L’IA pourrait-elle provoquer la prochaine crise financière ?

La question peut sembler provocatrice, mais elle est aujourd’hui prise très au sérieux. Gary Gensler, président de la Securities and Exchange Commission (SEC) américaine, a récemment évoqué l’idée que l’intelligence artificielle pourrait bien être à l’origine de la prochaine crise financière. En novembre 2024, lors d’une masterclass en direct, Thierry Foucault, professeur de finance à HEC Paris, a présenté les risques croissants liés à l’usage de la data, des algorithmes et des techniques d’IA dans les marchés financiers. Sélection d’extraits de la masterclass.

Quels liens entre IA et marchés financiers ?

Avant de s’interroger sur le rôle de l’IA dans une potentielle crise financière, il faut comprendre pourquoi cette technologie joue aujourd’hui un rôle clé dans la finance.

L’intelligence artificielle peut être définie comme une technologie permettant d’extraire de l’information à partir de très grandes masses de données, pour ensuite les transformer en prévisions et décisions. Dans les marchés financiers, cela signifie anticiper les rendements boursiers, les bénéfices d’entreprises, ou encore la probabilité de défaut de crédit.

Pourquoi est-ce important pour la finance ?

On compare souvent les données à du pétrole brut : l’IA, elle, serait la raffinerie. Grâce à des algorithmes puissants (notamment le machine learning), l’IA transforme la donnée en valeur exploitable pour orienter les décisions.

Or, produire de l’information est l’une des fonctions essentielles du secteur financier. Un analyste financier, par exemple, émet des prévisions sur les bénéfices futurs des entreprises ou sur l’évolution de leurs cours en Bourse. Une agence de notation de crédit doit évaluer le risque de défaut d’un emprunteur. Une banque, lorsqu’elle accorde un prêt, doit estimer ce risque également. Dans tous ces cas, il s’agit d’un problème de prévision.

Il n’est donc pas surprenant que l’intelligence artificielle transforme profondément ces métiers — et plus largement l’ensemble de l’industrie.

Comment l’IA bouleverse-t-elle la gestion d’actifs ?

L’IA révolutionne la gestion d’actifs, remettant en cause les approches traditionnelles fondées sur le jugement humain. Les "quants" — des data scientists spécialisés dans la conception de modèles prédictifs — prennent désormais le pas sur les gérants de fonds classiques.

Un exemple frappant de cette mutation est l’usage des données alternatives : images satellites de parkings pour anticiper la performance d’un distributeur, posts sur les réseaux sociaux pour capter le sentiment du marché, etc. Ces sources de données, vendues aux gestionnaires d’actifs, permettent d’identifier plus vite et plus finement des signaux faibles.

Résultat : les gérants d’actifs traditionnels sont désavantagés, tandis que ceux qui intègrent ces technologies bénéficient d’un avantage compétitif considérable.

Quelles compétences pour la finance de demain ?

Cette transition s’accompagne d’un enjeu majeur : l’adaptation des compétences. Les profils traditionnels sont challengés, tandis que les entreprises cherchent à recruter des talents dotés de compétences avancées en science des données et en IA.

La montée en puissance de ces technologies oblige l’ensemble du secteur à repenser la formation continue, la montée en compétences, et l’organisation du travail. Se transformer n’est plus une option, mais une nécessité.

Quels risques l’IA fait-elle peser sur la stabilité des marchés ?

Le recours à des systèmes d’IA dans le trading n’est pas sans danger, notamment pour la stabilité des marchés. Les modèles dits "boîtes noires" — qui apprennent de manière autonome et deviennent opaques — posent un problème fondamental : on ne comprend plus comment les décisions sont prises.

Ce manque de transparence peut engendrer des comportements imprévisibles et déstabilisants, à l’image des "flash crashes", où les algorithmes provoquent une volatilité extrême en quelques secondes.

Plus troublant encore, des expériences montrent que des algorithmes peuvent converger vers des stratégies assimilables à des ententes de prix, sans qu’aucune collusion humaine n’ait été programmée. Ces phénomènes émergents posent de redoutables questions éthiques et réglementaires.

L’interconnexion algorithmique : un facteur de fragilité

Autre sujet d’inquiétude : la fragilité systémique induite par l’interconnexion des systèmes de trading algorithmiques. Un dysfonctionnement local peut rapidement avoir un effet domino à l’échelle mondiale.

Face à ces menaces, régulateurs et acteurs de marché doivent redoubler de vigilance, en mettant en place une supervision adaptée, une transparence renforcée et une régulation capable d’évoluer aussi vite que les technologies qu’elle encadre.

Pourquoi l’IA est-elle performante à court terme, mais limitée à long terme ?

L’IA excelle dans les prédictions à court terme. Sa capacité à traiter, en temps réel, des volumes massifs de données — prix, volumes, signaux sociaux, images satellites, etc. — lui permet de détecter des tendances invisibles à l’œil humain.

Mais ces atouts deviennent des limites pour les prévisions de long terme. Comprendre les transformations structurelles de l’économie, anticiper les ruptures géopolitiques ou sociales : autant de dimensions complexes, floues, et difficilement modélisables.

Les modèles d’IA, conçus pour reconnaître des motifs dans des données historiques, peinent à extrapoler ou à anticiper l’inconnu.

Les dangers cachés du court-termisme algorithmique

Le recours intensif à l’IA pour maximiser les rendements de court terme pourrait renforcer une logique court-termiste risquée. En favorisant la recherche de gains immédiats, les marchés risquent de négliger la création de valeur durable.

Les fluctuations pourraient ainsi être amplifiées, les effets de mode exacerbés, et les investissements de long terme dévalorisés.

Face à ce risque, il est essentiel que les entreprises et les régulateurs trouvent un équilibre, garantissant que l’efficience immédiate ne se fasse pas au détriment de la stabilité globale ni de la capacité à financer les projets porteurs de valeur future.

Une traduction assistée par LLM