Le robot de trading basé sur l'IA d'AriseAlpha met ses promesses à l'épreuve
Le plus simple, aujourd’hui, dans la création d’une plateforme de trading basée sur l’IA, c’est peut-être de la décrire. Une nouvelle génération de produits destinés aux particuliers promet des analyses de niveau institutionnel, une exécution dénuée d’émotions et des stratégies qui s’adaptent en permanence à l’évolution des marchés. Le plus difficile est de prouver que cette technologie offre un avantage investissable une fois pris en compte les frais, le slippage, les erreurs de modélisation et les périodes où le marché se comporte différemment des données sur lesquelles le modèle a été entraîné.
AriseAlpha a fait son entrée sur ce marché avec une plateforme automatisée couvrant les cryptomonnaies, les actions et le marché des changes. L'entreprise décrit son système comme un système d'auto-apprentissage, capable d'analyser les conditions du marché, d'ajuster ses stratégies et d'exécuter des transactions sans les retards ni les biais émotionnels inhérents à la prise de décision humaine.
Cette proposition remédie à une véritable faiblesse du trading actif au détail. Les investisseurs ont souvent tendance à abandonner leurs stratégies lorsqu’ils sont sous pression, à courir après les cours après des fluctuations brutales et à augmenter leur niveau de risque après avoir subi des pertes. L’automatisation permet d’imposer des limites de position, d’appliquer des règles de sortie prédéfinies et de fonctionner en dehors des heures de travail habituelles.
Cela ne signifie pas pour autant qu’une stratégie automatisée soit rentable, correctement réglementée ou adaptée à un investisseur inexpérimenté. Un bot peut éliminer toute émotion de l’exécution des ordres, tout en appliquant des hypothèses erronées avec davantage de cohérence et de rapidité. La question pertinente n’est pas de savoir si AriseAlpha utilise l’intelligence artificielle, mais si les investisseurs sont en mesure d’évaluer de manière indépendante ce que fait le système, comment ses performances sont calculées et qui est responsable en cas d’échec.
Ce qu'AriseAlpha affirme que la plateforme permet de faire
AriseAlpha commercialise une gamme d'outils de trading automatisés couvrant les actifs numériques, les actions, les fonds et le marché des changes. Ses supports de communication font état d'analyses de marché en temps réel, d'une exécution automatisée, d'un ajustement dynamique des stratégies et de contrôles des risques, avec différents produits destinés aux débutants, aux traders actifs et aux investisseurs recherchant une approche plus passive.
Le vocabulaire utilisé par l'entreprise reflète une évolution plus générale du marketing dans le secteur de la finance de détail. Auparavant, les robots de trading étaient généralement décrits comme des systèmes basés sur des règles : ils achetaient lorsqu'un cours franchissait une moyenne mobile, vendaient lorsque la volatilité dépassait un seuil ou suivaient un autre signal prédéfini.
La nouvelle génération est souvent présentée comme étant adaptative ou capable d’auto-apprentissage. En principe, cela pourrait signifier qu’un modèle modifie la pondération accordée à différents signaux à mesure que la volatilité, la liquidité ou les corrélations évoluent. Cela pourrait également faire référence à un réentraînement périodique basé sur de nouvelles données, plutôt qu’à un système autonome réécrivant sa stratégie en continu.
La distinction est importante. Un modèle qui s'ajuste selon des paramètres strictement contrôlés est plus facile à tester et à superviser qu'un modèle qui modifie sa propre logique de décision en environnement de production. Les documents publics d'AriseAlpha ne fournissent pas suffisamment de détails techniques pour déterminer où se situe son système sur ce spectre.
La société fait également référence à l'analyse du sentiment ou des émotions. Dans le domaine du trading, cela consiste généralement à analyser des données textuelles et comportementales issues de sources telles que l'actualité, les conférences téléphoniques sur les résultats, les réseaux sociaux ou le positionnement sur le marché, afin d'évaluer si le sentiment est positif, négatif ou en évolution.
Cela ne signifie pas que le logiciel dispose d'une intelligence émotionnelle. Cela signifie qu'il tente de quantifier les émotions ou les attentes exprimées par les acteurs du marché.
L'automatisation permet d'assurer la rigueur plus facilement que la prévision
L'argument le plus convaincant en faveur d'un système de trading automatisé n'est pas qu'il soit capable de prévoir l'évolution des marchés avec une précision exceptionnelle, mais qu'il puisse appliquer un processus défini de manière cohérente.
Un système bien conçu peut surveiller simultanément de nombreux instruments, réagir lorsque certaines conditions sont remplies et empêcher un investisseur de dépasser les limites fixées en période de tension. Il peut enregistrer chaque décision et vérifier si la stratégie s'est comportée comme prévu.
Ce sont là des avantages concrets. Ils relèvent davantage de l'aspect opérationnel que de la magie.
Il reste difficile de faire des prévisions, car les marchés s'adaptent. Dès qu'un signal est largement pris en compte, les autres acteurs du marché y réagissent, ce qui en réduit la valeur. Les corrélations observées dans les données historiques peuvent disparaître lorsque les taux d'intérêt, la liquidité ou le comportement des investisseurs évoluent. Les modèles peuvent également confondre une tendance temporaire avec une source de rendement durable.
Les systèmes d'auto-apprentissage ajoutent une difficulté supplémentaire. Un modèle peut s'améliorer lorsque l'environnement sous-jacent évolue progressivement, mais il peut également s'adapter au bruit, renforcer un biais récent ou accroître l'exposition précisément au moment où les relations historiques se rompent.
Le terme financier utilisé pour désigner ce phénomène est le « risque de régime ». Une stratégie entraînée dans un marché haussier et liquide peut se comporter de manière très différente en cas de choc de volatilité soudain, d'événement de crédit ou de période de baisse de la profondeur du marché.
Les investisseurs devraient donc considérer la capacité d'adaptation à la fois comme un facteur de risque et comme un argument de vente. Un modèle évolutif doit être soumis à des limites définissant ce qu'il peut modifier, à quel rythme et sous quelle supervision.
La performance doit d'abord être définie avant de pouvoir être exprimée en pourcentage.
L'affirmation initiale selon laquelle les premiers tests auraient permis une amélioration de 15 % de l'efficacité des opérations n'a aucune valeur sans une méthodologie.
L'efficacité peut se traduire par une passation plus rapide des ordres, une réduction des coûts de transaction, une diminution des interventions manuelles, un pourcentage plus élevé de signaux exécutés ou une amélioration des rendements ajustés au risque. Ces résultats ne sont pas interchangeables.
Un système peut fonctionner plus rapidement tout en perdant de l'argent plus vite. Il peut réduire les coûts de transaction tout en générant un volume d'affaires excessif. Il peut atteindre un pourcentage élevé de transactions rentables tout en laissant des pertes occasionnelles effacer de nombreux gains mineurs.
Les éléments d'information nécessaires à une décision d'investissement vont bien au-delà d'un simple chiffre indiquant une amélioration. Les investisseurs doivent pouvoir vérifier la période sur laquelle le test a été effectué, les classes d'actifs concernées, les indices de référence utilisés, ainsi que savoir si les résultats proviennent d'un backtest, d'un environnement simulé ou d'un capital réel.
Un historique fiable doit inclure les rendements bruts et nets, la baisse maximale, la volatilité, le taux de rotation, les frais, les coûts de financement et le slippage. Il doit préciser si la stratégie recourt à l'effet de levier et comment les positions sont évaluées lorsque les marchés deviennent illiquides.
La différence entre les performances obtenues lors d'un backtest et celles observées en conditions réelles revêt une importance particulière. Un backtest peut être faussé par le biais de « look-ahead », le biais de survie et la sélection répétée de stratégies. Le modèle peut sembler performant parce que ses concepteurs ont testé de nombreuses variantes et ont retenu celle qui s'adaptait le mieux aux données historiques.
Un enregistrement en direct certifié par un organisme indépendant est nettement plus difficile à réaliser et a davantage de valeur.
La rapidité d'exécution n'est pas synonyme d'avantage concurrentiel institutionnel
Les supports promotionnels d'AriseAlpha mettent fortement l'accent sur la rapidité d'exécution et sur le désavantage auquel sont confrontés les investisseurs particuliers lorsqu'ils effectuent leurs opérations manuellement.
Cet argument est en partie juste. L'exécution automatisée peut réduire le délai entre un signal et un ordre. Elle permet également d'opérer en continu sur les marchés des cryptomonnaies et de réagir même lorsque personne ne surveille les cours.
Il ne faut toutefois pas confondre vitesse et capacité de trading à haute fréquence. Les institutions qui investissent dans des stratégies sensibles à la latence disposent d’une infrastructure spécialisée, de connexions directes aux marchés et de systèmes situés physiquement à proximité des serveurs des bourses. Une plateforme grand public acheminant les ordres via des courtiers ou des plateformes de cryptomonnaies ne joue pas sur un pied d’égalité.
Plus important encore, bon nombre de stratégies d'investissement des particuliers échouent non pas parce que l'investisseur aurait dû agir 200 millisecondes plus tôt, mais parce que le signal ne présentait pas d'avantage durable, que la position était trop importante ou que l'investisseur a dû supporter des coûts excessifs.
La rapidité est essentielle lorsque le bénéfice attendu de la stratégie est faible et disparaît rapidement. Dans ce cas, toutefois, les coûts de transaction et l'impact sur le marché prennent une importance particulière. Un bot doit démontrer non seulement qu'il est capable d'agir rapidement, mais aussi que le cours obtenu après l'exécution reste compatible avec la stratégie.
Les données relatives aux sentiments peuvent être précieuses, mais elles sont faciles à manipuler
L'analyse des sentiments est l'une des applications les plus pertinentes de l'apprentissage automatique dans le domaine du trading, car les marchés financiers réagissent non seulement aux faits rapportés, mais aussi à la manière dont les investisseurs les interprètent.
Un modèle permet de comparer le ton utilisé par une entreprise lors de la présentation de ses résultats financiers avec celui des trimestres précédents, d'évaluer la réaction à une annonce de la banque centrale ou de détecter des changements dans le ton et l'intensité des discussions en ligne.
Les limites sont importantes. Les données issues des réseaux sociaux contiennent des bots, des campagnes de promotion coordonnées, du sarcasme et des contenus délibérément trompeurs. Les informations peuvent être reprises sur des centaines de sites web, donnant ainsi l'impression d'un large consensus. Les modèles linguistiques peuvent également mal interpréter le contexte, en particulier lors d'événements inhabituels.
Le sentiment peut refléter ce que le marché pense déjà, sans pour autant déterminer ce qui va se passer ensuite. Des échanges extrêmement positifs peuvent signaler une poursuite de la dynamique, ou indiquer que la plupart des acheteurs potentiels sont déjà entrés sur le marché.
En ce qui concerne les cryptomonnaies et les titres de moindre importance, le risque est plus élevé, car l'activité en ligne peut être manipulée par des promoteurs disposant de ressources relativement modestes. Un modèle qui réagit automatiquement à l'attention suscitée pourrait devenir un mécanisme par lequel des signaux manipulés seraient convertis en ordres réels.
La valeur de l'analyse des sentiments dépend donc de la provenance des données, de leur filtrage et de la manière dont le signal interagit avec les contrôles relatifs aux prix, à la liquidité et aux risques.
La plateforme et la place de marché présentent des risques distincts
Avant d'évaluer le modèle, un investisseur doit comprendre le fonctionnement de la structure opérationnelle.
AriseAlpha détient-elle les fonds ou les actifs de ses clients, ou se connecte-t-elle à un compte ouvert auprès d'un courtier ou d'une bourse externe ? Les ordres passés via des interfaces de programmation d'applications (API) sont-ils contrôlés par l'investisseur ? Le système peut-il retirer des actifs, ou son champ d'action se limite-t-il à la négociation ?
Qui est la contrepartie juridique, et dans quelle juridiction est-elle établie ? Quelle autorité de régulation, le cas échéant, supervise l'activité en question ? Que se passe-t-il si la plateforme devient indisponible, si le courtier fait faillite ou si les identifiants d'une API sont compromis ?
Ces questions sont plus importantes que la qualité du tableau de bord.
Un modèle peut s'avérer efficace sur le plan technique alors même que le cadre de conservation ou la structure juridique qui l'entoure reste fragile. Les investisseurs devraient faire la distinction entre le risque lié à la stratégie, le risque lié au courtier, le risque lié à la bourse et le risque lié à la plateforme, plutôt que de les considérer comme un seul et même produit.
La commercialisation d'une plateforme gratuite nécessite également quelques explications. L'infrastructure de trading, les flux de données, le développement logiciel et l'acquisition de clients ont tous un coût. Si l'utilisateur ne paie pas d'abonnement visible, l'entreprise peut générer des revenus grâce aux spreads, aux commissions, aux primes de parrainage, aux frais de garde, aux frais de performance ou à tout autre type d'accord.
Ce modèle de rémunération peut inciter à augmenter la fréquence des transactions ou à orienter les ordres vers certaines plateformes. Les investisseurs doivent savoir comment le prestataire est rémunéré avant de l'autoriser à exécuter automatiquement des transactions.
La réglementation s'applique à l'activité, et non à l'étiquette
Le fait de qualifier un service de « technologie financière » ne détermine pas son statut réglementaire. La réponse dépend de l'activité réelle du prestataire.
Les logiciels proposant des outils d'analyse généraux peuvent être traités différemment d'un service qui fournit des recommandations personnalisées, exerce un pouvoir discrétionnaire sur un portefeuille, organise des transactions ou détient les actifs des clients. Les autorisations relatives aux cryptomonnaies varient également selon les juridictions et peuvent ne pas offrir les mêmes protections que la réglementation traditionnelle en matière d'investissement.
Les descriptions publiques d'AriseAlpha la présentent comme une entreprise de fintech basée au Royaume-Uni, mais les supports promotionnels examinés ne fournissent pas suffisamment d'informations pour identifier son entité réglementée ni pour prouver qu'elle dispose d'une autorisation pour chacune des activités et chacun des marchés qu'elle met en avant.
Cela ne suffit pas à lui seul à établir que le produit n'est pas autorisé. Cela signifie que les utilisateurs potentiels ne doivent pas en déduire qu'il fait l'objet d'une surveillance sur la base d'une description provenant de Londres ou du Royaume-Uni, d'un site web professionnel ou d'une publication diffusée par un service d'information financière.
Les vérifications appropriées portent notamment sur la dénomination sociale exacte, l'enregistrement de la société, les autorisations réglementaires, les noms de domaine autorisés du site web et l'identité du courtier, de la plateforme d'échange ou du dépositaire chargé d'exécuter les transactions.
Les autorités de régulation accordent une attention croissante aux allégations relatives à l'IA dans le secteur financier. Leurs préoccupations ne se limitent pas aux plateformes frauduleuses ; elles portent également sur le phénomène dit d“” AI washing », qui consiste pour une entreprise à exagérer le niveau de sophistication ou l'importance de l'intelligence artificielle afin de donner l'impression qu'un produit automatisé ordinaire est plus performant qu'il ne l'est en réalité.
Un fournisseur qui avance des arguments relatifs aux performances ou à la technologie devrait être en mesure de les étayer.
Ce qu'un investisseur doit exiger avant d'ouvrir un compte
La première exigence est une description précise du produit. L'investisseur doit savoir s'il s'agit d'un service de signaux, d'un outil d'exécution, d'une stratégie gérée ou d'un dispositif d'investissement collectif.
Le deuxième critère est un historique de performance vérifié. Les captures d'écran, les tableaux de bord des comptes et la sélection de transactions gagnantes ne suffisent pas. Les résultats doivent être recoupés avec ceux des comptes réels et présentés nets de tous frais.
Le troisième élément est le cadre complet de gestion des risques. Celui-ci doit inclure la taille maximale des positions, l'effet de levier, les limites de perte journalières, les contrôles de drawdown et les circonstances dans lesquelles les opérations sont suspendues. L'entreprise doit également préciser si les utilisateurs peuvent fixer des limites plus strictes que celles définies par défaut par la plateforme.
Le quatrième point concerne la gouvernance du modèle. Les investisseurs devraient se demander à quelle fréquence le système évolue, si les nouvelles versions sont testées avant leur déploiement et si un intervenant humain peut passer outre ou le désactiver en cas de situations de marché exceptionnelles.
Le cinquième point concerne le contrôle opérationnel. Les autorisations API doivent être limitées au strict nécessaire, les retraits devant être désactivés dans la mesure du possible. Les investisseurs doivent savoir comment les identifiants sont stockés et quel processus d'intervention en cas d'incident s'applique après une faille de sécurité.
Enfin, l'investisseur doit pouvoir se retirer à tout moment. Les fonds et les actifs ne doivent pas être soumis à des clauses de blocage opaques, et la procédure de révocation de l'accès ou de clôture des positions doit être clairement définie avant le début des opérations.
Le lancement d'AriseAlpha témoigne d'une véritable évolution dans le domaine des technologies financières. Les outils automatisés gagnent en performances, en accessibilité et en pertinence, tandis que l'apprentissage automatique élargit l'éventail des données pouvant être prises en compte dans les décisions de trading.
Cela ne résout pas la question la plus ancienne de l'investissement actif : celle de savoir si la stratégie présente un avantage qui persiste après prise en compte des coûts et dans des conditions différentes de celles qui ont présidé à son élaboration.
L'intelligence artificielle peut améliorer l'exécution, le suivi et la rigueur. Elle peut également donner un caractère scientifique à une stratégie qui n'a pas fait ses preuves. Pour les investisseurs, la différence ne réside pas dans le terme “ auto-apprentissage ”, mais dans les preuves, les contrôles et la structure juridique qui le sous-tendent.
