L'équilibre entre l'innovation et la surveillance est essentiel pour tirer parti des avantages de l'IA générique

L'intelligence artificielle générative (Gen AI) et les grands modèles de langage (LLM), les moteurs qui l'alimentent, ont porté l'intérêt pour l'intelligence artificielle (IA) à un tout autre niveau. Leur capacité à répondre à une demande d'un utilisateur et à générer des réponses semblables à celles d'un être humain a captivé l'imagination de tous les secteurs, y compris les fonds de pension canadiens. Depuis lors, le monde est entré dans un état de flux rapide, essayant de comprendre comment exploiter au mieux cette technologie révolutionnaire tout en étant sensible aux questions potentielles de sécurité des données, de droit et de réglementation qu'elle peut soulever.   

Le Canada est le berceau de l'IA moderne, grâce à Geoff Hinton et Yoshua Bengio, qui ont jeté les bases de leurs recherches sur les réseaux neuronaux et sont souvent appelés les "parrains de l'IA".¹ Ces réseaux ont été conçus pour modéliser la structure et la fonction des neurones biologiques du cerveau humain. À la suite de cette recherche pionnière, l'intérêt pour l'apprentissage profond et les LLM s'est considérablement accru, ce qui a entraîné la transformation rapide actuelle de l'IA.

Aujourd'hui, des organisations du monde entier utilisent l'IA quotidiennement, et nombre d'entre elles, y compris des fonds de pension, commencent à explorer le pouvoir illimité de l'IA générique. Ils cherchent à savoir comment l'IA peut aider à trier de grandes quantités de données pour améliorer les rapports, la collecte d'informations et l'automatisation des processus afin de rendre les journées de travail plus efficaces.²  À l'avenir, l'IA pourrait également permettre d'optimiser les investissements des fonds de pension.

Les grands modèles linguistiques expliqués

Les grands modèles de langage (LLM) constituent une nouvelle forme d'IA, connue sous le nom d'IA générative (Gen AI), en raison de leur capacité à créer (générer) du contenu. Ils sont basés sur des réseaux neuronaux profonds (DNN) et utilisent une architecture neuronale "transformatrice" spécifique qui est la clé de leur capacité à prédire et à générer du contenu. Cela diffère des anciennes formes d'IA qui étaient généralement utilisées pour prévoir une valeur, classer des données ou détecter une anomalie. La capacité d'un LLM à ingérer une question ou une invite générée par un humain et à créer une réponse pertinente basée sur l'intention de la question en fait un outil unique en matière d'IA. C'est précisément cette capacité qui a incité de nombreux chefs d'entreprise, y compris des responsables de fonds de pension, à analyser l'impact potentiel et à s'engager dans le développement stratégique de cette technologie.

Bien que les LLM présentent un potentiel énorme, des inquiétudes sont apparues quant à une dépendance excessive à l'égard de cette technologie.  Aussi capables que soient les LLM, ils ne possèdent pas de capacités humaines telles que le raisonnement général, la planification ou la détermination des causes et des effets. Dans leur forme actuelle, les LLM ne sont pas capables d'une intelligence de niveau humain et manquent d'une véritable compréhension. La supervision humaine reste un élément essentiel de l'utilisation de l'IA générique.

Le pouvoir de l'IA générative dans les services financiers

L'IA a le pouvoir de changer le visage de chaque industrie. D'un point de vue général, il existe trois domaines d'impact potentiels pour les services financiers : l'automatisation, l'accélération et l'augmentation. L'IA peut contribuer à automatiser les processus opérationnels, à accélérer la productivité et l'efficacité et à augmenter la collecte d'informations. Par exemple, un gestionnaire d'actifs pourrait utiliser l'IA pour filtrer les données du marché qui l'aident dans son processus de prise de décision en matière d'investissement. Outre les données de marché, l'IA peut combiner des ensembles de données ésotériques tels que l'analyse des sentiments ou les recherches par mots clés qu'elle a jugées pertinentes. Elle peut déceler des tendances cachées ou des événements de type "cygne noir", offrant ainsi une vision unique de l'horizon d'investissement plus rapidement qu'il n'était possible auparavant. À court terme, l'IA générique soutiendra probablement la recherche et la collecte de données existantes et ne sera pas un moteur de décision.

L'IA a également un potentiel dans le domaine de l'analyse des fonds. Les modèles de risque ex ante traditionnels ou l'attribution des performances pourraient être dépassés par l'IA générique qui suit des voies d'apprentissage continu pour ajuster et optimiser les modèles en fonction du style d'investissement et des événements de marché, rendant les modèles plus pertinents pour la stratégie d'investissement d'un fonds de pension.

Comment les fonds de pension peuvent utiliser l'IA générative

Comme de nombreux investisseurs, les fonds de pension étudient activement les nombreuses applications de l'IA générique. Ils envisagent notamment de l'utiliser pour trier de grandes quantités de données. L'IA générique a la capacité de prendre des ensembles de données disparates et de les organiser en rapports dynamiques. Les fonds de pension peuvent ainsi repenser leurs rapports et les rendre plus personnalisables. Elle peut les aider à passer rapidement au crible les données saisies et les préférences des utilisateurs pour créer des rapports et des résumés sur mesure qui répondent aux besoins individuels. 

Les fonds de pension cherchent également à utiliser l'IA pour l'automatisation des processus, l'administration des régimes et les tâches de back-end. Cela peut rendre les fonds de pension plus efficaces et réduire le besoin de processus manuels et chronophages. L'automatisation des processus internes peut également accélérer l'expérience d'intégration pour les promoteurs de régime et les participants.

De plus, l'IA a le potentiel de soutenir le processus de prise de décision en matière d'investissement, permettant aux investisseurs de passer d'une approche basée sur l'intuition à une approche basée sur les données. Étant donné la capacité de l'IA à comprendre les textes générés par l'homme, le monde des données non structurées, telles que les documents, les courriels et les médias sociaux, devient une nouvelle source d'informations pour le processus d'investissement. Bien qu'il existe déjà des moyens d'optimiser les portefeuilles de pension, la plupart des méthodes s'appuient davantage sur des données historiques et se concentrent sur la comparaison des rendements avec le niveau de risque de l'investissement. L'IA pourrait affiner ce processus. Avec des données basées sur le style et la philosophie d'investissement d'un gestionnaire d'actifs, Gen AI pourrait suggérer des allocations d'actifs superposées aux politiques d'investissement et d'éthique d'un investisseur afin de contribuer à l'optimisation du portefeuille.

Surveillance des données et préoccupations en matière de sécurité

Bien que l'IA générique présente de nombreux avantages, elle soulève des préoccupations en matière de surveillance des données et de sécurité. Les hallucinations de l'IA, en particulier, sont l'une de ces préoccupations. Les hallucinations sont des sorties non sensées ou incorrectes générées par les systèmes d'IA. Ces inexactitudes peuvent aller d'erreurs factuelles à des informations biaisées ou trompeuses. Cette désinformation potentielle est devenue une préoccupation majeure pour les organisations et les régulateurs, en particulier si le cas d'utilisation de l'IA implique des niveaux de risque élevés, comme la prise de décision en matière d'investissement.

La confidentialité et la protection des données constituent une autre préoccupation. Les systèmes d'IA ingèrent et exploitent de grandes quantités de données, ce qui fait de la sécurité un élément crucial, en particulier lorsqu'il s'agit d'informations sensibles.

En raison de la possibilité de résultats inexacts et des problèmes de sécurité, les organisations seraient bien inspirées de mettre en œuvre des règles et des lignes directrices appropriées en matière d'IA, ainsi qu'un programme de contrôle visant à garantir l'exactitude permanente des réponses du LLM. Au fur et à mesure que cette technologie progresse et s'infiltre dans l'industrie, des règles de surveillance pourraient être mises en œuvre, axées sur la transparence et la responsabilité des systèmes d'IA.

Équilibrer la puissance de l'IA de nouvelle génération

L'IA est une technologie perturbatrice qui a le potentiel de transformer les industries du monde entier. Le secteur des services financiers, par exemple, continue d'expérimenter ses nombreuses applications. Les fonds de pension commencent à explorer la manière dont elle peut être utilisée pour améliorer les rapports, l'analyse des données et les processus opérationnels. À ce stade précoce, la nature complexe et puissante des LLM nécessite de prendre en compte la sécurité des données et la surveillance. Alors que le secteur réfléchit à la meilleure façon d'exploiter la puissance de l'IA générique, il sera essentiel d'adopter une approche équilibrée combinant l'innovation et l'attention portée à la surveillance.

^{1 Three AI godfathers, two of them Canadian, selected for the 'Nobel Prize of Computing' | Financial Post}

^{2 Generative AI could be next big thing for defined contribution plans | Pensions & Investments (pionline.com)}