L’intelligence artificielle a progressé rapidement ces dernières années, suscitant des attentes dans le secteur de l’investissement en termes de good points significatifs en termes d’efficacité de la recherche, de reporting et de gestion des risques. Pourtant, les nouvelles recherches universitaires et industrielles offrent une imaginative and prescient plus sobre de cette technologie en évolution rapide.
Des découvertes récentes soulignent des lacunes persistantes en matière de fiabilité, le besoin continu de jugement et de surveillance humains, ainsi que les limites de la création de valeur à court docket terme, suggérant que l’influence de l’IA pourrait être plus mesuré que ne le laissait entendre l’enthousiasme preliminary. Pour les investisseurs, le message est clair : l’IA reste une puissante opportunité à lengthy terme, mais celle-ci sera mieux exploitée grâce à une adoption disciplinée et fondée sur des données probantes plutôt qu’à une exubérance précoce.
Cet article est le troisième volet d’une réflexion trimestrielle sur les derniers développements de l’IA pour les professionnels de la gestion d’investissement. S’appuyant sur les idées de spécialistes de l’investissement, d’universitaires et de régulateurs contribuant au bulletin d’info bimensuel Augmented Intelligence in Funding Administration, il s’appuie sur des articles antérieurs qui exploraient les promesses, les pièges et les strategies de gestion des risques de l’IA. Cet épisode s’oriente vers une compréhension plus pragmatique de son potentiel.
Un examen attentif des articles récents révèle trois thèmes communs qui peuvent tempérer l’optimisme de l’industrie.
1. Le défi de la fiabilité
Malgré des avancées impressionnantes, la fiabilité de l’IA reste le principal impediment au déploiement dans des environnements financiers à enjeux élevés. Une analyse récente de NewsGuard (2025) documente une forte augmentation des déclarations fausses ou trompeuses de la half des principaux chatbots IA, avec des taux d’erreur passant d’environ 10 % à près de 60 %.
Cette growth des « hallucinations » n’est pas simplement une anomalie statistique : une étude interne d’OpenAI (2025) révèle que les hallucinations sont souvent une caractéristique structurelle de la formation des modèles, automotive les références actuelles récompensent les réponses confiantes plutôt que l’incertitude calibrée, encourageant les déclarations plausibles mais incorrectes.
Les préoccupations s’étendent également à l’alignement éthique. Dans une simulation de prise de décision financière inspirée par les échecs de gouvernance de la bourse de cryptomonnaie et du fonds spéculatif FTX, Biancotti et al. (2025) montrent que plusieurs modèles leaders ont une forte probabilité de recommander des actions éthiquement ou juridiquement douteuses lorsqu’ils sont confrontés à des compromis entre achieve personnel et conformité réglementaire. Pour les professionnels de l’investissement, dont le travail dépend de la précision, de la transparence et de la responsabilité, ces études soulignent collectivement que l’IA n’est pas encore suffisamment fiable pour fonctionner de manière autonome dans de nombreux flux financiers réglementés.
2. Prime au jugement humain
Un deuxième thème de la recherche est que l’IA semble augmenter plutôt que remplacer l’experience humaine et pourrait même accroître l’significance d’une surveillance humaine de haute qualité.
Des recherches en neurosciences du MIT (Kosmyna et al., 2025) révèlent que les individuals interagissant avec les LLM présentent une activité cérébrale réduite dans les régions associées à la récupération de la mémoire, à la créativité et au raisonnement exécutif. Bien que l’IA puisse accélérer les analyses initiales, une forte dépendance à l’égard de ces systèmes peut émousser les capacités cognitives qui sous-tendent un solide jugement d’investissement.
L’adoption de l’IA ne diminue pas non plus le besoin de présence humaine dans les contextes en contact avec les purchasers. Yang et coll. (2025) montrent que les purchasers perçoivent les conseils en investissement générés par l’IA comme étant nettement plus fiables lorsqu’ils sont accompagnés par un conseiller humain, même lorsque l’humain n’ajoute aucune valeur analytique. De même, Le et al. (2025) constatent que la satisfaction des purchasers s’améliore lorsque la collaboration homme-IA est explicite plutôt que dissimulée.
L’automatisation reste également limitée. Dans l’analyse comparative des tâches à grande échelle, Xu et al. (2025) observent que les brokers d’IA avancés n’effectuent de manière autonome qu’environ 30 % des tâches complexes en plusieurs étapes. Une étude distincte de Tomlinson (2025), analysant plus de 200 000 interactions Copilot, montre que dans environ 40 % des cas, les actions du modèle s’écartent de manière significative de l’intention de l’utilisateur.
Pris ensemble, ces résultats suggèrent que les sociétés d’investissement devraient considérer l’IA comme un outil permettant d’améliorer les humains plutôt que de les remplacer, avec un besoin continu de vérifier la qualité des résultats générés par les machines. Cette surveillance proceed et structurée réduit la valeur ajoutée par la machine et augmente la complexité et les coûts, notamment parce que les résultats de l’IA semblent souvent plausibles même s’ils sont incorrects. La littérature souligne également l’significance des politiques organisationnelles pour prévenir la décompétence cognitive.
3. Contraintes structurelles et économiques
Enfin, les contraintes macroéconomiques tempèrent également les attentes. Acemoglu (2024) suggère que même dans des hypothèses optimistes, les good points de productivité globaux issus de l’IA au cours de la prochaine décennie seront probablement modestes. Une grande partie des premières preuves proviennent de tâches « faciles à apprendre », tandis que les tâches plus difficiles et dépendantes du contexte montrent une portée plus limitée pour l’automatisation.
La réglementation ajoute encore des frictions. Foucault et coll. (2025) et Prenio (2025) notent que l’adoption de l’IA dans l’intermédiation financière introduit de nouveaux risques de focus, de dépendances en matière d’infrastructures et de défis en matière de surveillance, ce qui incite les régulateurs à agir avec prudence. Cela augmente les coûts de conformité et peut ralentir l’adoption à l’échelle du secteur. Ces facteurs structurels indiquent que l’influence de l’IA pourrait être plus progressif et moins perturbateur qu’on ne le pense généralement.
Surveillance des progrès de l’IA
La promesse de l’IA est réelle, mais son influence dépendra de la manière dont l’industrie l’intégrera de manière réfléchie et responsable. Elle jouera un rôle central dans l’avenir de l’industrie, mais sa trajectoire sera probablement plus complexe et dépendra d’une gestion humaine efficace que ne le laissaient penser les premières attentes.
Références
Acemoglu, D. La macroéconomie easy de l’IA, Bureau nationwide de recherche économique, doc de travail 32487, mai 2024
Biancotti et al., Chat Bankman-Fried : une exploration de l’alignement LLM en finance, arXiv, 2024
Foucault, T, L Gambacorta, W Jiang et X Vives (2025), Barcelone 7 : L’intelligence artificielle en finance, CEPR Press, Paris et Londres.
Kosmyna, et coll. Votre cerveau sur ChatGPT : Accumulation de dette cognitive lors de l’utilisation d’un assistant IA pour une tâche de rédaction d’essais, MIT Media Lab, juin 2025
Le et al., L’avenir du travail : Comprendre l’efficacité de la collaboration entre les employés humains et numériques dans le service, Journal of Serivce Analysis, vol. 28(I) 186-205, 2025
NewsGuard et les chatbots propagent des mensonges 35 % du temps, septembre 2025
Prenio, J., Commencer par les bases : bilan des functions de la génération IA en supervision, BRI, juin 2025
Tomlinson et al., Travailler avec l’IA : mesurer l’applicabilité de l’IA générative aux professions, Microsoft Analysis, 2025
Xu et al, TheAgentCompany : analyse comparative des brokers LLM sur des tâches conséquentes du monde réel, ArXiv, décembre 2024
Yang et al., Mon conseiller, son IA et moi : preuves d’une expérience sur le terrain sur la collaboration homme-IA et les décisions d’investissement, ArXiv, juin 2025
