fr.wedoany.com Rapport : Millennium Management, une société américaine de gestion de fonds spéculatifs, est en train de créer un laboratoire d’intelligence artificielle afin d’étendre la recherche, le développement et l’application de technologies d’IA de pointe dans la recherche en investissement, les outils de plateforme et les activités internes. Ce nouveau laboratoire devrait être opérationnel dans les prochaines semaines, avec pour missions principales d’accélérer l’acquisition et l’évaluation des premiers produits d’IA, de collaborer avec des entreprises d’IA sur des projets innovants et d’attirer davantage de talents de premier plan en IA. Vlad Torgovnik, directeur de l’information de Millennium, a présenté dans une interview sur le site web de l’entreprise que le laboratoire d’IA offrira un environnement d’expérimentation indépendant pour les technologies émergentes qui n’ont pas encore atteint un stade de maturité au niveau entreprise, et jouera un rôle dans les programmes de partenariat en IA, la co-création d’outils internes et le recrutement de talents.

La création de laboratoires d’IA par les institutions financières vise principalement à améliorer la réactivité de la recherche en investissement, du traitement des données, de l’identification des risques et des plateformes techniques internes. Pour les fonds spéculatifs multi-stratégies, les équipes d’investissement doivent traiter quotidiennement les données de marché, les annonces d’entreprises, les données macroéconomiques, les données alternatives, les signaux de trading et les risques de portefeuille. Les outils d’IA peuvent aider les chercheurs à filtrer les informations plus rapidement, à générer des cadres d’analyse, à tester la logique des données et à mettre en place des flux de travail automatisés.

Le déploiement de l’IA chez Millennium dure depuis plusieurs années. Selon les informations du site web de l’entreprise, Gideon Mann a rejoint Millennium en 2023 en tant que responsable mondial de l’intelligence artificielle, après avoir dirigé les travaux de recherche et les produits d’apprentissage automatique chez Bloomberg ; la plateforme technique de l’entreprise a déjà intégré l’IA, l’apprentissage automatique, l’analyse de données et les outils cloud dans le système de soutien à la recherche en investissement. La création de ce nouveau laboratoire d’IA ajoute un espace d’expérimentation dédié aux équipes d’IA existantes et aux mécanismes de conseil en IA. Le laboratoire prendra en charge l’essai des premières technologies, l’évaluation des capacités des modèles, le développement conjoint avec des entreprises d’IA et l’incubation d’applications internes, évitant ainsi que les outils d’IA de pointe n’entrent directement dans les systèmes de production, ce qui pourrait entraîner des risques en matière de sécurité, de conformité et de stabilité.

La valeur de ces laboratoires réside également dans « l’avance technologique ». Les produits d’IA évoluent très rapidement, avec des mises à jour constantes des grands modèles, des agents intelligents, de la génération de code, de l’analyse de données, de la recherche de connaissances et des outils multimodaux. Si les institutions financières attendent que des produits matures entrent dans le processus d’achat, elles risquent souvent de manquer la fenêtre de validation précoce. Un laboratoire d’IA indépendant peut d’abord évaluer les nouveaux outils, tester leur adéquation dans la recherche en investissement, le développement, les opérations, la conformité et la gestion des risques, avant de décider de les déployer à plus grande échelle.

En tant qu’institution d’investissement multi-stratégies, Millennium compte un grand nombre d’équipes d’investissement internes avec des types de stratégies complexes, et les besoins en outils d’IA ne sont pas entièrement uniformes. Certaines équipes peuvent être plus intéressées par le nettoyage des données, la compréhension de texte et les résumés de rapports de recherche, tandis que d’autres ont besoin d’outils de backtesting, d’assistance au code et de détection de signaux. Les équipes de risque et d’opérations se concentrent davantage sur l’identification des anomalies, le traitement des documents, l’automatisation des processus et la gestion des connaissances. Si le laboratoire d’IA peut connecter les technologies de pointe externes aux besoins commerciaux internes, il peut réduire les essais et erreurs redondants, permettant à différentes équipes d’utiliser les capacités d’IA dans un cadre technique de sécurité unifié.

Ce laboratoire jouera également un rôle dans l’attraction des talents en IA. Les meilleurs talents en IA souhaitent généralement travailler avec des données réelles, des problèmes commerciaux complexes et des environnements de calcul haute performance. Les institutions financières peuvent offrir, via un laboratoire dédié, un cadre de travail plus proche d’une combinaison de recherche et d’ingénierie. L’interview sur le site web de Millennium mentionne que le laboratoire sera mondial, en phase avec les équipes et la présence de l’entreprise dans les principaux centres technologiques. Pour l’entreprise, les talents en IA ne se consacrent pas seulement au développement d’un seul produit, mais participent également à la construction de la plateforme sous-jacente, à l’évaluation des modèles, à l’intégration d’outils, à la transformation des flux de travail de recherche en investissement et à la gouvernance des applications d’IA internes.

La concurrence en matière d’IA dans le secteur financier entre dans une phase plus profonde. Les premières applications se concentraient sur le résumé de texte, l’assistance au code et l’automatisation des tâches de bureau. Aujourd’hui, les grandes sociétés de gestion d’actifs et les fonds spéculatifs s’intéressent davantage à la capacité de l’IA à pénétrer les processus de recherche en investissement, les chaînes de traitement des données, l’analyse de portefeuille et les systèmes de surveillance des risques. La création d’un laboratoire d’IA par Millennium montre que les institutions d’investissement de premier plan sont en train de faire passer les capacités d’IA d’une utilisation dispersée à une R&D organisée. Ce qu’il faudra vraiment observer par la suite, c’est si le laboratoire peut produire des outils réutilisables, des projets de collaboration stables et des résultats commerciaux quantifiables, notamment l’amélioration de l’efficacité de la recherche, le raccourcissement des cycles de traitement des données, l’accélération du développement d’outils internes, ainsi que le degré réel d’adoption des systèmes d’IA par les équipes d’investissement.