République Tunisienne

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université de Tunis El Manar
École Nationale d’Ingénieurs de Tunis

Département Génie Industriel

Projet Bibliographique

L’impact de l’intelligence artificielle sur

les marchés financiers

Elaboré par :

Maha Ben Aissa

Nermine Rahmeni

Encadré par :

Mme. Saoussen Ben Gamra

1ère Année GI

Année universitaire : 2023/2024

Remerciements

Nous tenons à exprimer nos sincères remerciements à notre encadrante, Mme.

Saoussen Ben Gamra, pour son soutien constant tout au long de notre travail. Sa
bienveillance, son expertise et ses conseils éclairés ont grandement contribué à la
réussite de notre projet bibliographique.
Nous sommes également reconnaissants envers elle pour le temps précieux
qu’elle nous a accordé, ses directives précises ainsi que ses qualités pédagogiques et
scientifiques.
Nous aimerions également exprimer notre gratitude envers l’ensemble du corps
enseignant et administratif de l’ENIT. Enfin, nous tenons à remercier toutes les
personnes qui ont apporté leur contribution, directe ou indirecte, à la réalisation
de ce projet.

i
Table des matières

Table des figures v

Liste des abréviations vi

Introduction générale 1

1 Le développement de l’intelligence artificielle 3

1.1 Introduction du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Définition de l’intelligence artificielle . . . . . . . . . . . . . . . . . 4
1.2.1 C’est quoi l’intelligence artificielle ? . . . . . . . . . . . . . . 4
1.2.2 IA et son apprentissage . . . . . . . . . . . . . . . . . . . . . 4
1.3 L’histoire de l’intelligence artificielle . . . . . . . . . . . . . . . . . . 5
1.4 Les facteurs de développement de l’intelligence artificielle . . . . . . 6
1.4.1 La puissance de calcul . . . . . . . . . . . . . . . . . . . . . 6
1.4.2 Les algorithmes avancés . . . . . . . . . . . . . . . . . . . . 7
1.4.3 L’apprentissage automatique . . . . . . . . . . . . . . . . . . 7
1.4.4 La recherche en intelligence artificielle . . . . . . . . . . . . . 7
1.4.5 L’explosion des données Big Data . . . . . . . . . . . . . . . 8
1.4.6 Innovation et financement dans le secteur de l’IA . . . . . . 8
1.5 Terminologie de l’intelligence artificielle . . . . . . . . . . . . . . . 8
1.5.1 L’apprentissage automatique (Machine Learning) . . . . . . 9
1.5.2 Le réseau de neurones artificiels «Neural Network» . . . . . 10
1.5.3 L’apprentissage profond (Deep Learning) . . . . . . . . . . 11
1.6 Les applications de l’intelligence artificielle . . . . . . . . . . . . . . 12
1.6.1 Traitement du langage naturel . . . . . . . . . . . . . . . . . 13
1.6.2 Vision par ordinateur . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Conclusion du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . . 15

2 L’IA sur les marchés financiers 16

2.1 Introduction du chapitre 2 . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Définition des marchés financiers . . . . . . . . . . . . . . . . . . . 16

ii
 2.2.1 C’est quoi un marché financier ? . . . . . . . . . . . . . . . . 16
2.2.2 Les acteurs du marché financier . . . . . . . . . . . . . . . . 17
2.2.3 Les types des marchés financiers . . . . . . . . . . . . . . . . 18
2.3 Les contributions de l’intelligence artificielle aux marchés financiers 19
2.3.1 La personnalisation de l’expérience client . . . . . . . . . . 19
2.3.2 Automatisation des tâches . . . . . . . . . . . . . . . . . . . 20
2.3.3 L’intermédiation des risques . . . . . . . . . . . . . . . . . . 21
2.3.4 Le contrôle du marché . . . . . . . . . . . . . . . . . . . . . 21
2.3.5 L’émergence des données alternatives . . . . . . . . . . . . . 23
2.4 Les risques liés à l’usage de l’IA sur les marchés financiers . . . . . 23
2.4.1 Risque de biais . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.2 Cyber-risques . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.3 Volatilité des marchés . . . . . . . . . . . . . . . . . . . . . 24
2.4.4 Dépendance excessive . . . . . . . . . . . . . . . . . . . . . . 24
2.4.5 Concentration de pouvoir . . . . . . . . . . . . . . . . . . . 25
2.4.6 Effet sur l’emploi . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Les enjeux de l’IA sur les superviseurs financiers . . . . . . . . . . 26
2.5.1 Les enjeux des assistants de conseil robotisés . . . . . . . . . 26
2.5.2 La qualité des algorithmes . . . . . . . . . . . . . . . . . . . 26
2.5.3 Restrucations possibles du marché . . . . . . . . . . . . . . . 27
2.6 Conclusion du chapitre 2 . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Le marché de l’IA 29
3.1 Introduction du chapitre 3 . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 L’IA sur les marchés financiers à l’échelle mondiale . . . . . . . . . 29
3.3 L’impact de l’intelligence artificielle sur le marché financier tunisien 32
3.3.1 Le fonctionnement du marché financier . . . . . . . . . . . . 32
3.3.2 Rôle des intermédiaires financiers sur les marchés . . . . . . 33
3.4 Les perspectives futures de l’intelligence artificielle dans les marchés
financiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.1 Perspective historique : l’évolution de l’IA sur les marchés
financiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.2 L’analyse financière . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.3 Remodelage de la réglementation financière . . . . . . . . . . 35
3.4.4 Vision futuriste de l’IA . . . . . . . . . . . . . . . . . . . . . 36
3.4.5 Perspective à l’égard des institutions financières . . . . . . . 36
3.4.6 Investir en IA . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Conclusion du chapitre 3 . . . . . . . . . . . . . . . . . . . . . . . . 37

Conclusion générale 38

iii
Bibliographie 40

iv
Table des figures

1.1 L’intelligence artificielle . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2 (a) Un réseau de neurones ; (b) Un réseau de neurones profond . . . 11
1.3 Exemple simplifié de fonctionnement de l’apprentissage profond . . 12

2.1 Les types des marchés financiers . . . . . . . . . . . . . . . . . . . . 18

2.2 Tableau de bord d’Axyon . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Performance des algorithmes d’IA . . . . . . . . . . . . . . . . . . . 22

3.1 L’explosion des données . . . . . . . . . . . . . . . . . . . . . . . . 35

v
Liste des abréviations

IA : Intelligence artificielle
NPL :Natural Language Processing (Traitement automatique du langage
naturel)
IOT : Internet Of Things
GAFAM : Google, Apple, Facebook , Amazon et Microsoft
BATX : Baidu, Alibaba, Tencent et Xiaomi
PME : Petite ou Moyenne Entreprise
ETI : Entreprise de Taille Intermédiaire
INSEE : Institut National de la Statistique et des Etudes Economiques
AMF : Autorité des Marchés Financiers
CMF : Conseil du Marché financier
RGPD : Règlement Général sur la Protection des Données
AMD : Advanced Micro Devices
SICAV : Sociétés d’Investissement à Capital Variable
FCP : Fonds Commun de Placement

vi
Introduction générale

Aujourd’hui, nous sommes en train de vivre l’ère technologique grâce à l’in-

telligence artificielle. À chaque fois, on a une nouvelle découverte d’une nouvelle
technologie d’IA qui permet à toute la société de passer vers un nouveau stade
de modernité et de développement. En effet, ces dernières années, elle a connu
un progrès impressionnant suite à une multitude de facteurs.Par conséquent, elle
apporte plusieurs bienfaits sur le plan personnel et social : une combinaison triple
de l’efficacité, la rapidité et la précision a été installée de nos jours. De plus, l’intelli-
gence artificielle a envahi plusieurs secteurs tels que la santé, l’éducation, l’industrie,
et bien évidemment la finance dont l’IA est fréquemment exploitée dans toutes
les activités surtout les marchés financiers qui vivent une mutation technologique.
L’IA est considérée comme un élément primordial assurant le fonctionnement des
marchés. En outre, l’influence de cette technologie se manifeste principalement par
une automatisation du trading : les opérations d’achat et de vente tout en prenant
les décisions les plus favorables ainsi qu’ une personnalisation des services.
Ce projet portant sur l’impact de l’intelligence artificielle sur les marchés
financiers est très intéressant puisqu’il traite un nouveau sujet dans une phase de
progrès. Ce rapport est structuré en trois chapitres afin d’examiner ce phénomène :
Le premier chapitre sera dédié à l’étude du développement de l’intelligence
artificielle dans le but de comprendre d’une manière approfondie ce terme par une
définition détaillée ainsi qu’une explication des facteurs permettant à booster le
progrès technologique et les différentes applications de l’IA après avoir évoqué ses
principales méthodologies et bien expliquer leurs fonctionnement.
Le second chapitre sera consacré à l’importance de l’IA dans les marchés
financiers. Nous expliciterons comment l’IA a bouleversé leurs activités grâce à ses
multiples contributions pour faciliter les tâches. Également, ce chapitre discutera les
risques de l’utilisation de cette technologie ainsi que les défis éthiques et juridiques
tels que l’utilité d’imposer des réglementations sur les algorithmes et de protéger
les données personnelles des clients.
Enfin, le dernier chapitre offrira un aperçu global sur l’influence de l’intelligence
artificielle sur les marchés financiers dans le monde en faisant recours à des exemples
concrets. Il examinera, aussi, le cas de la Tunisie. Pour finir, nous parlerons de

1
certaines perspectives futures de l’intelligence artificielle dans les marchés puisqu’
on est dans une phase d’évolution et d’innovation quotidienne.

2
Chapitre 1

Le développement de l’intelligence
artificielle

1.1 Introduction du chapitre 1

Aujourd’hui, personne ne peut nier la révolution technologique que nous avons
vécue et que nous sommes en train de vivre. Les ordinateurs contemporains ap-
prennent et acquièrent par eux même à travers l’expérience sans avoir besoin des
humains. Ils ont aussi la capacité de finir des tâches qui ont été réservées avant à
l’homme, contrairement aux machines de jadis, qui fonctionnent seulement si une
programmation explicite et détaillée était faite. L’intelligence artificielle domine
tous les secteurs et les domaines d’activité. Nous sommes même accablé sans l’intel-
ligence artificielle grâce à ses différents bienfaits tel que le gain de temps, puisque les
opérations sont accomplies dans une courte période, et le partage rapide des idées
car, par le biais des machines, l’innovation intelligente n’a pas de frontières. Donc,
les acquisitions et les notions deviennent universelles. L’intelligence artificielle vise
principalement à faciliter le quotidien des humains par une résolution optimale,
efficace et rapide des difficultés et des complications. En effet, dans ce chapitre,
nous allons vous présenter une définition complète de l’intelligence artificielle, puis
tracer son historique, ensuite traiter certains facteurs qui favorisent le progrès et le
développement de cette technologie, et nous allons finir par une simple clarification
de sa terminologie et ses applications étendues.

3
1.2 Définition de l’intelligence artificielle
1.2.1 C’est quoi l’intelligence artificielle ?
L’intelligence artificielle est une science interdisciplinaire qui comporte un
ensemble de logiciels simulant l’intelligence humaine par le biais des algorithmes
créés, exécutés puis appliqués après leurs compilations. Elle a recours à des données
de façon à ne pas procurer des résultats ordinaires. En effet, les machines reçoivent
les informations ou les données, les traitent et enfin répondent.[1] Elle renferme
des techniques assez simples telles que le calcul ou l’analyse des donnés et des
techniques compliquées telles que la formulation d’un raisonnement, l’analyse des
modèles, la résolution de problèmes et même la prise de décisions. L’intelligence
artificielle a un rôle crucial dans la transition numérique et technologique de la
société, qui est devenue une nécessité, voire une priorité. [2]

Figure 1.1 – L’intelligence artificielle

[3]

1.2.2 IA et son apprentissage

Au fil du temps, l’intelligence artificielle ne cesse jamais à évoluer. Elle a passé
de la simplicité et l’ordinaire vers la complexité et la difficulté. Elle peut, donc,
être décrite de différentes manières :

IA faible

L’IA faible est une IA appliquée à un domaine spécifique. Elle accomplit des
tâches précises à l’aide d’un programme informatique réalisé par l’être humain.
Donc, cette intelligence ne prend pas ses propres décisions. Plutôt, cette dernière

4
n’imite pas l’intelligence humaine, mais elle permet d’effectuer des activités au-
tomatiques. Cette forme d’IA est fréquemment présente dans la vie quotidienne.
On donne l’exemple des traducteurs de langues, des systèmes de reconnaissance
vocale, des assistants virtuels, des recherches Web alimentées par l’IA, des moteurs
de recommandation et des filtres anti-spam intelligents.[4]

IA forte

L’IA forte est une sorte de simulation parfaite du cerveau humain en faisant
interagir et exécuter une grande variété de tâches indépendantes et non liées. Un
système d’intelligence artificielle forte est capable d’apprendre de nouvelles tâches,
de résoudre de nouveaux problèmes et de planifier l’avenir. L’apprentissage de la
machine se fait grâce à des apports et des expériences. Donc, la progression est
continuelle et elle s’améliore au fil du temps. Prenons comme exemple la technique
d’apprentissage supervisé, qui est considérée comme un processus d’IA forte. Elle
procure aux machines la possibilité d’apprendre , comprendre et mimer la pensée
humaine.[5]

Super IA

Bien que ce type d’intelligence artificielle ne soit pas encore assez développé,
il signifie qu’une machine a une super intelligence qui peut même la permettre
d’exceller par rapport aux humains.[3]

1.3 L’histoire de l’intelligence artificielle

L’apparition des écoles de pensée et des ordinateurs a ouvert de nouvelles
perspectives et un nouvel intérêt mondial. De ce fait, l’intelligence artificielle
a vraiment commencé à évoluer. l’IA a été initiée pendant les années 1940 et
1950, elle a commencé par le mathématicien et le logicien Warren McCulloch et
le neurophysiologiste Walter Pitts, qui ont mis les bases de la modélisation des
neurones artificiels dans un article publié en 1943. Puis, on a eu, en 1950, la
publication d’un autre article sur le test de Turing par Alain Turing, qui pose la
question du pouvoir d’une machine d’exhiber un comportement identique à celui
d’un être humain. Ensuite, lors de l’événement fondateur du domaine, qui est la
conférence de Dartmouth en 1956, le terme ‘intelligence artificielle’ a été utilisé pour
la première fois. Parmi les principaux participants on peut citer : John McCarthy,
Marvin Minsky, Nathaniel Rochester et Claude Shannon. Ces derniers avaient pour
but la création de machines qui ont le pouvoir de reproduire les activités humaines
intelligentes. Après, entre les années 1950 et 1960, l’intelligence artificielle était

5
dans une période de recherche symbolique et d’optimisme pendant laquelle les
programmeurs visaient à résoudre des problèmes et représenter des connaissances, en
utilisant des règles logiques. D’où, on a eu le développement de le Logic Theorist de
Newell et Simon en 1956 et le programme de jeux d’échecs de Samuel en 1957. Puis,
la période entre 1970 et 1980 était une période de déclin de l’intelligence artificielle,
car les objectifs mis en avance n’avaient pas été atteints et on a eu une déception
qui a conduit à la réduction des financements de recherche. Et c’était ensuite dans
les années 1980 1990 avec les techniques d’apprentissage automatique, notamment
les réseaux neuronaux qu’on a eu le début d’une nouvelle époque pour l’IA. Entre
les années 1990 et 2000, le développement rapide de l’informatique distribué et de
l’Internet a énormément bénéficié à l’intelligence artificielle et on a eu l’application
de plusieurs algorithmes d’apprentissage automatique à différents domaines. Parmi
ces algorithmes on peut citer la vision par ordinateur, la reconnaissance vocale
et la recommandation de contenu en ligne. Dans les années 2000, on a réalisé des
avancées majeures dans les performances des modèles d’IA grâce à l’avènement du
Big Data et de l’apprentissage profond. On a, donc, réalisé beaucoup de succès
comme le fait que les réseaux de neurones ont arrivés à faire des tâches complexes.
Depuis 2020, on est dans l’air de l’IA contemporaine. Elle est, en effet, présente
partout dans notre vie quotidienne avec les voitures autonomes, la reconnaissance
faciale, les assistants vocaux et avec d’autres applications. On est en train de
témoigner le développement rapide d’autres domaines de l’intelligence artificielle
comme la compréhension de langage naturel et la robotique.[6]

1.4 Les facteurs de développement de l’intelli-

gence artificielle
Certainement, le développement de l’IA n’est qu’un résultat de plusieurs facteurs
qui l’ont boosté.

1.4.1 La puissance de calcul

Suite à l’augmentation de la puissance de calcul des ordinateurs, on a pu
augmenter les performances des systèmes d’intelligence artificielle. En plus, les
énormes quantités de données sont devenues faciles à traiter par l’IA, afin d’élargir
et d’enrichir ses connaissances et par suite achever avec énormément de soins ses
tâches et optimiser ses performances.
Ce processus a permis d’accélérer les capacités de calculs complexes, c’est-à-dire
d’obtenir le résultat dans une courte période qui ne dépasse pas quelques secondes.
Ceci est réalisé grâce à l’émergence de cloud computing qui se compose de la

6
fourniture de ressources informatiques tel que le stockage, la puissance de traitement
et les technologies innovantes des processeurs. Par la suite, des programmes et des
modèles d’IA ont été créés. [7]

1.4.2 Les algorithmes avancés

Les algorithmes avancés, principalement ceux liés à l’apprentissage profond,
représentent un facteur important de développement de l’IA, puisqu’ils ont permis
de résoudre les problèmes de façon effective et d’effectuer des tâches complexes
telles que la reconnaissance vocale, la reconnaissance des images, la traduction et
la manipulation d’objets. Les algorithmes avancés les plus utilisés en intelligence
artificielle : Réseaux de neurones profonds (Deep Learning),Machine Learning Sym-
bolique , Algorithmes d’apprentissage supervisé, Algorithmes d’apprentissage non
supervisé, Algorithmes d’apprentissage par renforcement, Algorithmes génétiques,
Algorithmes de traitement du langage naturel (NLP) et Algorithmes de vision par
ordinateur. [8]

1.4.3 L’apprentissage automatique

L’apprentissage automatique a permis l’auto-formation des systèmes d’intelli-
gence artificielle et l’auto-amélioration de façon progressive, en se basant sur les
expériences et les données. Il est considéré comme l’élément clé qui a permis le
traitement de grandes quantités de données. Ce qui est crucial pour faire des tests
tels que la reconnaissance d’image et la reconnaissance vocale. Au fil du temps, grâce
à l’apprentissage automatique les erreurs commises par l’intelligence artificielle
sont devenues de plus en plus réduites et elle est en train d’atteindre une meilleure
précision. En plus, elle est devenue capable de prendre des décisions de façon
autonome, en s’appuyant sur les anciennes données et de s’adapter aux différentes
variations et modifications, tout en conservant son efficacité et sa précision. En
outre, dans de nombreux domaines tels que les transactions financières nous nous
servons de l’apprentissage automatique pour détecter les fraudes. [9]

1.4.4 La recherche en intelligence artificielle

L’évolution continue de la recherche et le développement de l’intelligence ar-
tificielle ont sûrement joué un rôle majeur dans son expansion. En effet, cette
recherche conduit à la création de nouvelles méthodes et algorithmes qui aideront à
améliorer la capacité du système d’intelligence artificielle et d’effectuer des tâches
complexes plus efficacement. Elle a aussi permis une compréhension plus profonde
des fondements et bases théoriques des différents domaines essentiels pour l’intelli-

7
gence artificielle telle que l’apprentissage automatique et les réseaux de neurones.
On a, donc, pu grâce à cela perfectionner ces modèles et en créer d’autres. [7]

1.4.5 L’explosion des données Big Data

Par le faveur des activités quotidiennes et l’établissement de l’Internet des
Objets (IOT) 1 , une quantité massive d’informations a été produite. Précisément,
les données générées sont collectées par l’IOT, stockées dans des fichiers au sein de
la base des données qui vont être par suite analysées.
Donc, on peut dire que l’IOT et le Big Data sont inséparables l’une collecte et
l’autre stocke et traite. Ils sont complémentaires.[7]

1.4.6 Innovation et financement dans le secteur de l’IA

Aujourd’hui, les leaders mondiaux qui sont les États-Unis et la Chine sont ceux
qui ont réussi à faire un nombre massif d’investissements quelque soit public ou
privé. Grâce aux géants GAFAM et BATX , les États-Unis et la Chine possèdent une
large base de données alimentant les algorithmes d’IA. Par la suite, ceci encourage
à la création des startups spécialisées dans l’IA.
Concernant l’Europe, la commission européenne a déjà lancé avec les États membres
un plan bien organisé, qui a comme rôle de pousser le développement et l’utilisation
de l’IA tout en foisonnant le nombre d’investissements par le biais de partenariats
publics et privés.
Le financement est, donc, une étape primordiale pour aboutir au déploiement de
l’IA.Nous prenons l’exemple de la France qui a déclaré en mars 2018 un plan de 1.5
milliard d’euros pour booster l’épanouissement de cette technologie. Par conséquent,
la France est le premier pays qui a 82 laboratoires de recherche, 5300 recherches,
80 PME/ ETI et 270 start-up spécialisées.[10]

1.5 Terminologie de l’intelligence artificielle

Afin de bien connaître le fonctionnement de l’IA et ses multiples cas d’utilisation
et d’application, il semble primordial de comprendre certains concepts rigoureuse-
ment liés de l’IA : apprentissage automatique, apprentissage profond et réseaux de
neurones. Ces termes sont parfois utilisés interchangeablement, mais ils ne sont pas
similaires.

1. L’IOT est un concept qui permet de relier des objets à Internet.

8
1.5.1 L’apprentissage automatique (Machine Learning)
L’apprentissage automatique est une forme d’intelligence artificielle dont ses
bases sont essentiellement les mathématiques et les statistiques. On fournit des
donnés de différents types tels que les graphes, les courbes, des vecteurs de ca-
ractéristiques, qui sont des variables qualitatives ou quantitatives continues ou
discrètes. Puis, les machines ont la mission d’un auto apprentissage sans interven-
tion humaine ou une programmation détaillée et précise. Par la suite, cela permet
aux ordinateurs de progresser de manière autonome et même laisser derrière eux
les fonctions et les capacités déjà programmés. Ce genre d’apprentissage s’adresse
plutôt à la conception, l’optimisation, le développement et l’implémentation de
telles méthodes. Ainsi, grâce à l’apprentissage automatique, on crée un modèle avec
une erreur statique la plus basse possible.[11]

1.5.1.1 Fonctionnement de l’apprentissage automatique

Le fonctionnement de l’apprentissage automatique se résume en quatre étapes

importantes qui sont la sélection des donnés, le choix de l’algorithme responsable à
l’exécution ,son entraînement et enfin son exploitation.
- La préparation, l’élaboration et l’organisation des données qui vont nourrir
le modèle de machine Learning.
- Le choix de l’algorithme à exécuter : Il faut opter par un type d’algorithme
qui s’adapte parfaitement avec le type, le volume des données d’entraînement
et le type de problème à résoudre.
- L’exercice de l’algorithme : Cette étape consiste à exécuter plusieurs fois
des variables dans le but de trouver le résultat le plus précis et correct.
-L’utilisation et l’amélioration de modèle : Pour cela, on exploite le même
modèle sur des nouvelles données qui sont en relation avec la résolution du
problème posé. C’est le cas d’un modèle d’apprentissage automatique qui
permet de détecter les spams. On l’utilise sur des emails.[12]

1.5.1.2 Les types d’apprentissage

Nous offrons aux machines la possibilité d’examiner des exemples et de créer

des modèles d’apprentissage automatique basés sur les entrées et les sorties sou-
haitées. Pour cela, l’apprentissage se fait par des différentes manières telles que
l’apprentissage supervisé (supervised learning) et l’apprentissage non supervisé
(unsupervised learning) .

9
-L’apprentissage supervisé

Si les données sont étiquetées, c’est-à-dire on les attribue des étiquettes

informatives, afin que le modèle apprenne les caractéristiques qu’il doit
identifier, plus précisément , si la réponse à la tâche est connue pour ces
dernières, l’algorithme est capable de faire une étude approfondie à ces
exemples pour qu’il réussisse, enfin, à construire un modèle prédictif adapté
aux nouvelles données.[13]
L’apprentissage supervisé a recours à plusieurs méthodes. On cite, tout
d’abord, la classification qui est la division d’un ensemble des données en
plusieurs catégories selon leurs propriétés. Elle est répandue dans divers
domaines tel que le domaine médical et le domaine digital. L’exemple le plus
populaire c’est de différencier les mails de ceux des spams. En plus, cette
forme d’apprentissage est exploitée fréquemment lors de la prédiction des
variables continues, c’est-à-dire la prévision des variations de donnés tel est
le cas des changements de température.[12]

-L’apprentissage non supervisé

Si les données fournies par l’opérateur ne sont pas étiquetées avec des ca-
ractéristiques bien déterminées, on parle d’un apprentissage non supervisé.
Plus précisément, la machine dans ce cas possède de nombreuses données en
entrée, mais aucune de ces données est de sortie. Par conséquent, l’algorithme
doit explorer par lui-même leurs propriétés cachées.
Parmi les techniques utilisés on trouve la partitionnement des données qui
est un procédé efficace pour analyser les données en les catégorisant selon
leurs caractéristiques communes.[12]

1.5.2 Le réseau de neurones artificiels «Neural Network»

Le réseau de neurones artificiels ou réseau de neurones simulés est entièrement
inspiré du cerveau humain : le nom, la structure et même le fonctionnement. Il
prend des donnés à l’entrée et il essaye de les apprendre au fil du temps.
D’abord, les variables d’entrée sont fournies au réseau puis les sorties seront déter-
minées. Ensuite, grâce à une fonction, on trouve la distance entre la sortie trouvée
et celle qu’on doit aboutir. Enfin, des tentatives d’ajustements sont effectuées pour
réduire l’erreur
Le réseau de neurones artificiels est composé de plusieurs couches nodales dont
chacune est constituée d’une infinité de neurones, prend une entrée et élabore

10
une sortie. On distingue la couche d’entrée, les couches intermédiaires cachées qui
peuvent être une ou plusieurs et la couche de sortie.
S’il ya plusieurs couches intermédiaires, il s’agit d’un réseau de neurones profond.
Dans ce schéma, on met en relief la différence entre les deux types de réseau de
neurones artificiels, les couches et les neurones qu’on a déjà parlés :

Figure 1.2 – (a) Un réseau de neurones ; (b) Un réseau de neurones profond

[14]

Lorsque les données sont fournies, la couche d’entrée est déterminée et on attribue
à chaque nœud un poids. Les poids ont un rôle fondamental pour déterminer
l’importance des variables donnés : plus qu’il est grand, la sortie devient de plus
en plus significative. Les entrées sont multipliées par leurs poids respectifs puis
additionnées. Si la sortie est supérieure à une valeur de seuil spécifiée, les données
sont transmises à la couche suivante. La transmission des informations de couche à
autre définit ce réseau de neurones. [15]
On distingue deux types de réseau de neurones artificiels :
-Les réseaux de neurones convolutifs : ils utilisent principalement l’algèbre linéaire,
plus spécifiquement les matrices dans le but de montrer les motifs des images,
puisque ces derniers sont nécessaires pour reconnaître les images et les formes et la
vision par ordinateur
-Les réseaux de neurones récurrents : Ils font la même tâche pour chaque élément
c’est-à-dire les sorties de chaque étape nourrissent les entrés de l’étape après. Ils
sont généralement exploités dans la reconnaissance de parole ou de lecture.[15]

1.5.3 L’apprentissage profond (Deep Learning)

L’apprentissage profond est un sous-ensemble de machine learning qui utilise
des algorithmes permettant de créer un réseau neuronal tout en s’inspirant du
cerveau humain. Elle permet aux systèmes d’IA d’apprendre continuellement des
grandes quantités de données non structurées telles que les photos, les vidéos et les
fichiers audio et d’améliorer leur qualité et leur précision. [12]

11
En effet, les algorithmes d’apprentissage profond ne relient pas directement les
entrées aux sorties. Comme on a déjà mentionné, le deep learning s’appuie sur
un réseau de neurones artificiels qui est composé de plusieurs couches d’unités
de traitement d’où vient le terme ‘profond’. Chaque couche reçoit puis interprète
les informations de la couche précédente. Ensuite, le modèle sera complété en lui
fournissant de nombreux exemples annotés.[16]

Figure 1.3 – Exemple simplifié de fonctionnement de l’apprentissage profond

[16]
La figure présente le processus de travail de l’apprentissage profond à l’aide d’un
exemple simple qui identifie le chat. Pour assurer le bon fonctionnement du modèle
,à chaque fois on élimine les réponses erronées et ils seront envoyés vers les niveaux
précédents pour corriger le modèle mathématique. Puis, le programme réarrange
les informations. Enfin, ce modèle appliqué à d’autres situations devient capable
de faire une reconnaissance de chat sans indications. [16]

1.6 Les applications de l’intelligence artificielle

L’IA se trouve de plus en plus dans notre vie quotidienne et dans plusieurs
domaines et industries, parce qu’elle est en train de faciliter notre manière de vivre
et de perfectionner les services et produits que nous sommes en train de recevoir.
Parmi les principales applications de l’intelligence artificielle on trouve les jeux
vidéo pour lesquels il joue le rôle d’un concepteur. En effet, elle est capable d’écrire
le code qui définit la manière de jeu des bots et la réaction de l’environnement du
joueur face à sa façon de jouer pour perfectionner au maximum son expérience ce
qui permet de créer des jeux créatifs et innovants. L’IA peut aussi jouer le rôle d’un
scénariste qui crée des personnages proches dans leur comportement et leur façon
d’interagir aux êtres humains. Ces personnages peuvent faire preuve d’émotions et
d’empathie crédibles et de réaction appropriée au contexte. En outre, l’utilisateur

12
peut, depuis quelques années, communiquer avec ses appareils comme s’il est en
train de parler avec un autre humain, et c’est à travers les assistants vocaux, que
nous pouvons citer parmi eux Siri, Alexa et Google assistant. Ces assistants se
servent des techniques d’apprentissage automatique et du pouvoir de traitement et
génération du langage naturel de l’intelligence artificielle pour comprendre l’homme,
interagir avec lui et répondre à ses besoins.[17]
Dans le domaine de la santé et à travers une base de données, l’IA peut servir
à diagnostiquer des maladies après avoir analysé les symptômes et les images
médicales. Il peut aussi proposer le traitement qu’il considère convenable pour son
diagnostic et aider dans le traitement, la gestion et le stockage des données des
patients. Il y a aussi des chatbots qui peuvent interagir avec les patients et les
questionner en jouant le rôle d’un médecin.[18]
Dans le domaine de l’éducation, l’IA est utilisée de plus en plus afin d’améliorer la
qualité des études des élèves. Il se base sur leurs préférences pour créer un modèle
éducatif personnalisé adapté à eux, et il peut se comporter comme un enseignant
et interagir avec eux tout en leur fournissant des cours créatifs et des exercices bien
choisis en rapport avec les cours étudiés avant et tout en répondant à tous leurs
questions et en leur donnant des méthodes d’analyse et de raisonnement adéquates.
Aussi, certains systèmes d’intelligence artificielle peuvent déterminer si l’élève est
en train de suivre et de comprendre ou non en analysant son expression et son
langage corporel.[19]
Dans le domaine financier et bancaire, l’IA permet de gérer les risques, prévenir
les fraudes, évaluer les crédits et analyser les marchés et les besoins clients. Il
permet donc d’aboutir à des services offerts plus efficaces, plus précis et adaptés
aux tendances et il permet de prendre soin de nos investissements et de veiller sur
eux .[20]
On a aussi d’autres applications de l’IA telles que le traitement du language naturel
et la vision par ordinateur.

1.6.1 Traitement du langage naturel

Les humains communiquent entre eux à travers une méthode spécifique appelée
langage naturel. Ils l’utilisent aussi dans leur communication virtuelle où il se
servent des ordinateurs, des téléphones et des réseaux sociaux. Cela se fait soit à
travers les appels audio ou vidéo, soit à travers les messages texte, soit à travers les
messages vocaux. En effet, de base, les ordinateurs ne sont pas capables de traiter
le langage naturel de façon naturelle. Donc, il utilise le NPL (traitement du langage
naturel) qui est une sous-discipline de l’IA pour décrypter le langage humain et
comprendre son sens. De ce fait, pour comprendre le sens d’un mot, le NPL utilise
certains algorithmes. Ce sont principalement ceux d’apprentissage automatique

13
et d’apprentissage profond. Il permet aussi d’analyser la structure grammaticale
des phrases, ça veut dire la syntaxe et l’utilisation contextuelle du langage donc
la pragmatique. Les systèmes NPL peuvent aussi analyser les sentiments et les
émotions. Ils sont capables de déterminer l’intention et le ton d’un texte et cela
se fait à travers une analyse linguistique approfondie. Également, ces systèmes
sont capables de faire de la traduction automatique d’une langue à une autre de
manière rapide, efficace et précise et de faire la conversion d’une synthèse vocale
vers un texte, ce qui facilite l’interaction avec les appareils sans les toucher ou
même les regarder. Pour le traitement du langage naturel, qui possède une structure
séquentielle ,on doit commencer par la modélisation de ces structures, et cela se
fait grâce au réseau de neurones. Ces derniers sont capables de détecter des liens
sémantiques entre les mots, car ils se servent d’une représentation distribuée des
mots, ce qui les aide dans la compréhension contextuelle des mots ou des phrases,
et par suite dans les tâches complexes de l’IA au cours du traitement du langage
naturel. Il joue aussi un rôle important dans la génération du langage humain et la
synthèse de la voix humaine.[21]

1.6.2 Vision par ordinateur

La vision par ordinateur est une technologie de l’IA qui a ouvert, aux machines,
la voix de comprendre et d’interpréter des informations issues à partir d’images ou
de vidéos de façon très avancée et similaire à la manière du cerveau humain. Cette
technologie est capable de détecter des objets et des épisodes à partir d’une base
de données. Et c’est ce qui permet d’utiliser les techniques de la reconnaissance
faciale dans plusieurs domaines qui se base sur le fait d’identifier des individus
et de déterminer leurs identités. Elle est, aussi, utilisée dans le domaine de la
conduite autonome, car elle aide à détecter les objets, ce qui facilite aux voitures
la compréhension de leur environnement et la conduite sans heurter des obstacles.
En effet, elle consiste à segmenter une image et à traiter de manière individuelle
chaque segment. Elle peut aussi faire la tâche de classification d’images selon le
domaine et la catégorie. Elle est également capable de détecter et de reconnaître
les activités et les mouvements dans des vidéos ce qui s’applique dans de nombreux
domaines tels que la sécurité et la surveillance. En supplément, elle joue un rôle
crucial dans l’interprétation des scènes, ce qui est important pour les applications
de la réalité augmentée et mixte.
La vision par ordinateur est donc importante dans les secteurs qui nécessitent une
compréhension, une interprétation et même une extraction de l’information visuelle
en se basant sur des données visuelles.[22]

14
1.7 Conclusion du chapitre 1
L’intelligence artificielle est la clé pour notre futur car elle est en train d’évoluer
de façon très rapide. Cette technologie fusionne plusieurs domaines d’études. Nous
avons l’informatique qui détermine comment l’IA est implémentée dans les logiciels,
les mathématiques et les statistiques qui aident à déterminer des modèles viables.
De plus , elle est intégrée dans divers domaines tel que la finance de marché qui a
vécu un progrès extraordinaire cette décennie. Ainsi, de quelle manière l’IA a-t-elle
influencé les activités et les fonctions du marché financier ?

15
Chapitre 2

L’IA sur les marchés financiers

2.1 Introduction du chapitre 2

Le développement de l’intelligence artificielle vécu ces dernières années a vrai-
ment influencé le secteur financier et plus spécifiquement les marchés financiers, ce
qui prouve l’utilisation assez fréquente de cette technologie. Toutefois, on peut être
face à des risques multiples.
Par la suite, dans ce chapitre, nous allons définir les marchés financiers et détailler
les contributions de l’IA. Puis, nous allons parler des risques et des enjeux pour les
superviseurs de ces technologies.

2.2 Définition des marchés financiers

2.2.1 C’est quoi un marché financier ?
Un marché financier est un endroit, qui peut être soit physique soit virtuel,
où se fait la rencontre entre les vendeurs et les acheteurs qui représentent les
principaux participants du marché et qui font la négociation des titres financiers.
Plus spécifiquement, cette entrevue était, en effet, entre l’offre et la demande : Les
émetteurs émettent leurs offres et les investisseurs ont l’opportunité de réaliser les
transactions en relation avec les valeurs émises. [23] Il contribue à l’alimentation
de l’économie tout en accordant aux épargnants la possibilité de placer leurs
argents.[24]

16
2.2.2 Les acteurs du marché financier
Pour réussir les échanges entre les émetteurs et les investisseurs, la présence des
intermédiaires et des régulateurs est obligatoire.

-Les émetteurs de titres financiers

-L’état et les collectivités locales émettent principalement des obligations 1

-Les entreprises émettent des actions 2
-Les institutions financières [25]

-Les investisseurs

-Les investisseurs privés peuvent être soit des particuliers qui visent à accroître
leur gain ou des entreprises qui veulent acheter des actions dans d’autres
entreprises et piloter les finances.
-Les investisseurs institutionnels sont les organismes de placement collectif
(SICAV, FCP), les compagnies d’assurances et les caisses de retraite.
-Les institutions financières [25]

-Les intermédiaires

-Un organisme responsable à piloter les marchés financiers par exemple la

BVMT : Bourse des Valeurs Mobilières de Tunis. [26]
-Les membres de marché (banques, courtiers etc.) dont leur rôle est le transfert
et le traitement des ordres d’achat et de vente. [27]
-Les compensateurs sont responsables de la livraison des titres aux investisseurs
et le paiement aux vendeurs tout en respectant les délais réglementaires.
C’était l’exemple de Tunisie Clearing. [26]

-Les régulateurs

Les régulateurs ou les autorités du marché sont des institutions assurant le

bon fonctionnement des marchés, la protection des investisseurs, etc. Parmi les
organismes de régulation, on a AMF en France et CMF en Tunisie. [27]

1. Les obligations sont des titres financiers dont, lors de leur achat, l’émetteur doit verser
régulièrement en faveur de l’investisseur un intérêt pendant une longue période d’où leur appellation
de créance à long terme.
2. Les actions sont des instruments financiers des partenaires dans des sociétés. Ils sont
généralement transmis afin d’amplifier le capital ou lors de la création de la société.

17
2.2.3 Les types des marchés financiers
Dans le monde de la finance, on distingue deux catégories essentielles dont la
différence réside dans divers critères tels que la nature, l’organisation etc.

-Le marché financier primaire :

C’est le marché ou les produits financiers dont les actions ou les obligations sont
suggérés aux acheteurs à première vue d’où l’autre appellation de marché à neuf.
C’est alors la diffusion des titres qui se déclenche par ce marché. Ces émissions
sont organisées par la banque d’investissement. Par la suite, le marché primaire
vise à améliorer le financement de l’économie réelle puisqu’il répond aux besoins
des acteurs principaux du marché ; les préteurs et les emprunteurs (les entreprises,
l’Etat, etc.)[23]

-Le marché financier secondaire (marché d’occasion) :

C’est le marché des négociations entre les acheteurs et les vendeurs qui ont
pour objectif la revente des titres financiers déjà émis et achetés pour la première
fois. De même que le marché primaire, les actifs d’échange sont principalement des
actions, des obligations, des options et des contrats à terme. Les marchés secon-
daires se composent à la fois d’un secteur bien arrangé et structuré qui respecte la
loi, c’est-à-dire il faut verser une portion d’argent, qui s’appelle commission, à la
bourse et un segment hors cote ou de gré à gré où la conciliation se fait directement
entre les agents économiques. Dans ce marché, les valeurs des produits peuvent
s’accroître par rapport à celle de l’émission.[23]

-Le schéma suivant peut mieux clarifier la différence entre les marchés et la nature
des transactions entre les agents économiques :

Figure 2.1 – Les types des marchés financiers

[24]

18
2.3 Les contributions de l’intelligence artificielle
aux marchés financiers
Dans ces dernières années, l’intégration de l’intelligence artificielle dans le secteur
financier ne cesse jamais de croître. Par la suite, une transformation magique, qui
est marquée par une facilité et une accélération de certaines méthodes de travail,
a été établie. En effet, l’intelligence artificielle arrive à faire les analyses et les
prédictions financières, estimer les risques, gérer le portefeuille, etc.

2.3.1 La personnalisation de l’expérience client

Il est certain qu’aujourd’hui, grâce à l’IA, on aboutit à répondre aux besoins
particuliers des clients dans plusieurs secteurs voire dans les marchés financiers.
En effet, une évolution institutionnelle a été installée depuis une quinzaine d’années.
En se penchant des différents types de données telles que les rapports financiers, les
communiqués de la presse, les enregistrements sonores ou les vidéos et en mettant
en relief la relation entre l’historique des opérations financières et la performance
des actions,lee rôle de l’intelligence artificielle est de faire une analyse explicite
et approfondi de la constitution des portefeuilles tout en détectant les anomalies
afin d’éviter les dangers et les risques prédéfinis. Par suite, ils fournissent une
résolution d’investissement précise et personnalisée. Également, cette approche
peut comprendre les relations entre les différents actifs et les facteurs de risques
qui mènent à une construction robuste de portefeuille.
En réalité, le client institutionnel qui est pratiquement l’investisseur a pour mission
de détailler la composition totale ou partielle de portefeuille, tout en faisant une
sélection des facteurs de risques qui sont multiples.
C’est l’exemple de « Sociétés internationales » qui fait référence à une expansion
internationale des entreprises. D’un côté, ceci peut permettre un développement
même un épanouissement imprévu. D’un autre côté, il peut présenter des risques qui
sont en relation avec l’instabilité des taux de change et des conditions économiques.
Ainsi, « Sociétés à fort dividendes » sont généralement les entreprises versant des
sommes assez élevé sous titres de revenu à ses actionnaires.
Par suite, l’investisseur décrit ses désirs, par exemple une exposition de 5% aux
sociétés internationales et de 15% aux sociétés aux forts dividendes. Puis, on a
l’intervention du logiciel qui est capable de faire une proposition d’un portefeuille
optimal qui sera adapté aux besoins spécifiques de ce client.
Parmi les technologies, on cite les « robo advisor » qui donnent des conseils
d’investissements aux clients. Ainsi, ces plateformes automatisent la gestion d’un
portefeuille d’actifs. Par exemple, Axyon AI utilise l’apprentissage profond afin
d’inventer les stratégies et de diagnostiquer le marché pour signaler toute cas

19
d’incohérence.[28]
Ci-dessous, nous donnons un exemple de tableau de bord d’Axyon qui donne des
prévisions sur les attentes des investisseurs.

Figure 2.2 – Tableau de bord d’Axyon

[29]

2.3.2 Automatisation des tâches

Rendre les tâches récurrentes de plus en plus automatiques par le biais des
logiciels d’intelligence artificielle est sûrement un gain de temps et de coût mais
aussi un outil pour limiter les erreurs.
On distingue parmi les activités faites par cette technologie celle d’extraire les
informations utiles afin d’afficher le prix futur d’un produit financier et proposer
les tendances de mouvements des actifs, c’est-à-dire les prévisions d’évolution.
En effet, l’IA n’aide pas seulement à faire l’analyse technique mais aussi l’analyse
fondamentale qui est basée sur les informations économiques et financières et grâce
aux algorithmes auto-apprenants cette analyse est cohérente avec les changements
que le marché subit au fil du temps.
De plus, les activités de back et middle office 3 sont, elles aussi, automatisées.
3. Ils sont en général toute tâche qui se répète souvent tels que la détermination quotidienne
des résultats par produit ou par ligne de produits et les rapports d’activité.

20
 D’après Revue banque, suite à une étude, il a été prouvé que grâce à l’application
d’IA et le Deep digital qui est un programme de transformation simultanée de
plusieurs processus opérationnels dans le but de les digitaliser d’une manière
radicale, les banques d’investissement et de financements arrivent à gagner plus
de 15 milliards de dollars lors de la transformation des chaînes de traitement via
l’automatisation.[30]

2.3.3 L’intermédiation des risques

Après la crise financière de 2009, L’activité des marchés financiers a vécu un
changement profond tout en passant d’un stockage de risque vers une gestion de
flux.
Dans ce cas, les intermédiaires jouent un rôle très important. Ils sont les teneurs
du marché, plus spécifiquement l’un de ses piliers : ils achètent et vendent les actifs
financiers (les obligations, les actions, les devises, etc.) sous le nom de leur client
ou pour leur propre compte. Comme ils représentent le lien entre les emprunteurs
et les prêteurs, les échéances sont par suite facilement distribuées. Ils sont ainsi
responsables de l’émission des dettes pour les différentes entités.
Ces derniers doivent à chaque fois vérifier que les produits captés ne présentent pas
un niveau de risque élevé. Si l’intermédiaire aperçoit que la valeur associée à une
acquisition ou une détention est assez élevée, il doit agir en fonction de la menace
financière associée, afin de minimiser le stockage de risque. Par ceci, on introduit la
gestion de flux : Il s’agit d’acheter et de vendre rapidement des actifs sans aucune
possession puis l’intermédiaire essaye de revendre ce qu’il achète et de racheter ce
qu’il vend.
Dans ce contexte, les logiciels de l’IA ont la mission de faciliter l’affaire en choisissant
les acheteurs et les vendeurs. Par la suite, on a une gestion meilleure de flux sans
que les banques ou les courtiers fassent des financements non souhaités.
En outre, l’IA fait une prédiction des risques associés à la détention des prix par
des calculs assez lourds et difficiles à faire à la main. Il s’agit, en effet, de toutes les
combinaisons possibles faites dans le monde entier par les différentes banques et
assurances. [28]

2.3.4 Le contrôle du marché

Aujourd’hui, il est devenu une nécessité de surveiller avec attention l’activité
du marché, plus spécifiquement ses opérations personnels et ses manipulations
afin d’éviter toute pratique illégale dont l’objectif est le bénéfice personnel. Donc,
l’embarras c’est de détecter ces pratiques.

21
Parmi les outils avancés, on cite l’automatisation de la détection du langage naturel,
c’est-à-dire repérer tout mot ou expression introduite à travers tous les types
d’échanges 4 et identifier celles qui apportent les doutes de fraude.
Au niveau du marché financier, on peut rencontrer des cas de manipulations non
traditionnels, donc les techniques de machine Learning doivent les détecter. En
faisant des contrôles sur des scénarios fixes et en appliquant le logique de seuil,
elles sont capables de déterminer toute transaction inhabituelle. Par exemple, elle
détecte s’il y a un investissement qui ne correspond pas aux habitudes du client au
niveau du montant ou du type d’instrument.[31]
Considérons la lutte contre le blanchiment de l’argent, des algorithmes d’IA sont
générés afin de le détecter. Pour juger leurs performances, deux métriques sont utili-
sées : la fiabilité en divisant le nombre des fraudes identifiés par l’algorithme par le
nombre de fraudes total et l’efficacité opérationnelle en divisant le nombre de fraudes
total par le nombre de fraudes désignés comme suspectes par l’algorithme.[32]
Ci dessous un graphe faisant la comparaison entre la performance de sept algo-
rithmes :

Figure 2.3 – Performance des algorithmes d’IA

[32]
En faisant une analyse de ce graphique, l’efficacité opérationnelle moyenne est
comprise entre 42% et 92% et la fiabilité moyenne est comprise entre 63% et 93%.
Ces résultats montrent l’importance et la nécessité de l’IA pour lutter contre le
blanchiment de l’argent. [32]

4. Mails, appels téléphoniques, etc.

22
2.3.5 L’émergence des données alternatives
Les données alternatives sont pratiquement des données non financières dont
leur analyse semble impossible par l’être humain. Elles présentent indirectement
l’état économique d’un pays. Par la suite, elles indiquent les valeurs des produits
financiers.
Parmi ces données, on distingue les images satellites qui sont qualifiées par une
haute précision et un coût qui a vécu une chute la dernière décennie. Donc, ces
images permettent de faciliter quelques axes qui étaient difficiles avant, tel que
la mesure de l’activité des villes par le biais de la luminosité ou de compter les
véhicules, etc. En effet, grâce au progrès continu de l’IA , la compréhension de ces
images devient de plus en plus moins compliquée.
Aussi, ces nouvelles données peuvent être les textes de brevets déposés par les
entreprises ou le trafic de leurs pages web. Tout en exploitant ces informations,
L’IA est capable de construire les indicateurs nécessaires de la santé économique si
elle est bonne ou mauvaise et les indices de l’offre et la demande dans quelques
domaines.
A l’aide des informations et des indices fournis par ces données, une estimation de
l’état économique est exprimée par des tableaux de bord élaborés par les stratégistes
ou les traders des banques. Ainsi, les prix des actifs seront fixés de manière plus
sage, tout en étant fidèle à l’économie du pays.[28]

2.4 Les risques liés à l’usage de l’IA sur les mar-

chés financiers
L’usage excessif et non contrôlé de l’IA peut conduire à plusieurs risques qui
menacent les activités des marchés financiers.

2.4.1 Risque de biais

Les algorithmes peuvent induire des biais s’ils ne considèrent pas certains
paramètres ou s’ils privilégient seulement quelques-uns, ce qui peut conduire à
des discriminations. En outre, ces algorithmes ont été faits en se basant sur des
données historiques, qui eux même peuvent contenir des biais en termes de genre,
d’âge, ou d’autres critères. Aussi, ces données ne représentent pas toujours la réalité
actuelle des marchés financiers. Les biais peuvent, aussi, être introduits lors de la
conception de façon involontaire, à la suite du choix des variables et des paramètres.
Tout cela peut impacter de manière significative la prise des décisions financières,

23
d’où la nécessité de la conception rigoureuse des algorithmes pour minimiser ces
biais et garantir des décisions justes et équitables. [33]

2.4.2 Cyber-risques
Les systèmes d’IA risquent de subir des cyberattaques et des piratages, ce
qui met les données sensibles en danger. En effet, les algorithmes peuvent être
vulnérables aux attaques tel que l’empoisonnement des données, qui consiste à
introduire des données incorrectes à un modèle d’IA afin de le perturber, ou les
attaques de régressions, qui consistent à manipuler les modèles d’IA et les pousser
vers des comportements indésirables. Les cyberattaques visent aussi à voler des
données sensibles et confidentielles telles que les transactions, les portefeuilles et
les stratégies d’investissement. L’exposition de ces données peut conduire à des
conséquences financières graves. Également, les marchés peuvent être manipulés
à travers l’IA. Ils peuvent perturber les systèmes de trading en diffusant de faux
signaux afin d’influencer les prix des actifs. En somme, les investisseurs peuvent
subir des pertes financières importantes à cause de ces cyberattaques. [33]

2.4.3 Volatilité des marchés

Suite à l’utilisation de l’IA sur les marchés financiers, on a une amplification
des risques de volatilité.
Cela est principalement à cause de l’évolution rapide des pratiques du marché.
En effet, les algorithmes peuvent réagir instantanément aux signaux du marché,
augmentant ainsi les mouvements de prix et causant des fluctuations brusques.
Cela peut, aussi, causer l’instabilité et l’imprévisibilité des marchés financiers, d’où
la difficulté de faire les tâches de prévision et évaluation des risques et les tâches
de prise de décision.
On peut même arriver à une perte de liquidité sur les marchés financiers car les
investisseurs auront du mal à investir dans un tel environnement instable. Donc,
il est nécessaire de prendre des mesures qui permettent de limiter ces risques
d’instabilité.[34]

2.4.4 Dépendance excessive

Les institutions financières utilisent des algorithmes sophistiqués dont ils sont
trop dépendants.
En effet, ils se basent principalement sur eux pour prendre des décisions financières,
ce qui peut conduire éventuellement à une perte du pouvoir d’analyser les marchés
de façon indépendante et de contrôler la prise de décision.

24
L’humain n’aura plus, donc, de contrôle sur les choix et les décisions des algorithmes
qui peuvent même ne pas être compris par lui, d’où l’augmentation de la fragilité du
système financier et le manque de transparence sur les décisions d’investissement.
En effet, ces algorithmes sont généralement trop complexes pour être compris par
les investisseurs et les régulateurs. En plus, cette dépendance peut augmenter la
vulnérabilité aux défaillances et aux pannes techniques, ce qui peut engendrer de
graves conséquences. [35]

2.4.5 Concentration de pouvoir

L’adoption de l’IA sur les marchés financiers nécessite un accès à d’énormes
quantités de données, un accès à des ressources financières importantes et un accès
à des ressources technologiques bien développées et complexes.
Donc, seulement les grandes entreprises, qui ont ces capacités, ont le pouvoir de
développer des algorithmes sophistiqués. Ils ont ainsi un avantage significatif en
termes de concurrence, d’où la concentration du pouvoir entre leurs mains et la
vulnérabilité des marchés à la manipulation.
En effet, ceux qui contrôlent ces algorithmes peuvent influencer les décisions d’in-
vestissement, les prix des actifs et les tendances du marché, afin de favoriser leurs
propres intérêts. Ce qui peut réduire la concurrence et l’intégrité des marchés
financiers et augmenter le déséquilibre et l’inégalité [36].

2.4.6 Effet sur l’emploi

Plusieurs tâches humaines dans le domaine financier peuvent être remplacer
par l’IA, tel que l’analyse et la saisie des données, le traitement de transaction et
principalement les tâches répétitives. L’automatisation de ces tâches traditionnelles
peut conduire à la suppression de ces emplois et à la réduction des offres d’emploi.
Les travailleurs bien qualifiés, tels que les data scientists, ne seront pas très affectés.
Pourtant, ceux qui sont moins qualifiés auront plus de mal à trouver des postes de
travail dans le domaine financier.
En outre, l’IA est en développement croissant d’où le besoin d’une formation
continue des travailleurs pour être au courant des nouvelles technologies, s’adapter
à tous ces changements et apprendre de nouvelles compétences.[36]

25
2.5 Les enjeux de l’IA sur les superviseurs finan-
ciers
Afin d’assurer un usage correct de l’IA, de nombreux défis et réglementations
doivent être relevés.

2.5.1 Les enjeux des assistants de conseil robotisés

Comme nous avons mentionné précédemment, les assistants de conseil robotisés
sont des robots aidant les clients à opter pour un investissement particulier ou pour
gérer le portefeuille.
Il est certain que l’utilisation arbitraire et mal étudiée de ce gadget est risquée, d’où
la nécessité de la soumission à des règles de travail. En effet, un assistant de conseil
doit être choisi en se basant sur deux principaux critères. Il faut qu’il soit qualifié
par une haute sécurité informatique pour protéger les données personnelles de la
clientèle, ceci est obligé par l’Etat afin d’assurer la conformité au RGPD puisque
cette règle protège les droits des clients, c’est-à-dire il s’applique des sanctions suite
à un irrespect des vies privés ou les cyber-attaques.
De plus, en cas d’exploitation de ces robots délivrant le conseil, il est exigé de
confirmer à chaque fois que le service est adéquat avec les besoins des clients : ses
buts, ses préférences et toutes ses caractéristiques doivent être mis en relief. Ceci
est, aussi, imposé par le directive et le règlement sur les marchés d’instrument
financier (MiFID II / MiFIR).[37]

2.5.2 La qualité des algorithmes

Il est indubitable est que l’efficacité des algorithmes est liée forcément à la
manière de la consommation correcte des données. En effet, le recours à l’IA repose
sur l’exploitation des données des différentes sources. Donc, cette étape ne doit pas
être arbitraire.
Pour assurer l’efficacité des données, il est préférable d’éviter l’utilisation des
données personnelles externes publiques telles que celles issues des réseaux sociaux.
Ainsi, il faut qu’ils soient sous contrôle quotidien et que le client n’hésite pas à
moderniser ses informations lors d’une modification. Aussi, les sources des autres
données doivent être crédibles et certaines, telles que les statistiques qui doivent
être obtenus de la part de l’ INSEE.
De plus, l’algorithme choisi doit être compréhensible et interprétable pour assurer
la transparence. Parallèlement à l’explicabilité, il faut absolument qu’il soit sous
contrôle et soumis à plusieurs tests de vigilance, surtout pour les algorithmes

26
auto-apprenants afin de suivre les décisions prises et évaluer ses performances, c’est
à dire vérifier que les résultats obtenus sont appropriés à la demande des clients,
c’est-à-dire à ses besoins fournis.[38]

2.5.3 Restrucations possibles du marché

2.5.3.1 Phénomène de concentration

Les institutions financières qui détiennent un grand nombre de données utiles

sont généralement les dominants du marché financier dans lequel ils exercent leurs
activités.
D’où le phénomène de concentration où ces institutions cherchent à se fusionner
afin d’avoir accès à plus de données et par suite améliorer leurs algorithmes.
Mais, ce phénomène suscite plusieurs enjeux tels que les risques systémiques accrus.
En effet, l’ensemble du système financier peut être affecté si une des importantes
institutions financières rencontre des problèmes.
En plus, on a les enjeux liés au pouvoir du marché accru qui permettent à ces
institutions financières d’imposer des conditions afin de favoriser leurs intérêts.
On a aussi une complexité réglementaire causée par la concentration puisque les
régulateurs seront face à moins d’acteurs de très grandes tailles. D’où la nécessité
de nouvelles réglementations pour les encadrer et les surveiller.
En outre, la concentration excessive peut causer une barrière à l’entrée pour les
nouvelles entreprises financières, d’où la réduction de la concurrence et de l’intégrité.
[39]

2.5.3.2 Phénomène de fragmentation

Un autre phénomène inverse du phénomène de concentration peut se produire,

c’est le phénomène de fragmentation, qui se produit quand on a une division en
plusieurs segments distincts du marché. Cela est dû à l’existence de beaucoup de
lieux d’échange, à la diversification des instruments financiers, aux réglementations
divergentes et aux avancées technologiques. Mais, ce phénomène suscite aussi
plusieurs enjeux tel que le risque de liquidité réduite, qui peut être causé par une
fragmentation excessive, d’où l’augmentation des coûts pour les investisseurs et la
difficulté de l’exécution des transactions. On a aussi les enjeux liés à l’augmentation
de la volatilité. En effet, ce phénomène est parmi les raisons de la volatilité des
prix à cause des différentes interprétations du marché par ses segments.
En outre, on a une complexité des opérations causée par ce phénomène, ce qui rend
le travail plus difficile pour les investisseurs et les entreprises qui se trouvent face à
plusieurs marchés et réglementations.

27
On a aussi une difficulté de surveiller les institutions financières par les régulateurs
car, à cause de ce phénomène, il devient obligé de les surveiller sur plusieurs
juridictions et marchés.[39]

2.6 Conclusion du chapitre 2

En guise de conclusion, l’intelligence artificielle est utilisée fréquemment dans
les marchés financiers malgré les risques qu’elle apporte. Pour cela, le recours à
cette technologie doit être soumis à des réglementations pour assurer une utilisation
saine et efficace. Donc, une étude approfondie de quelques marchés est nécessaire
pour mieux comprendre les avantages de l’intégration des techniques innovantes
dans leurs activités, toutefois il est important de savoir que leurs contributions
varient entre les différents pays du monde.

28
Chapitre 3

Le marché de l’IA

3.1 Introduction du chapitre 3

L’utilisation de l’IA dans les marchés financiers est en évolution rapide grâce aux
opportunités et aux avantages qu’elle offre aux acteurs du secteur financier. Dans
ce chapitre, nous allons explorer l’importance de l’IA dans les marchés financiers à
l’échelle mondiale, en fournissant des exemples concrets. Ensuite, nous donnerons
un aperçu de la place de l’IA dans le marché financier tunisien, en examinant
comment cette technologie émergente est utilisée. Enfin, nous allons examiner les
perspectives futures de son utilisation dans le secteur financier, afin d’avoir un
aperçu sur l’avenir de la finance et de la technologie liée à l’IA.

3.2 L’IA sur les marchés financiers à l’échelle

mondiale
L’application de l’IA aux marchés financiers dans le monde est en constante
augmentation. En effet, selon une étude de Gartner, 75% des équipes financières
vont viser à automatiser leurs tâches à travers les applications alimentées par l’IA,
d’ici 2025. Déjà, 52% des leaders de la finance se servent de ces technologies. [40]
D’après Internationale Data Corp, les dépenses qui sont en rapport avec l’IA dans
le secteur financier vont atteindre 97 milliards de dollars, ce qui représente une
croissance annuelle composée de 29%, ce qui montre l’importance de l’IA pour
les institutions financières et les banques centrales du monde. [41] Les banques et
d’autres institutions financières utilisent de plus en plus l’IA afin d’automatiser
certaines tâches, améliorer la prise de décision et la gestion des risques et accélérer
les processus.
En outre, selon le rapport AI in Banking d’Insider Intelligence, environ 80% des

29
banques trouvent que l’IA a d’énormes avantages dans leur secteur. En effet, cette
technologie leur permet d’améliorer l’expérience client en offrant un accès 24/7 à
leurs services.
Pour l’IA dans les finances personnelles, nous donnons l’exemple d’Eno de Capital
One, qui a était la 1ère banque américaine à avoir lancé un assistant basé sur des
SMS en langage naturel, qui peut anticiper les besoins des clients, les alerter sur les
fraudes soupçonnées et les informer des hausses de prix des services d’abonnement.
En addition, nous estimons que les applications de l’IA dans les services financiers
vont économiser 70 milliards de dollars pour les banques nord-américaines d’ici
2025.[42]

Aux États-Unis, l’IA est de plus en plus utilisée dans les marchés financiers, et
les institutions financières ne cessent pas d’investir dans ce domaine afin d’améliorer
leurs services :
-JP MORGAN Chase & Co, l’une des plus grandes banques américaines se sert de
l’IA afin de gérer des risques et analyser des données. En plus, Evident Insights Ltd
a déclaré que la banque avait 3600 postes à pourvoir en juin 2023. Ces postes sont
liés à l’IA. En plus, en 2022, elle a investi 10,8 milliards de dollars en technologie
et a consacré une grande partie de cet investissement à l’IA.[41]
-Allianz, une grande compagnie d’assurance aux États-Unis, se sert de l’IA dans
des applications telles que l’évaluation des risques et l’analyse des données. On
estime son chiffre d’affaires, en 2020, à 140 milliards d’euros.
-Nasdaq, l’une des plus grandes bourses aux États-Unis et au monde, emploie l’IA
dans la surveillance des transactions, la détection des anomalies et l’analyse des
données.
-Goldman Sachs, une banque d’investissement, utilise l’IA dans la prédiction des
tendances du marché et l’optimisation de ses portefeuilles d’investissement.
-PayPal, une plate-forme de paiement en ligne, intègre l’IA dans ses opérations
afin de détecter les fraudes, protéger les transactions et améliorer l’expérience
client. Et c’est grâce à cela, que cet acteur majeur dans le domaine des paiements
électroniques a réalisé, en 2020, une croissance de 24% de ses revenus par rapport
à 2019. [43]

On a, aussi, un intérêt croissant pour l’IA dans les marchés financiers allemands
et plus particulièrement dans les banques.
Voici quelques banques allemandes qui utilisent l’IA :
-Deutsche Bank, l’une des plus grandes banques d’Allemagne, utilise l’IA afin
d’améliorer la gestion des risques, la détection de fraude et l’expérience client. En
effet, elle est en partenariat avec Taurus, une start-up crypto suisse, dans le but
de mettre en place des services de conservation et de tokenisation d’actifs numé-

30
riques. [44] En outre, Deutsche Bank a conclu un deal avec Google qui va l’aider à
créer des solutions bancaires innovantes dans l’IA et moderniser son architecture
informatique. Cela va changer la manière dont elle fournit ses services aux clients
et va aider à améliorer les opérations de prédiction de flux de trésorerie et de
gestion des risques. [45] Également, cette banque a fait un partenariat avec Nvidia
pour développer son usage des technologies de l’IA. Ce partenariat a pour objectif
d’améliorer la manière de la gestion des services financiers fournis par Deutsche
Bank. En outre, cette banque veut réaliser des calculs pendant la journée et non
seulement pendant la nuit, en se servant des technologies de calcul accélérée de
Nvidia, afin d’améliorer la gestion des risques. La banque veut aussi développer
l’extraction d’informations à partir de données non structurées. Enfin, elle veut
créer des avatars virtuels pour faciliter certaines tâches aux employés et rendre
leurs interactions avec les clients plus immersives.[46]
-Commerzbank, une autre banque parmi les plus grandes d’Allemagne, s’intéresse à
l’IA pour une optimisation de ses processus internes et de meilleurs services client
personnalisés.
En effet, Commerzbank s’est tourné vers FRA.f, qui est une société fintech qui se
spécialise principalement dans la conformité réglementaire et l’analyse des risques
financiers. Ce partenariat va offrir à la banque la possibilité de naviguer dans des
cadres réglementaires complexes. Il lui permettra aussi d’améliorer ses processus
de gestion de risques et de prise de décisions grâce à des technologies d’IA et
d’apprentissage automatique. [47]

L’utilisation de l’IA dans les marchés financiers au Vietnam est en hausse.

En effet, on a eu l’apparition d’un nouveau modèle de fonds d’investissement au
Vietnam qui s’appelle Novaon Capital. Ce modèle se sert de l’IA afin d’analyser
les états financiers, faire la prédiction des tendances de développement et préciser
les avantages et les risques de l’investissement financier. Novaon Capital à fait une
croissance de plus de 87% au cours de 2021 suite à l’utilisation des technologies de
l’IA dans le but de remplacer les humains dans les activités d’investissement. [48]
Au Vietnam, 94% des institutions financières sont intéressées par les avantages de
l’utilisation de l’IA dans le secteur financier, selon Finastra. Et cela se voit dans le
développement de son utilisation dans les applications bancaires et les portefeuilles
électroniques. Nous donnons l’exemple de TPBanK qui a utilisé dans son canal
bancaire LiveBank, une technologie de reconnaissance faciale. Son programme d’IA
qu’elle a mis en œuvre peut identifier une personne parmi des millions en analysant
128 critères sans la nécessité de recourir à des documents d’identification. Égale-
ment, VietinBank gagne 30% du temps requis pour le traitement des transactions
grâce à l’utilisation des kiosques d’identification FaceID.
Aussi, d’autres banques vietnamiennes telles que VIB, VPBank, ACB et Tech-

31
combank ont utilisé l’IA dans plusieurs applications comme la gestion d’actifs,
la gestion des risques, la détection des fraudes et l’utilisation des chatbots afin
d’améliorer l’expérience client. [49]

3.3 L’impact de l’intelligence artificielle sur le

marché financier tunisien
Il est certain qu’aujourd’hui, la Tunisie fait recours à l’intelligence artificielle
dans le monde du travail, tout en occupant la 4ème place en Afrique et la 70ème
place dans le monde, d’après Le rapport « Government AI Readiness Index 2020
».[50]
Il est donc indubitable que cette technologie a intégré le secteur financier. En effet,
on compte plus que 60 Fintech en Tunisie dont les exercices sont concentrés sur le
marché local avec un pourcentage de 63%.[51]

3.3.1 Le fonctionnement du marché financier

Dans le marché financier tunisien, on compte que la bourse des valeurs mobilières
de Tunis (BVMT) joue un rôle principal en tant qu’ intermédiaire entre les agents
excédentaires et les agents déficitaires. Elle a comme mission de gérer les valeurs
mobilières, c’est-à-dire elle assure la négociation des titres qui inclut à son tour
les ordres de l’achat ou de la vente décidés par le client (le nom d’instrument, le
nombre de titres à négocier, les conditions etc.) et introduites par les intermédiaires
en bourse.
En outre, aujourd’hui cette opération sera faite par le biais des systèmes de cotation
informatique. En effet, un ordinateur est confronté aux consignes, et par suite il
analyse ses ordres afin de déterminer le prix d’équilibre le plus optimal et assure
l’échange de la quantité maximale des instruments.
Ces systèmes de cotation ne fonctionnent pas de la même manière pour tous les
instruments. Ils s’adaptent automatiquement au degré de la liquidité des actifs
qui fait référence à la rapidité pour faire un achat ou une vente des actifs sans
influencer le prix. On dit qu’un marché est plus liquide lorsque l’accomplissement
des transactions est facile, rapide et pas trop cher.
Pour mieux comprendre le rôle de cette automatisation sur le marché financier
tunisien, il est impératif de faire une simple comparaison entre ce système informa-
tique et le système par écrit.
Le système de cotation par écrit est très ancien : Tous les ordres sont confrontés

32
en les écrivant un par un au cours de la séance de négociation. Ainsi, pour qu’un
investisseur soit servi, il doit être présent. Ensuite, les informations sur les marchés
de différentes valeurs ne sont pas diffusées de façon égale. Pour obtenir les résultats
de la négociation, l’investisseur doit attendre.
Par contre, pour les systèmes informatiques, les ordres sont traités systématique-
ment. Aussi, la présence physique du client n’est pas nécessaire, car il est au courant
de la situation de négociation à tout moment.[52]

3.3.2 Rôle des intermédiaires financiers sur les marchés

Pour passer un ordre, le client doit passer par les intermédiaires qui sont les
banques et les courtiers (Personnes qui relient les investisseurs et les émetteurs).
Le client peut passer directement par un intermédiaire en bourse ou par la banque
qui dépose ses titres qui est chargé de transmettre les ordres aux sociétés d’inter-
médiation en bourse.[53]
On compte plusieurs en Tunisie qui utilisent l’intelligence artificielle afin d’achever
leurs missions. Voici quelques exemples :
- Amen Bank : En tant que partenaire avec Deepeera AI, la Fintech tunisienne,
Amen Bank a réussi à lancer le premier chatbot tunisien intelligent. Grâce à lui,
une amélioration de l’expérience client a été réalisée puisqu’il ya une interaction
sans interruption avec ses utilisateurs.[54]
- FINACORP : Afin de satisfaire leurs clients, elle les offre une plateforme de
trading en ligne pour leur faciliter la tâche de saisir leurs ordres d’une manière
sécurisée et avoir l’accès à leur comptes à tout moment.[55]
- Arab Funancial Consultants(AFC) : Elle est considérée parmi les leaders en
intermédiation en bourse puisque leur activité englobe l’ensemble des titres du
marché financier tunisien. Elle est spécialisée dans la gestion des actifs et l’analyse
financière. Pour accomplir ses missions en tant qu’ intermédiaire en bourse , l’AFC
a créé une plateforme de négociation à la disposition de ses clients. Cette dernière
s’appelle ‘AFCnet’ qui permet aux utilisateurs de :
-passer leurs ordres en ligne.
-faire un suivi de leurs portefeuilles.
-faire un suivi du marché de la bourse en temps réel.[56]

3.4 Les perspectives futures de l’intelligence ar-

tificielle dans les marchés financiers
Aujourd’hui, l’IA a envahi le secteur financier et plus spécifiquement les activités
du marché. En effet, l’intégration de cette technologie ne fait pas développer la

33
finance mais la digitaliser.
Il est certain qu’on est en train d’atteindre une mutation digitale mais on ne peut
pas affirmer qu’on est arrivé à réaliser tous les objectifs.

3.4.1 Perspective historique : l’évolution de l’IA sur les

marchés financiers
L’intégration de l’IA dans les marchés financiers commence par l’utilisation des
réseaux neuronaux dans les années 1980 en faisant des prédictions sur les tendances
de marché. Mais, en effet, les prévisions ont été limitées à cause de l’absence d’une
base des données assez large .
Dans les années 1990, l’IA a vécu un développement remarquable : LA puissance
de calcul et l’abondance de l’internet ont amélioré la disponibilité des données. Par
la suite, un progrès technologique ea été realisé par des algorithmes de machine
learning qui ont la capacité de faire des prédictions plus fiables qu’avant ainsi que
d’autres applications telle que la détection des fraudes.
Dans les années 2000, les transactions des marchés financiers sont automatiquement
exécutés. Donc, l’analyse des données et la prise des décisions de trading se fait
par le biais de l’IA dans une courte période.
Aujourd’hui, une nouvelle révolution de l’IA dans les marchés consiste à faire
recours au deep learning pour l’analyse des quantités géantes d’informations telles
que les cours de la bourse et les articles discutant les actualités de la finance.
L’historique de l’IA dans les marchés financiers montre que l’épanouissement
technologique n’est pas stable d’où on peut dire que dans l’avenir nous attendons
de nouvelles utilisations plus développées.[57]

3.4.2 L’analyse financière

Il est certain que l’IA est arrivée à automatiser plusieurs tâches répétitives grâce
à la disponibilité des données, qui sont en croissance exponentielle, et la puissance
de calcul des ordinateurs.
Ceci est justifié par le diagramme ci-dessous qui montre l’explosion des données :

34
 Figure 3.1 – L’explosion des données
[37]

Mais, ce qu’on vise réellement est que l’IA ne soit pas confinée à une pensée unique.
Il faut, donc, multiplier les IA pour que chacune soit spécifique à des capacités et
limitations spécifiques.
Malgré l’épanouissement technologique, on ne peut pas abandonner le métier d’
analyste financier. En fait l’IA lui facilite les tâches et lui permet de passer plus
de temps avec les clients : les investisseurs particuliers ou les entreprises, mais son
opinion reste toujours indispensable. [58]

3.4.3 Remodelage de la réglementation financière

Comme nous avons mentionné avant, l’IA aide à faire le contrôle des marchés.
Donc, si les régulateurs font recours à ses technologies pour prévenir les anomalies
de trading (une performance boursière différente à celle prévue) et détecter les
actes frauduleux, les marchés deviennent certains et sécurisés pour les acheteurs et
les vendeurs. [59]

35
3.4.4 Vision futuriste de l’IA
Il est prouvé que l’intelligence artificielle arrive à automatiser plusieurs tâches
telles que la gestion des portefeuilles et le conseil en investissement.
Cependant, dans l’avenir, on ne veut plus une exécution simple des tâches. On vise
plutôt à générer, par le biais de cette technologie, des stratégies permettant une
stabilité financière et la croissance économique du pays. En plus, il est certain que
l’IA ne serait plus figée, au contraire elle passe vers des stades plus innovants et
créatifs.
On peut parler de « IA explicable » dans le but de faciliter la compréhension des
résultats issues par les systèmes. Elle devient, par suite, une arme double tranchant
qui fait gagner en même temps la confiance des clients ainsi que la conformité aux
lois puisque les décisions prises sont caractérisées par la transparence.
Ainsi, « l’apprentissage par renforcement » permet d’avoir la décision la plus
adéquate possible. En effet, les systèmes apprennent par leurs erreurs commises et
par la suite ils corrigent les méthodes déjà utilisées.[59]

3.4.5 Perspective à l’égard des institutions financières

Comme l’utilisation de l’IA a envahi les activités des institutions financières, il
est prévu que d’ici jusqu’à 2027 les dépenses de cette technologie vont doubler.
Nous donnons l’exemple de JP Morgen Chase and CO, qui est un holding financière
regroupant plusieurs institutions considérées parmi les leaders dans les transactions
financières, le marché des produits dérivés, même dans le capital-investissement qui
fait référence à l’utilisation des capitaux pour l’achat des parts des entreprises non
cotées en bourse. Comme nous avons mentionné avant, en juin 2023, il est montré
que ce holding a 3600 postes spécifiés principalement à l’intelligence artificielle. [41]

3.4.6 Investir en IA
L’IA n’est qu’un outil utilisé pour améliorer l’activité des marchés, mais il faut
investir en elle, car les prédictions montrent que le marché de l’IA sera évalué à
environ 1300 milliards en 2030. En effet, cette technologie ne cesse pas à évoluer
tout en ayant à chaque fois des créations et des transformations révolutionnaires.[60]
Parmi les actions des secteur de l’IA, on distingue Microsoft, et AMD 1 [61]
1. L’AMD fait le développement, la fabrication et la commercialisation des technologies
graphiques et informatiques.

36
3.5 Conclusion du chapitre 3
En conclusion, L’utilisation croissante de l’IA dans les marchés financiers à
travers le monde a joué un rôle significatif dans leurs développements et leurs
croissances , ouvrant ainsi de nouvelles perspectives futures et offrant des avantages
en rapport avec la rentabilité, l’efficacité et l’innovation. En particulier, la Tunisie
présente un potentiel significatif pour l’intégration de l’IA dans son secteur financier,
ce qui peut contribuer à l’amélioration de l’efficacité des ses marchés, la réduction
des coûts et l’augmentation de l’accès aux services financiers.

37
Conclusion générale

L’IA a un impact croissant sur les marchés financiers et ouvre ainsi la voix à
une ère d’innovation et d’efficacité. Nous nous sommes, donc, intéressées, dans ce
projet, à explorer plusieurs dimensions de cet impact.
Nous avons tout d’abord entamé le premier chapitre par une définition de l’IA dans
les marchés financiers. En outre, ce chapitre décrypte l’essor de l’IA, ses fondements
théoriques, son histoire et ses applications variées. Cette technologie, bien que
polysémique, repose sur des fondements solides. Son développement exponentiel est
alimenté par l’essor des données, la puissance de calcul et l’avènement de nouvelles
techniques d’apprentissage automatique.
Le deuxième chapitre est consacré à ses contributions au marché financier ainsi que
les défis et les risques associés à son utilisation. L’IA est devenu un outil puissant qui
aide à renforcer les stratégies des entreprises en automatisant des tâches répétitives,
analysant des données complexes et prenant des décisions d’investissement plus
éclairées. Mais, les questions liées à la sécurité des données, la transparence des
algorithmes et l’emploi nécessitent une attention particulière afin de garantir
une utilisation responsable de cette technologie. Aussi, les enjeux de l’IA pour
les superviseurs et les acteurs du marché sont multiples, d’où la nécessité d’une
collaboration étroite pour encadrer son utilisation et maximiser ses avantages.
Quant au troisième chapitre, il présente l’impact de l’IA sur les marchés financiers à
l’échelle mondiale puis en Tunisie. L’IA offre plusieurs opportunités qui permettent
de révolutionner les marchés financiers en favorisant l’inclusion, l’efficacité et l’accès
à l’information pour tous. Également, en examinant le cas spécifique de la Tunisie,
nous avons constaté que l’IA peut jouer un rôle crucial dans le développement
des marchés financiers du pays. De surcroît, nous avons exploré ses perspectives
futures qui semblent être prometteuses, offrant ainsi des opportunités d’innovation
d’efficacité et de croissance à long terme.
En guise de conclusion, l’IA est en train de bouleverser les marchés financiers. En
effet, elle peut être utilisée pour le meilleur comme pour le pire. Il faut, donc, qu’on
veille à ce qu’elle soit utilisée avec sagesse et prudence afin de façonner un avenir
financier plus innovant, résilient et inclusif pour les générations futures.
Alors que nous clôturons notre projet sur l’impact de l’intelligence artificielle sur les

38
marchés financiers, il est crucial de noter que l’IA affecte d’autres domaines dont
certains représentent un sujet d’actualité tout aussi crucial, tel que la colonisation
spatiale, qui est un sujet complexe et ambitieux. En effet, avec l’émergence de
nouvelles technologies et l’intérêt croissant des acteurs privés et publics, l’humanité
peut un jour arriver à étendre ses frontières au-delà de la terre. Et l’IA, qui est un
outil très puissant, peut contribuer à la réalisation de ce rêve.

39
Bibliographie

[1] NetApp. Intelligence artificielle : définition et utilisations, 2024.

[2] Data Analytics Post. Intelligence artificielle, 2024.
[3] Irène. Intelligence artificielle : définition, types et exemples d’application,
octobre 2020.
[4] Free-Work. IA faible : en quoi ça consiste ? Free-Work.fr, may 2022.
[5] Benoit Reger. Ia forte vs ia faible : définitions, fonctionnalités et exemples.
Blog HubSpot, avril 2024.
[6] Nicolas P Rougier. Une brève histoire de l’intelligence artificielle. In Pint of
Science, 2015.
[7] Musée Informatique. Quels facteurs ont permis l’essor de l’intelligence artifi-
cielle ? Musée Informatique, mai 2023.
[8] WebOtit. Best intelligence artificielle, ia entreprises. 2023.
[9] Oracle France. Intelligence artificielle, machine learning, deep learning. 2023.
[10] Evoly Consulting. Financement de l’intelligence artificielle. 2023.
[11] Raphael Kassel. Qu’est-ce que l’apprentissage automatique ? Formation Data
Science | DataScientest.com (blog), 2021.
[12] Jérémy Robert. Deep learning ou apprentissage profond : qu’est-ce que c’est ?
Formation Data Science | DataScientest.com (blog), septembre 2020.
[13] Inc. Amazon Web Services. Qu’est-ce que l’étiquetage des données ?, avril
2024.
[14] Author 1 and Author 2. Title of the article. Journal Name, Volume Num-
ber :Page Numbers, 2023.
[15] IBM. Qu’est-ce qu’un réseau de neurones ?, avril 2024.
[16] Céline Deluzarche. Définition | deep learning - apprentissage profond. Futura
Tech, avril 2024.
[17] FasterCapital. Assistants virtuels siri alexa. 2023.

40
[18] ArterIA. Quelles applications peut-on espérer grâce à l’ia dans le domaine de
la santé ? 2023.
[19] Ismaïl. Intelligence artificielle et education : les applications possibles. Oscar
Black (blog), 2024.
[20] Intel. L’ia dans les services financiers : Cas d’utilisation et... 2023.
[21] IBM. Qu’est-ce que le traitement automatique du langage naturel ? 2023.
[22] IBM. Qu’est-ce que la computer vision ? 2023.
[23] Léa Boluze. Marchés financiers : Fonctionnement et rôle. Capital.fr, octobre
2019.
[24] Autorité des marchés financiers. Comprendre les marchés financiers.
[25] Sabbar. Le marché financier. Economie, 2, 2024.
[26] Conseil du Marché Financier. Intervenants sur le marché financier. 2024.
[27] Boursier.com. Quels sont les acteurs des marchés financiers ? Guide pour
débuter en bourse, 2024.
[28] Charles-Albert Lehalle. La finance de marché à l’ère de l’intelligence bon
marché.
[29] Capterra. 3 applications d’intelligence artificielle pour les banques. Capterra
Blog.
[30] Boursorama. L’ia : une révolution ou un danger pour les marchés ? Boursorama,
2021.
[31] Intelligence artificielle : quels impacts pour les marchés financiers ? Revue
Banque, 2024.
[32] Fatoumata Dama. L’intelligence artificielle au service de la lutte contre le
blanchiment d’argent - État de l’art. ActuIA.
[33] Mathias Avocats. Focus sur l’intelligence artificielle dans le secteur financier :
quels usages, quel cadre ? 2023.
[34] Eddy. L’impact de l’intelligence artificielle sur les marchés financiers. Eddy,
2023.
[35] Olivier FLICHE and Su YANG. Intelligence artificielle : enjeux pour le secteur
financier. 37 :19–20, 2018.
[36] Parlement européen. Intelligence artificielle : opportunités et risques, 2020.
[37] Les Echos. Intelligence artificielle dans le secteur bancaire et financier. Les
Echos, mars 2021.
[38] Olivier FLICHE and Su YANG. Intelligence artificielle : enjeux pour le secteur
financier. 37 :22–24, 2018.

41
[39] Olivier FLICHE and Su YANG. Intelligence artificielle : enjeux pour le secteur
financier. 37 :26–27, 2018.
[40] Yokoy. L’ia en finance : 10 cas d’utilisation à connaître en 2024. Yokoy -
Gestion des dépenses basée sur l’IA, 2024.
[41] Jonathan Kearns. L’intelligence artificielle et le secteur financier. Finance
Développement, 60(4), 2023.
[42] eMarketer. Ai in finance 2022 : Applications benefits in financial services.
eMarketer, 2022.
[43] CAPEXFI. Méthodes et avantages de l’intelligence artificielle (ia) en finance.
CAPEXFI, février 2021.
[44] Les Echos. Deutsche bank se lance dans la conservation et la tokenisation
d’actifs cryptos. Les Echos, septembre 2023.
[45] ICT Journal. Deutsche bank compte sur le cloud et l’ia de google pour se
transformer. ICT Journal, juillet 2020.
[46] L’Usine Digitale. Deutsche bank se tourne vers nvidia pour déployer des
technologies d’intelligence artificielle. L’Usine Digitale, 2023.
[47] FasterCapital. Commerzbank cbk et fra f mise a jour sur la synergie financiere.
2024.
[48] Le Courrier. Intelligence artificielle dans les investissements financiers. 2024.
[49] Dang Cong San. L’ia est déjà bien présente dans les services financiers au
vietnam. 2023.
[50] Marwa Saidi. Intelligence artificielle : La tunisie peut rejoindre la cour des
grands. La Presse de Tunisie (blog), 2023.
[51] Managers. Baromètre des fintechs en tunisie 2023 : l’évolution du secteur.
Managers, 2023.
[52] Monia Johmani. Modernisation de la cotation electronique et dynamique
boursière : le cas de la bourse en ligne, septembre 2009.
[53] Le marché financier.
[54] +SKWEREAriana. Amen bank lance le premier chatbot bancaire intelligent
en tunisie, « amenbot », avril 2024.
[55] FinaCorp. Finacorp - finance and investment in north africa.
[56] Afc - amendement financier et conseils.
[57] Cyril Vallotton. L’évolution de l’ia sur les marchés financiers : Une perspective
historique. Pryme Capital, avril 2023.
[58] Intelligence artificielle et perspectives des marchés financiers en 2024, 2024.

42
[59] Conseillers Avnear. L’intelligence artificielle révolutionne les secteurs financiers.
Avnear (blog), 2023.
[60] Ruben Brami. L’intelligence artificielle, un marché de 1300 milliards en 2030.
Neofa (blog), janvier 2024.
[61] Investir dans l’intelligence artificielle : quelles opportunités ? IG, 2024.
[62] Saagie. L’intelligence artificielle dans les jeux vidéo. 2018.

43