L'intelligence artificielle peut-elle rendre les analystes humains obsolètes ? C'est la question qui préoccupe tout le monde alors que les modèles d'IA révolutionnent complètement la recherche d'investissement. Byron Wien, un stratège de marché qui a défini les années 1990, pense que la meilleure recherche provient d'idées audacieuses et non consensuelles qui s'avèrent correctes.
Maintenant, la pression est sur l'IA pour atteindre cette norme et potentiellement mettre de côté les analystes qui dominent le domaine depuis des décennies. Pendant des années, les analystes ont disséqué les états financiers et examiné les gros titres, tout cela pour aider les investisseurs à prendre de meilleures décisions.
L'IA a pénétré cet espace avec des outils qui simplifient, automatisent et parfois surpassent les méthodes traditionnelles. Les grands modèles de langage (LLMs) se sont révélés particulièrement efficaces pour analyser les données financières, accomplissant en quelques minutes ce qui pourrait prendre des jours à une équipe d'analystes.
Prédire les bénéfices, par exemple, correspond parfaitement aux forces de l'IA. Les modèles de bénéfices tendent à suivre des tendances logiques - de bonnes années mènent à d'autres bonnes années ; de mauvaises années mènent à plus de mauvaises années. L'IA prospère dans ces espaces prévisibles, surpassant les analystes humains qui laissent parfois le bruit ou les biais obscurcir leur jugement.
Les LLMs réécrivant le livre de règles de l'analyse d'investissement.
Le travail de l'Université de Chicago avec les LLMs a attiré l'attention. Les chercheurs ont utilisé l'IA pour prédire la variance des bénéfices et ont découvert que ces modèles surpassaient les estimations médianes des analystes humains. Le secret ? Les LLMs excellent dans la compréhension de l'histoire derrière les rapports de bénéfices, quelque chose que les algorithmes traditionnels n'ont jamais réussi à faire.
Ces modèles imitent les étapes logiques des analystes seniors, comme des juniors disciplinés au sein d'une équipe financière. Les modèles d'IA évitent également l'un des plus grands pièges humains : la surconfiance. Les analystes sont notoires pour ajuster leurs projections afin de correspondre à ce qu'ils pensent que les investisseurs veulent entendre. L'IA ne joue pas à ce jeu.
En ajustant les paramètres de « température » d'un modèle d'IA - un terme sophistiqué pour la randomité - vous pouvez calculer les bandes de risque et de rendement avec des statistiques froides et dures. Vous pouvez même obtenir une estimation de confiance pour ses prédictions. Les humains, en comparaison, ont tendance à devenir arrogants avec leurs prévisions, insistant sur de mauvaises décisions au lieu de réévaluer.
Malgré ces succès, l'IA est loin d'être parfaite. Elle ne trouvera pas la prochaine Nvidia ni ne prévoira une autre crise financière mondiale. De grands chocs sur le marché comme ceux-ci ne suivent pas de schémas, et l'IA a du mal lorsque l'inattendu se produit.
Il ne peut pas non plus interroger les dirigeants d'entreprise lors des appels sur les bénéfices ni repérer des réponses évasives sur des questions critiques. Les marchés sont désordonnés et en constante évolution, et l'IA manque de l'intuition nécessaire pour s'adapter. C'est là que les meilleurs analystes brillent encore - ils savent quand pivoter, approfondir et pousser pour obtenir des réponses.
Mais le battage médiatique autour de l'IA restera probablement fort pendant longtemps. Les géants de la technologie sont obsédés. Microsoft parie gros - 80 milliards de dollars - sur l'IA et l'infrastructure dont elle a besoin. Pour l'exercice fiscal 2025, le géant technologique prévoit de dépenser plus de la moitié de cela aux États-Unis pour des centres de données afin de former et de déployer des modèles d'IA.
Pourquoi cette dépense ? L'IA exige une puissance de calcul incroyable. Former des modèles comme ChatGPT signifie relier des milliers de puces dans d'énormes clusters de centres de données.
Les dollars publicitaires pourraient alimenter le prochain boom technologique.
L'IA pourrait suivre le même chemin que les révolutions technologiques passées : alimentée par l'argent de la publicité. Vous vous souvenez comment Google et Facebook ont pris le pouvoir ? Ils ont tiré parti des budgets de construction de marque, prenant des dollars de tout le monde - de Tide à votre plombier local.
Même les entreprises fortement basées sur l'abonnement comme Netflix et Amazon s'appuient maintenant sur la publicité. Alphabet, la société mère de Google, est un exemple clé de la portée de ce modèle. Depuis son introduction en bourse en 2004, les revenus d'Alphabet ont explosé de 160 fois, atteignant plus de 300 milliards de dollars en 2023.
L'IA a le potentiel de remodeler les industries, tout comme la radio, la télévision et Internet l'ont fait auparavant. À l'époque, les journaux dépendaient des publicités pour deux tiers de leurs revenus.
La radio et la télévision ont prospéré grâce aux publicités, les rendant gratuites pour le public. L'IA pourrait bientôt devenir la prochaine grande plateforme publicitaire, attirant des dollars pour financer des développements révolutionnaires.
L'IA peut générer des idées - certaines brillantes, d'autres absurdes. Elle peut exécuter des scénarios sans fin, tirant des informations de l'histoire que même une armée de chercheurs pourrait manquer. Mais elle ne peut pas vous donner cette « étincelle de génie ». Les analystes apportent quelque chose que l'IA ne peut pas reproduire : la capacité de questionner, de s'adapter et de voir le tableau d'ensemble en temps réel.
Cette touche humaine reste inestimable dans un monde où les recommandations non consensuelles - celles qu'aucune machine n'aurait pensé à faire - s'avèrent souvent les plus rentables. Le véritable enseignement ? L'IA et les analystes ne sont pas ennemis. Ils sont des outils l'un pour l'autre.
Un système étape par étape pour lancer votre carrière Web3 et décrocher des emplois en crypto bien rémunérés en 90 jours.