond de cette transformation technologique. Alors que l’Union européenne s’apprête à mettre en œuvre l’IA Act à partir du 1er août 2024, le secteur financier est à un tournant critique.
Créée en 1998, basée à Neuilly-sur-Seine, Linedata, née du rapprochement de trois sociétés : GSI Division des Banques, Line Data et BDB Participation, est une société éditrice de logiciels, de services et de données à valeur ajoutée dédiés au secteur financier. Pour ce rapport intitulé “Perspectives : Un regard approfondi sur l’IA dans la gestion d’actifs”, elle s’est associée à Global Fund Media, une société londonienne spécialisée dans l’analyse des tendances marché pour les professionnels des hedge funds et du private equity, deux types d’investissements offrant des opportunités de rendements élevés, mais nécessitant une compréhension approfondie des marchés et des risques associés.
Ils ont interrogé près de 100 gestionnaires de fonds et d’actifs, principalement dans les stratégies d’investissement de hedge funds et de private equity. Les données de l’enquête ont été collectées via un questionnaire en ligne et des entretiens approfondis au premier trimestre 2024 auprès de répondants occupant divers postes de direction dans des entreprises de tailles et de géographies variées : 40% Amérique du Nord, 40% Europe, 15% APAC et 5% autres.
Une adoption croissante mais nuancée de l’IA
Selon l’étude, actuellement, 33% des entreprises de gestion d’actifs sont en phase d’expérimentation de l’IA et 36% l’utilisent activement. Parmi ces dernières, 14% ont plusieurs cas d’utilisation en production et prévoient d’autres implémentations. Au cours de l’année prochaine, 37% prévoient d’étendre son utilisation, 22% augmenteront les expérimentations et 28% surveilleront les progrès. Cette adoption rapide est motivée par la nécessité de rester compétitif dans un marché de plus en plus volatil et réglementé. Cependant, près d’un tiers (32%) des entreprises n’a pas encore commencé son parcours vers l’IA, indiquant une adoption encore inégale.
Principales applications de la GenAI
Les applications de l’IA Générative se multiplient dans la gestion d’actifs. Parmi les utilisations les plus populaires figurent la synthèse de documents et l’extraction de données, chacune représentant 28% des applications. Les bases de connaissances et les systèmes de questions-réponses suivent avec 17%. La GenAI améliore également la productivité des équipes front office et middle/back-office, avec des cas d’utilisation incluant l’optimisation de l’efficacité des transactions et la génération directe de rendements.
Jamil Jiva, Global Head of Asset Management chez Linedata, commente :
“Sur un marché qui subit de multiples pressions, l’adoption de l’IA dans l’asset management s’accélère, avec de plus en plus d’entreprises qui investissent dans cette technologie pour rester compétitives et développer de nouveaux cas d’usage. Mais la mise en oeuvre de solutions d’IA et l’extraction de leur valeur est un projet technologique qui nécessitera du temps pour poser les bonnes fondations, obtenir l’adhésion, conduire le changement culturel et aplanir les facteurs de risque”.
Les défis de la mise en œuvre de l’IA
Malgré l’enthousiasme autour de l’adoption de l’IA, sa mise en œuvre dans la gestion d’actifs n’est pas sans obstacles. Les principaux défis identifiés par les entreprises incluent la qualité et la maintenance des données (19%), la compréhension des coûts et la construction d’un business case solide (15%), ainsi que l’accès à l’expertise en IA (13%). Ces défis soulignent la complexité de l’intégration de l’IA dans les systèmes existants et la nécessité d’une stratégie bien définie.
L’émergence des approches hybrides
L’étude révèle que 46% des entreprises développent leur expertise d’IA entièrement en interne, 14% dépendent exclusivement de partenaires externes tandis que 40% optent pour une approche hybride combinant ressources internes et partenariats externes. Cette tendance vers l’hybridation montre que, malgré la volonté de contrôler leurs capacités d’IA, les entreprises reconnaissent la valeur des collaborations externes pour combler les lacunes en compétences et accélérer le déploiement des technologies.
En ce qui concerne l’accès aux solutions d’IA, 25% des répondants achètent des produits prêts à l’emploi, tandis que 18% les développent entièrement en interne. À l’autre extrémité, 32% utilisent des solutions indirectes via des courtiers, des administrateurs de fonds ou des prestataires de services d’externalisation des processus.
Jamil Jiva souligne :
“Les entreprises préfèrent garder le contrôle sur leurs capacités d’IA, mais développer une expertise interne reste un défi, ce qui conduit à l’émergence d’approches hybrides combinant ressources internes et partenariats externes. L’enjeu de la qualité des données est également un obstacle majeur. Elles doivent être propres, cohérentes et facilement accessibles pour être utilisées efficacement par les modèles de langage, une tâche colossale à la lumière des systèmes disparates utilisés par les institutions financières. De nombreux gestionnaires d’actifs construisent des lacs de données, une tâche complexe nécessitant des objectifs clairs”.
