Mieux vous interagissez avec l’IA générative et apprenez de ses réponses, mieux vous interprétez le marché boursier

L’intelligence artificielle générative est souvent présentée comme un outil capable de répondre à presque toutes les questions. Sur les marchés financiers, la véritable question n’est toutefois pas seulement ce que l’IA peut répondre, mais plutôt la manière dont les investisseurs apprennent à lui poser les bonnes questions.

Dans notre étude, How Stock Market Participants Use Generative Artificial Intelligence: Evidence from User-Platform Interaction Data, coécrite avec Frank Ecker (Frankfurt School of Finance & Management) et Fan Wu (The Chinese University of Hong Kong), nous avons analysé plus de 1,7 million de requêtes liées aux marchés boursiers, soumises à l’une des principales plateformes chinoises d’IA générative. Ces données révèlent comment les investisseurs particuliers utilisent ces outils pour analyser les entreprises cotées, interpréter les informations financières et alimenter leurs décisions d’investissement.

Nos résultats montrent une évolution progressive des usages. De nombreux utilisateurs commencent par poser des questions générales sur les conditions de marché, les perspectives d’une entreprise ou les actions à surveiller. Avec le temps, leurs requêtes deviennent plus précises et portent davantage sur la recherche d’informations, les comparaisons entre entreprises, l’analyse des causes et des conséquences d’un événement ou encore l’interprétation des états financiers. L’IA générative ne se contente donc pas de fournir des réponses : elle semble également influencer la manière dont les investisseurs formulent leurs questions suivantes.

Les investisseurs particuliers font face à une difficulté bien connue : l’information est abondante et souvent complexe à interpréter. Rapports annuels, publications de résultats, prévisions de la direction, notes d’analystes, articles de presse ou discussions en ligne contiennent tous des informations potentiellement utiles. Mais identifier les éléments réellement pertinents et comprendre leur portée représente un coût important, notamment pour les investisseurs disposant de peu de temps ou de connaissances financières limitées.

C’est précisément là que l’IA générative semble jouer un rôle important. Dans notre échantillon, les utilisateurs ne l’emploient pas simplement comme un moteur de recherche ou un outil de synthèse. Ils lui demandent avant tout d’interpréter l’information. Les thèmes les plus fréquents concernent les perspectives de l’entreprise, ses activités opérationnelles, ses performances financières, ses produits et technologies, l’évolution de son cours de Bourse ainsi que son environnement concurrentiel.

Les tâches confiées à l’IA générative sont tout aussi révélatrices. L’intégration d’informations apparaît dans 77,6 % des requêtes, la recherche d’informations dans 44,5 % et la veille informationnelle dans 38,8 %. Une même requête pouvant relever de plusieurs catégories, ces pourcentages ne sont pas exclusifs. Les investisseurs demandent fréquemment à l’IA d’expliquer les causes d’un événement, d’en évaluer les conséquences, de comparer plusieurs entreprises ou d’analyser leurs états financiers. Autrement dit, ils sollicitent principalement des capacités d’interprétation, qui nécessitent de relier des faits, leur contexte et un jugement.

À l’inverse, certaines fonctionnalités pourtant très attendues restent peu utilisées. Les demandes de synthèse ne représentent que 3,3 % des requêtes, alors même que résumer des documents financiers longs et complexes constitue l’un des usages les plus évidents de l’IA générative. Cela suggère que de nombreux investisseurs expérimentent encore cette technologie, ne maîtrisent pas pleinement les techniques de formulation des requêtes (« prompts ») ou accordent encore une confiance limitée aux résumés produits par l’IA. 

Notre deuxième enseignement est que tous les utilisateurs ne tirent pas les mêmes bénéfices de l’IA générative.

Les utilisateurs les plus actifs, ainsi que ceux qui mobilisent régulièrement des indicateurs financiers, posent davantage de questions analytiques. Ils utilisent plus fréquemment l’IA pour analyser les états financiers, rechercher des informations, comprendre les causes et les impacts d’événements ou comparer des entreprises. À l’inverse, les utilisateurs moins engagés restent davantage au stade de la découverte, en formulant des questions plus générales et moins structurées sur les entreprises ou les marchés.

Ce constat nuance l’idée selon laquelle l’IA générative démocratiserait automatiquement l’analyse financière. Certes, elle réduit les coûts liés au traitement de l’information, mais elle ne supprime pas les différences de capacité entre utilisateurs lorsqu’il s’agit de poser les bonnes questions, d’évaluer les réponses obtenues ou de les intégrer à une décision d’investissement.

L’histoire ne s’arrête cependant pas là. Nos analyses montrent également des signes d’apprentissage progressif. Lorsque les premières réponses fournies par l’IA sont plus précises ou mobilisent des indicateurs financiers, les requêtes formulées ultérieurement deviennent elles aussi plus spécifiques et intègrent davantage de données financières. Par exemple, lorsque les premières réponses évoquent le ROE, la solvabilité ou les créances clients, ces mêmes indicateurs réapparaissent plus fréquemment dans les questions suivantes.

« L’IA ne fait pas disparaître les différences de compétences entre utilisateurs. En revanche, parce que l’interaction est itérative, elle peut les aider à apprendre quelles informations rechercher et comment les demander. » Xitong Li

Nos données ne permettent pas d’affirmer que les utilisateurs deviennent de meilleurs investisseurs ou que l’IA améliore leurs performances boursières. En revanche, elles montrent clairement que les premières interactions influencent les demandes formulées par la suite. L’IA générative pourrait ainsi jouer un rôle de véritable interface d’apprentissage, en orientant progressivement les utilisateurs vers le vocabulaire et les méthodes de l’analyse financière.

Notre troisième enseignement concerne le rôle de l’IA générative dans la contextualisation de l’information.

Les communications financières et les articles de presse indiquent généralement ce qui s’est produit. L’IA est ensuite mobilisée pour comprendre ce que cela signifie réellement. Les utilisateurs s’interrogent sur les causes, les conséquences, les perspectives de l’entreprise, ses activités, ses technologies, sa concurrence ou encore ses performances financières. Ils ne cherchent donc pas uniquement des faits : ils cherchent à leur donner du sens.

Ce rôle apparaît particulièrement visible lors des publications d’informations importantes par les entreprises. Le volume de requêtes augmente à ces moments-là, mais suit généralement la même dynamique que la couverture médiatique. Cela montre que les canaux d’information traditionnels demeurent essentiels : les investisseurs découvrent souvent un événement par la presse ou d’autres intermédiaires avant de se tourner vers l’IA générative pour en comprendre les implications.

Nous observons également que l’association positive entre des prévisions optimistes de la direction et les requêtes portant sur une entreprise est moins forte lorsque ces prévisions sont plus détaillées ou couvrent davantage de sujets. Ce résultat est compatible avec un effet de substitution : lorsque les entreprises fournissent elles-mêmes davantage de contexte, les investisseurs ressentent moins le besoin de solliciter une explication complémentaire auprès de l’IA.

Dans un environnement où l’information financière est de plus en plus interprétée par des systèmes d’IA, les entreprises doivent donc réfléchir à la manière dont leurs publications fournissent suffisamment de contexte, tant pour les lecteurs humains que pour les outils d’intelligence artificielle.

Un lien prudent avec l’activité des marchés

Le lien entre l’utilisation de l’IA générative et l’activité des marchés doit être interprété avec prudence. Notre étude ne montre pas que l’IA provoque des mouvements de cours. En revanche, nous observons qu’une activité plus intense sur les plateformes d’IA est associée à des écarts acheteur-vendeur plus importants, à des volumes d’échanges anormalement élevés et à des indicateurs plus marqués de transactions informées.

Par ailleurs, le sentiment exprimé dans les réponses générées par l’IA est positivement corrélé aux rendements anormaux observés le jour même, notamment lorsque les utilisateurs réagissent favorablement aux réponses obtenues.

Ces résultats suggèrent que l’IA générative devient progressivement un élément à part entière de l’environnement informationnel des marchés financiers. Lorsque les investisseurs utilisent ces outils pour interpréter les informations sur les entreprises, comparer différents signaux ou orienter leurs recherches, ces interactions participent elles-mêmes à la circulation de l’information sur les marchés.

Se préparer à l’investissement assisté par l’IA

Ces résultats soulèvent plusieurs défis pour les entreprises, les plateformes technologiques et les régulateurs.

Pour les entreprises, la qualité de la communication financière ne se limite plus à publier rapidement des données. Les investisseurs attendent également des explications : ce qui a changé, pourquoi ces changements sont intervenus et quelles en sont les implications pour les perspectives, les opérations et la position concurrentielle de l’entreprise. Des publications plus claires, mieux contextualisées et plus cohérentes pourraient réduire le besoin de recourir à l’IA générative pour interpréter ces informations.

Pour les plateformes d’IA, notre étude met en évidence un enseignement concret : fournir davantage d’informations n’est pas toujours préférable. Les utilisateurs poursuivent moins volontiers leurs échanges lorsque les réponses sont trop longues ou trop chargées en références. Les plateformes gagneraient donc à privilégier des réponses concises, des synthèses claires et des suggestions de questions complémentaires permettant de guider progressivement les utilisateurs vers une analyse plus approfondie.

« Si les investisseurs accèdent de plus en plus aux informations financières par l’intermédiaire de systèmes d’IA, alors la conception des publications d’entreprise et celle des plateformes d’IA deviennent étroitement liées. Les entreprises doivent produire des informations facilement contextualisables par l’IA, tandis que les plateformes doivent reconnaître que les utilisateurs privilégient des réponses concises, utiles et faciles à exploiter. » Xitong Li

Pour les autorités de régulation, la question dépasse le simple accès aux outils d’IA. L’enjeu est désormais de savoir si les investisseurs particuliers sont capables d’évaluer la qualité des réponses générées. Si l’IA peut améliorer le traitement de l’information, elle peut aussi accentuer les écarts entre investisseurs expérimentés et moins expérimentés. À cela s’ajoutent les risques bien connus d’hallucinations, d’erreurs factuelles, de biais de présentation ou d’une confiance excessive accordée à des réponses formulées avec assurance.

Enfin, pour les investisseurs eux-mêmes, le message est clair. L’IA générative constitue un outil précieux pour organiser l’information, approfondir une analyse ou interpréter des événements complexes. Mais elle ne doit jamais remplacer le jugement humain. Sa véritable valeur réside probablement moins dans les réponses qu’elle fournit que dans sa capacité à aider les investisseurs à poser de meilleures questions.

Traduction assistée par LLM.