La grande majorité des transactions sur les marchés financiers se fait désormais sans intervention humaine, grâce à de puissants algorithmes. Sans capacité d’analysé globale, ces outils créent de l’instabilité et des risques de crashes. En développement, les outils d’IA permettent d’améliorer la sécurité financière mondiale.
La finance de marché est désormais un petit monde qui s’entretient tout seul, quasi sans l’intervention de l’homme. Selon l’organisme Finance Watch, 70 à 90% des transactions boursières dans le monde sont effectuées par des robots, sans aucune vérification humaine.
Ces dernières années, les robots ont multiplié les erreurs, incapables de cerner la réalité de l’économie, cachée derrière le prix des actions. Les robots s’en tiennent souvent à un secteur d’activité : l’automobile, la technologie, l’énergie par exemple, en considérant que l’intégralité des entreprises avance du même pas.
Ce n’est pas toujours le cas. En octobre 2023, la Chine annonce baisser les taxes sur les voitures d’une puissance jusqu’à 1600 cc. Toutes les valeurs de l’automobile s’emballent, y compris Porsche qui progresse de 4,6%. Une erreur venue des algorithmes, incapables de savoir que Porsche n’était pas concerné par cette faveur fiscale.
Effet boule de neige
Ce n’est pas le seul exemple de surchauffe. Finance Watch note environ dix crashes éclairs par jour causés par les robots de trading. Ces chutes brutales des cours ne durent en général que quelques secondes au maximum, mais cela suffit à envoyer des dizaines de millions d’ordres.
Avec ces technologies automatisées, l’effet boule de neige est rapide. L’exemple le plus marquant de ces dernières années reste le flash crash de 2010, où des robots de trading s’emballent. Le 6 mai, la bourse américaine dévisse en quelques minutes, certaines valeurs chutent jusqu’à 60%. Les échanges sont interrompus, et le cours reprend normalement. Sans intervention humaine, des entreprises comme P&G, comptant plus de 90 000 employés, auraient pu faire faillite.
Après ce crash, la SEC, l’organe de surveillance américain, avait noté que les robots augmentent significativement les risques de volatilité « en période de stress du marché », ajoutant que « le trading algorithmique peut accentuer les mouvements de prix ».
Le FMI fait également état d’un risque de « comportement moutonnier » exacerbé par les machines. Le fonds monétaire international note une augmentation significative de 40% de la volatilité du marché, attribuable directement à l’automatisation et à la synchronisation des décisions algorithmiques dans certaines conditions de crise.
« Les robots de trading, tout en augmentant l’efficacité des transactions, présentent un risque systémique accru en raison de leur synchronicité dans la prise de décision », précise le FMI. Certes, les humains sont aussi sujets aux comportements grégaires. Mais ils sont incapables d’envoyer des milliers d’ordres par seconde. Même si dans des conditions normales, ces pratiques automatisées contribuent à réduire les risques, toute instabilité géopolitique et monétaire pourrait bien changer la donne.
L’IA, solution… ou nouveau risque ?
Pour pallier la bêtise des algorithmes, les banques d’investissements parient évidemment sur l’intelligence artificielle, capable d’analyser des données extra-financières et de faire des choix plus complexes, de mieux appréhender les bulles spéculatives et les variations sans paniquer. Le géant JP Morgan a par exemple développé son outil baptisé LOXM, une technologie qui utilise des techniques de deep learning pour apprendre de ses erreurs, ou de celles des autres.
Le développement de l’apprentissage multimodal, permettant de combiner des données diverses (textuelles, visuelles, etc.) pourrait améliorer la prédiction. Un autre axe d’amélioration est l’analyse sentimentale. À partir de rapports, de tweets et d’autres communications audiovisuelles, les robots pourraient prendre en compte dans leurs calculs l’enthousiasme ou au contraire les inquiétudes des investisseurs, faits de chair et d’os cette fois. Associé à un entraînement sur les situations de crises extrêmes, ces IA pourraient réagir en quelques microsecondes de la façon la plus sereine possible. Si elle n’en est qu’à ses balbutiements, l’IA pourrait bien prendre le pouvoir sur les marchés en étant plus robuste dans ses choix que l’homme.
Boite noire
L’intégralité de cet article a pu être rédigé grâce à l’utilisation de GPT4, qui a permis d’analyser plusieurs rapports sur les robots de trading. Ces rapports, de plusieurs dizaines voire centaines de pages, étaient en anglais.
Les sources utilisées sont : « Artificial intelligence, multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy », de la Delft university of technology, « Large-scale data-driven financial risk management & analysis using machine learning strategies » par M. Senthil Murugan et Sree Kala T., « Artificial intelligence in construction asset management, a review of present status, challenges and future opportunities » par Luca Rampini et Fulvio Cecconi.
Des rapports d’institutions ont également été utilisés, comme le « Staff report on algorithmic trading in U.S. capital Markets » de la SEC, ou la publication trimestrielle de décembre 2023 du FMI.
Il aurait été impossible d’obtenir les données autrement dans le temps imparti, tant le sujet est encore méconnu, à moins d’interviewer des dizaines d’experts du domaine.
Toutes ces publications ont été proposées par ChatGPT4, en discutant du sujet et des thématiques que je souhaitais aborder. J’ai pitché le sujet et écrit un prompt demandant quels étaient les enjeux et quelles sources je pouvais utiliser. J’ai ensuite téléchargé les rapports et lui ai demandé un résumé et quelques citations à mettre dans un article de presse économique.
De plus, ChatGPT a recommandé plusieurs autres sources comme FinanceWatch, et trouvé la plupart des arguments de l’article. Il est également à l’origine d’un historique sur les crashes liés aux robots.
L’infographie a également été réalisée grâce à GPT 4. A partir de la revue trimestrielle du FMI, faisant près de 100 pages, le prompt était « à partir de ce document, créé un diagramme permettant de comprendre quels sont les risques des robots de trading ». La première version du diagramme était très claire, mais dans un design assez austère. ChatGPT proposait ensuite de créer un design plus moderne dans de nouvelles couleurs. D’autres versions ont été créées avant d’arriver au résultat final après 4 essais.
conrath 
soucail 
arnisaqorolli