Comment les banques françaises utilisent l'IA pour aider les vendeurs et les régulateurs

Le machine learning et l'IA sont des sujets de discussion dans de nombreux secteurs. La finance ne fait bien sûr pas exception. Comme d’autres industries, nous essayons de comprendre leur impact potentiel sur nous et, à ce titre, ces sujets sont des points de discussion réguliers lors de nombreuses conférences de l’industrie.

Lors d'une récente conférence à Paris sur la microstructure des marchés, un panel a cherché à comprendre l'impact du machine learning et de l'IA sur la structure du marché. Les intervenants étaient issus de différents secteurs de l'industrie financière : Laurent Carlier (BNP Paribas), Laurent Fournier (Euronext) et Franck Railton (AMF). La discussion était animée par Charles-Albert Lehalle de CFM, un important fonds quantique basé à Paris.

Laurent Carlier a noté qu'historiquement, les quants étaient concentrés dans des domaines liés au trading, allant du pricing de dérivés jusqu'au risk management et, plus récemment, au trading électronique. Cependant, il y a eu un domaine où ils se sont fait remarquer par leur absence, à savoir les ventes. C'est pourquoi BNP Paribas a créé il y a deux ans un data lab utilisant le machine learning et l'IA pour modifier le fonctionnement des ventes.

Laurent Carlier a déclaré que 90% des activités de son groupe étaient axées sur le machine learning "appliqué", c'est-à-dire des projets sponsorisés par l'entreprise. L'idée était de changer la façon dont les vendeurs géraient leurs relations clients. Une partie consiste à les rendre plus efficaces, et une autre partie à faire du prédictif en essayant de comprendre quel type d’information peut être utile à un client. Un vrai challenge quand on sait que les clients se comportent de manière très différente les uns des autres.

Cependant, il s'agit là d'un processus étape par étape pour créer un climat de confiance. Laurent Carlier note que dans les domaines où le machine learning a connu un grand succès, tels que la vision par ordinateur, la vérité sur le terrain était connue. Un humain peut facilement juger si un algorithme informatique a correctement identifié un objet dans une image. Toute l'information est là.

Dans la finance, par contre, les informations sont incomplètes. Laurent Carlier a rappelé à quel point une approche complexe s'avérait ardue, tant il était difficile d'expliquer les résultats lorsqu'un algorithme comportait trop d'entrées. Il y a bien quelques exceptions : la performance de certaines techniques de «boîte noire», telles que les réseaux neuronaux, a ainsi le mérite d'être plus facilement explicable. Dans la pratique, l'utilisation d'une approche plus simple, facilement explicable aux clients, s’est révélée meilleure au début.

Travaillant dans un organisme de réglementation, Franck Railton a un point de vue différent sur la façon dont le machine learning et l’IA peuvent être utilisés pour examiner un ensemble de données. Il souligne que depuis le début de l'année, l'AMF a un accès à un ensemble de données beaucoup plus fourni en transactions qui comprend désormais également les bénéficiaires finaux d'une transaction.

Avec des données plus granulaires, il serait possible de détecter les abus de marché plus rapidement. Franck Railton a également indiqué comment le regroupement (clustering) pourrait être utilisé pour détecter les valeurs aberrantes et les erreurs de déclaration. Le clustering a également été utilisé pour regrouper les sociétés membres afin que leur comportement puisse être comparé à celui de leurs pairs.

Laurent Fournier de chez Euronext a expliqué comment l'apprentissage automatique et l'IA pouvaient être utilisés pour faciliter les échanges dans de nombreux domaines. Pour un organisme boursier, l'objectif est de pouvoir expliquer le mouvement des prix. Qui plus est, l’un des principaux objectifs d’une Bourse consiste à trouver des moyens d’améliorer la liquidité de ses participants et d’accroître ses parts de marché.

Saeed Amen est un trader devises systématique, qui depuis 2013 gère pour compte propre un trading book G10FX. Il a développé des stratégies de trading systématique au sein de grandes banques d'investissement telles que Lehman Brothers et Nomura, et dirige Cuemacro, une société de conseil et de recherche spécialisée dans le trading systématique.

Vous avez un scoop, une anecdote, un conseil ou un commentaire que vous aimeriez partager ? Contact : tiochem@efinancialcareers.com