Intelligence artificielle et gestion d'actifs.

LA NOUVELLE ÉCONOMIE INTERVIEW

David Kalfon : « Le vrai risque n’est plus d’être remplacé, mais de refuser d’être augmenté »  

Pour David Kalfon, président de Sanso Longchamp Asset Management, le débat sur l’intelligence artificielle est trop souvent mal posé. La véritable frontière ne passerait plus entre l’homme et la machine, mais entre ceux qui sauront utiliser l’IA pour renforcer leur expertise et ceux qui resteront à l’écart. Dans la gestion d’actifs plus encore qu’ailleurs, il défend une conviction : la machine peut accélérer l’analyse, mais le doute, le jugement et la capacité à reconnaître une rupture restent humains.  

David Kalfon ne croit guère aux deux caricatures qui accompagnent aujourd’hui l’intelligence artificielle. D’un côté, la machine toute-puissante qui finirait par supprimer les professionnels. De l’autre, l’outil miracle auquel il suffirait de poser une question pour obtenir immédiatement la bonne réponse. « Ces deux lectures me semblent également réductrices », explique le président de Sanso Longchamp AM. Son raisonnement part d’un constat très concret. Pendant longtemps, une grande partie du travail d’un professionnel de la finance consistait à rechercher l’information. Aujourd’hui, c’est presque l’inverse : l’information est partout, disponible en permanence et produite en quantités considérables. Notes économiques, publications d’entreprises, statistiques, analyses, commentaires et opinions s’accumulent à une vitesse qu’aucun être humain ne peut absorber seul. « Le défi n’est plus seulement de trouver une information, mais d’identifier la bonne, de la hiérarchiser, de la vérifier, de la confronter et de la contextualiser », souligne David Kalfon. C’est précisément dans ce travail préparatoire que l’IA change la donne. Elle peut parcourir des centaines de pages, rapprocher des éléments dispersés ou faire ressortir des corrélations en quelques secondes. « Autrement dit, elle nous rend plus rapides. Mais elle ne remplace pas notre capacité de jugement. »  

La distinction est essentielle. La machine peut proposer une synthèse, mais elle ne garantit ni la pertinence de la question qui lui a été posée, ni l’exactitude absolue de sa réponse. David Kalfon insiste d’ailleurs sur une difficulté bien connue de ces modèles : leur tendance à répondre même lorsque leur niveau de certitude est insuffisant. « Nous cherchons même à obtenir une réponse qu’elle formule encore trop rarement : « Je ne sais pas ». D’où cette règle qui devient centrale : plus les outils sont puissants, plus celui qui les utilise doit être exigeant. Il faut préciser le contexte, reformuler, réclamer des sources, confronter les réponses et parfois contester la machine : « La qualité des résultats dépend largement de la qualité des questions. Et surtout de celui qui les pose. » C’est probablement le cœur de sa démonstration. L’IA ne fait pas disparaître le travail intellectuel : elle en modifie la répartition. « Hier, nous passions du temps à rédiger. Aujourd’hui, nous passons davantage de temps à relire. À challenger. À vérifier. » Le professionnel doit donc moins consacrer son énergie à produire mécaniquement de l’information et davantage à décider ce qui est juste, pertinent et utilisable.  

Cette évolution donne une valeur nouvelle à une qualité ancienne : le discernement. « Être augmenté par l’IA ne signifie pas déléguer son jugement. Cela signifie au contraire accepter une responsabilité nouvelle : questionner, vérifier et arbitrer plus vite, mais jamais moins rigoureusement. » Dans la gestion d’actifs, cette prudence prend une dimension particulière. Un modèle d’intelligence artificielle apprend essentiellement en observant des données passées et en identifiant des régularités. Or les marchés financiers ont précisément la fâcheuse habitude de cesser, par moments, de se comporter comme auparavant. Une crise, une remontée de l’inflation, un changement brutal de politique monétaire ou une tension géopolitique peuvent rendre beaucoup moins pertinentes les relations statistiques observées jusque-là. C’est ce que les professionnels appellent une rupture de régime : le moment où les règles qui semblaient fonctionner cessent soudainement d’être de bons guides. « C’est précisément lorsque le passé cesse d’être un bon guide que le jugement humain reprend toute son importance », estime David Kalfon. Aucun modèle, ajoute-t-il, ne peut garantir qu’il identifiera immédiatement un changement de paradigme.  

Le président de Sanso Longchamp AM ne plaide donc ni pour la méfiance envers l’IA ni pour son adoption sans réserve. Son approche est beaucoup plus pragmatique : utiliser plusieurs outils selon les besoins, conserver la maîtrise des données, vérifier les résultats et éviter toute dépendance à une technologie particulière. Les modèles évoluent si rapidement que « l’enjeu n’est pas d’être fidèle à une intelligence artificielle. L’enjeu est de rester agile ». Cette agilité pourrait devenir un véritable facteur de compétitivité. À mesure que les entreprises auront accès aux mêmes masses de données et à des outils comparables, l’avantage ne viendra plus nécessairement de celui qui possède le plus d’informations, mais de celui qui saura les exploiter plus rapidement et avec davantage de recul. C’est ici que David Kalfon renverse finalement la question habituelle. Le danger ne serait pas tant de voir les professionnels remplacés par la machine que de voir certains professionnels prendre du retard parce qu’ils auront refusé d’apprendre à travailler avec elle. « Les entreprises qui refuseront cette transformation prendront rapidement un retard opérationnel. Elles analyseront moins vite, décideront plus lentement et mobiliseront davantage de ressources pour produire les mêmes résultats. »