«La convergence entre intelligence artificielle et robo-advisor en est à son commencement»

182
0
Share:

Interview de Serge Kassibrakis, Head of Quantitative Asset management, Membre du senior management, Swissquote

Par Elsa Floret – Photos : Karine Bauzin

C’est principalement dans le domaine du profil de risque que les récents progrès de l’Intelligence artificielle ont permis la montée en puissance des robots, gestionnaires automatiques de portefeuilles. Selon Serge Kassibrakis, qui dirige le Quantitative Asset Management chez Swissquote, le potentiel de développement est énorme. Pour lui, il est évident que les gérants indépendants vont pouvoir disposer à terme d’assistants de gestion très performants.

Il existe plusieurs systèmes d’intelligence artificielle et de machine learning. Pourriez-vous nous expliquer l’état de la recherche dans ces deux disciplines?
Serge Kassibrakis: Aujourd’hui, la distinction entre intelligence artificielle et machine learning n’a plus lieu d’être. Ces deux termes sont synonymes et je les utilise indifféremment pour parler de la discipline de l’apprentissage en général. Il est néanmoins plus vendeur de parler d’un projet basé sur l’intelligence artificielle… En effet, le mot Intelligence fait à la fois rêver, fantasmer ou s’inquiéter.
Dans la wealthtech, nous avons le même problème. Le terme robo advisor, qui désigne un gestionnaire automatique de portefeuille, a longtemps véhiculé les mêmes craintes chez les asset managers. C’est un peu moins vrai aujourd’hui en particulier grâce au travail pédagogique mené par l’industrie – dont Swissquote – grâce aux offres de formation axées sur la finance digitale – dont celles de l’ISFB. Un robot ne fait pas tout, tout seul. Il a fallu le programmer, faire des choix. Des paramètres ont dû être ajustés, par un professionnel.
Le plus cocasse, c’est que souvent ces termes sont confondus: de nombreuses personnes pensent que l’IA est omniprésente dans les robo advisors. Si elle commence à l’être dans certains robots, elle fût longtemps totalement absente des algorithmes mises en œuvre pour les robo advisors initiaux. En effet, le principe général des algorithmes, qui gouvernent les robots, est connu depuis 1950 et les travaux de Harry Markowitz, récompensé plus tard par le prix Nobel. Certes, ces algorithmes ont évolué, ils sont devenus plus robustes, plus rapides, mais le principe de base est resté le même.

La wealthtech est-elle une chance pour l’industrie financière?
Je le pense sincèrement. Certains exemples de réussites me confortent dans cette voie. Un asset manager peut tout à fait utiliser un robot. Si ce dernier est suffisamment paramétrable pour qu’il puisse automatiser sa gestion, alors le gérant bénéficiera de multiples avantages. Accueillir une clientèle moins fortunée, mais en plus grand nombre, est un des objectifs affichés. Un asset manager pourrait ainsi suivre plusieurs centaines voire milliers de portefeuilles. Il pourrait s’assurer que, par construction, le risque du portefeuille soit toujours compatible avec l’aversion au risque du client et ce, quasiment en temps réel.

La wealth technology ne repose-t-elle pas intégralement sur l’Intelligence Artificielle?
Non, il s’agit d’algorithmes classiques de recherche d’optimum, qui répondent à la question suivante : quel doit être le poids dans mon portefeuille pour un niveau de risque donné et pour que le rendement espéré soit le plus grand. Alors bien sûr les choses ont évolué, notamment dans notre manière de définir mathématiquement le risque. La capacité de déterminer l’aversion au risque d’un client est un élément central du processus régulatoire d’un asset manager. En général, cette étape est réalisée via un questionnaire. Mais comment une dizaine de questions peut-elle être assez efficace pour gérer l’incroyable diversité des clients potentiels? L’IA se fait ici une place de plus en plus importante dans les robo advisors.
La start-up Neuroprofiler a relevé le défi avec son questionnaire à 10 questions. Ce que vous ignorez, c’est que la question au rang N dépend de la réponse que vous avez apportée au rang N-1. Résultat, vous répondez à un questionnaire, mais celui-ci fait partie d’un ensemble de 10 millions de questionnaires – celui qui vous est présenté étant celui qui va le mieux permettre de déterminer votre aversion au risque. C’est assez brillant. Après la clientèle retail, Swissquote a proposé cette solution aux asset managers, dès 2017. Ils sont aujourd’hui une dizaine à utiliser le robo SQ en marque blanche.

Avec quel degré de précision, peut-on prévoir quand un client sera acheteur ou vendeur?
Au sujet de la prédiction du déséquilibre entre acheteur ou vendeur, ce que nous appelons l’inbalance, des études ont été menées en collaboration avec le professeur Damien Challet de Centrale Paris et le professeur Semyon Malamud de l’EPFL. En analysant le marché eForex, nous avons montré qu’il était possible de faire ce genre de prédiction, avec un bon degré de confiance. Cet inbalance est très important pour nous, car il constitue un ingrédient fondamental dans toute la théorie qui permet de mesurer le risque de cette activité.

Peut-on prédire la fermeture des comptes?
Nous avons essayé, mais sans succès. Certes, les clients fermant leur compte figuraient sur nos listes issues de nos algorithmes, mais il y avait aussi des faux positifs, qui rendaient l’algorithme non opératoire. Il est fort probable que si nous avions eu accès à beaucoup plus de données, nous aurions été en mesure d’améliorer les performances.

Dans combien d’année, l’IA couplée à la technologie de gestion automatique de portefeuille fournira-t-elle un produit qui ressemblera à un asset manager humain?
S’il y a bien un domaine où même les experts se trompent dans leurs prévisions, c’est celui-là. Rappelez-vous DeepMind de Google dont l’algorithme Alphago avait battu le champion du monde du jeu de GO, alors que tous pensaient cela impossible.
La convergence entre Intelligence Artificielle et robo-advisor en est à son commencement. L’IA se glissant dans les interstices laissés par les algorithmes classiques, il sera possible de l’utiliser pour prévenir un changement d’aversion au risque, ou encore la nécessité d’un contact téléphonique qui rassurera ou fournira une explication au client.
Cependant, l’empathie, l’écoute, un regard, un silence ou un éclat de rire, ne sont pas prêts à court terme d’être générés ou simulés. Dans 10 ans ? Je n’en sais rien. Ce dont je suis sûr c’est que cela va converger, peut être comme une asymptote, mais sans jamais se toucher.

Docteur en physique, ingénieur en aéronautique vous travaillez chez Swissquote depuis 20 ans. Quelles différences observez-vous avec vos étudiants aujourd’hui dans la connaissance sur l’IA?
L’IA était jusqu’à peu enseignée dans des branches différentes : en mathématiques, en robotique, en automatique, en traitement du signal… Aujourd’hui, j’ai le sentiment que cet enseignement se rationalise et devient une discipline à part entière.
Il n’est pas toujours simple pour moi et les professionnels de ma génération de se replonger dans la théorie, face aux jeunes, qui bénéficient d’un enseignement structuré et de haut niveau.

Le robo-advisor de Swissquote date de 2010. C’est l’un des tout premiers qui soient apparus. A quoi ressemblera-t-il dans dix ans?
En effet, il existe depuis 2010, date à laquelle le terme robo advisor n’existait pas encore !
L’idée vient de Marc Burki notre CEO et ingénieur de formation. Au cours d’une réunion où nous lui montrions une solution pour gérer un portefeuille automatiquement, il a tout de suite vu le potentiel d’ouvrir les paramètres aux clients pour leur permettre d’avoir une gestion sur mesure!
Il y aura une convergence, c’est-à-dire que le robot de Swissquote continuera à être paramétrable à outrance, afin d’offrir à ses clients l’expérience la plus personnalisée qui soit. L’IA va permettre d’aider les clients à définir leurs variables. Très vraisemblablement, cela permettra de répondre à un certain nombre de situations. Je vois dès lors deux directions : des robots plus simples avec des portefeuilles prédéterminés pour ceux qui n’ont ni le temps ni les connaissances et un renforcement des synergies entre des robots paramétrables et des professionnels de la finance agissant comme des experts, des copilotes.
Le robo-advisor Swissquote gère 2’500 clients pour des encours atteignant 500 millions de francs. Les asset managers, qui utilisent les robots en marque blanche représentent le quart de cette masse sous gestion. Il y a 4’500 asset managers en Suisse, je pense que pour ce type de robot, il y a là un potentiel important. L’avenir nous le dira.

Serge Kassibrakis dirige le département Quantitative Asset Management de Swissquote. Il est entré dans l’entreprise en 2001, en tant qu’ingénieur de développement avant de prendre en 2009 la direction de ce pôle Quantitative Asset Management. Une dizaine de scientifiques y travaille sur des sujets appliqués, comme le robo advisory ou le recommender system ainsi que sur des sujets de recherche, comme le risque, le comportement des clients, les stratégies quantitatives. Serge est diplômé de l’Institut Supérieur et de l’Espace. Il a obtenu un master en astrophysique à l’Ecole Normale Supérieure de Lyon, puis un doctorat en physique théorique à l’université de Provence. Il intervient par ailleurs à l’ISFB, dans le cadre d’une formation sur la finance digitale, intitulée « Machine Learning & Intelligence Artificielle » qui porte plus particulièrement sur la wealthtech et l’IA appliquée à la finance.

Share: