L'IA utilise souvent des données récentes. Cela peut-il introduire un biais en gestion ?

Il peut y avoir un biais historique avec, d’un côté, des données sur l’inflation qui remontent sur 100 ans et, de l’autre, des données sur le trafic des réseaux sociaux qui ont une antériorité d’une dizaine d’années tout au plus. Pour cette raison, nous investissons sur des stratégies plus tactiques. Depuis la crise du Covid-19, nous avons la volonté d’accélérer nos recherches à ce sujet dans le but de reposer moins sur des jeux de données de dix ou quinze ans que sur des jeux de données très récents, afin d’en tirer des stratégies plus dynamiques. Un exemple au sein de la gestion systématique de BlackRock est le Thematic Robot, qui permet à la machine de proposer un certain nombre de transactions en fonction d’un thème émergent sur les marchés. En général, les grands modèles de langage vont vous donner une sélection de titres à acheter ou vendre sur une thématique en particulier, avec des indicateurs de succès honorables (50 % environ) mais pas suffisants pour générer de la performance. Il faut donc corriger les biais de l’IA pour éviter une dépendance aux données historiques et trouver des sociétés plus adéquates correspondant à la thématique. Un travail de vérification est nécessaire sur les données utilisées par les IA, mais aussi un travail de compréhension de leurs résultats en les faisant dialoguer entre elles et en vérifiant factuellement ces résultats avec les jeux de données.