L'IA s'installe dans les pratiques institutionnelles
Les chiffres sont nets. Selon une enquête Barclays conduite auprès de 410 investisseurs obligataires, 52 % d'entre eux recourent désormais à l'intelligence artificielle en priorité pour la recherche. Ce n'est pas un usage marginal ou expérimental : c'est le premier cas d'usage déclaré, devant toutes les autres applications possibles.
La transformation est réelle, mais elle reste concentrée sur des tâches bien précises. Les fonds spéculatifs, eux, arrivent à 44 % d'adoption, avec un angle différent : traiter de gros volumes de données de marché. En clair, l'IA sert ici de moteur de traitement brut, là où la vitesse et la capacité d'ingestion priment sur la synthèse qualitative.
Le risque, parent pauvre de l'adoption
Le chiffre qui retient l'attention est celui de la modélisation et de l'analyse du risque. Seulement 27 % des fonds spéculatifs interrogés déclarent utiliser l'IA à cette fin. L'écart avec les usages de recherche ou de traitement de données est significatif.
Pourquoi cette résistance ? La modélisation du risque engage directement la responsabilité des gérants et des comités de risque. Déléguer une partie de ce processus à un modèle d'IA suppose un niveau de confiance, de traçabilité et d'auditabilité que les outils actuels ne garantissent pas toujours. Côté réglementaire, les exigences de documentation et de justification des décisions de risque, notamment dans le cadre des directives européennes sur la gestion d'actifs, renforcent cette prudence.
L'adoption progresse donc par le bas : d'abord les tâches documentaires et analytiques, ensuite le traitement de données massives, et en dernier ressort les fonctions critiques où l'erreur a un coût direct. Ce schéma n'a rien de surprenant. Il reproduit exactement la trajectoire observée lors de l'introduction de chaque nouvelle technologie dans la finance institutionnelle.
