Académique Documents
Professionnel Documents
Culture Documents
Elaboré par :
Nermine Rahmeni
Encadré par :
1ère Année GI
i
Table des matières
Introduction générale 1
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
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
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
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]
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]
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]
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]
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]
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]
9
-L’apprentissage 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]
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 :
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]
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]
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.
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]
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
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 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
-Les régulateurs
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.
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]
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 :
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.
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.
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]
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 :
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]
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]
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]
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.
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]
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]
28
Chapitre 3
Le marché de l’IA
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]
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]
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]
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.
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]
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]
3.4.6 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
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