Les humains ne sont pas les seuls à provoquer des mouvements en bourse. Les «algo-traders» travaillent depuis plus de vingt ans avec des systèmes qui extraient les informations pertinentes de l’actualité et qui, guidés par des règles, déclenchent ensuite automatiquement des ordres de vente en cas de mauvaises nouvelles et des ordres d'achat en cas de bonnes nouvelles. Ou l'inverse, car les mauvaises nouvelles sont souvent de bonnes opportunités d'achat et vice-versa. Toutefois, dans le brouhaha général des marchés, reconnaître les signaux décisifs devient toujours plus difficile.

Grâce au machine learning, les systèmes avancés de trading algorithmique reconnaissent de mieux en mieux quels signaux font bouger les cours de la bourse. Certains gestionnaires d'actifs travaillent avec des systèmes qui exploitent non seulement les données boursières, les indicateurs techniques et les actualités, mais aussi les rapports annuels et les commentaires des analystes. D'autres systèmes utilisent également la communication sur les réseaux sociaux. Cependant, selon une évaluation de la société d'analyse Scope, le bilan de ces fonds qui investissent à l’aide de tels systèmes d'IA est mitigé. 

Il y en a certes quelques-uns qui font jeu égal avec des indices de référence mondiaux. Mais, à court terme, la plupart de ces fonds réalisent un moins bon score que les indices de référence. En effet, l'intelligence artificielle a tendance à renforcer les stratégies de momentum, ce qui fait que les fonds correspondants sont en retard sur le marché dans les phases de faiblesse, mais surpassent souvent les indices de référence dans les phases plus favorables.

Aux États-Unis, plusieurs courtiers en ligne spécialisés mettent des systèmes d'IA à la disposition de leurs investisseurs. Des plateformes comme Trade Ideas, Signal Stack, Stock Hero et Trend Spider travaillent avec ce que l'on appelle des «trading bots», où les utilisateurs - après s'être familiarisés avec les simulations et les backtests - peuvent faire exécuter leurs ordres par les algorithmes.

Depuis 2010, Swissquote dispose d'un robo-advisor qui place automatiquement les fonds. Il utilise une approche de gestion de portefeuille quantitative qui combine les statistiques, les mathématiques et l'algorithmique. L'univers de placement comprend des milliers de titres (valeurs individuelles, ETF, fonds, produits structurés) qui peuvent être combinés de différentes manières pour former autant de portefeuilles que nécessaire. Chaque client dispose d’un portefeuille individuel. Mais, selon une porte-parole, en raison de la fréquence des changements de stratégie, il n'est pas possible de présenter une performance moyenne.

Selon les analystes de Morgan Stanley, la gestion de portefeuille et le traitement automatisé des transactions ne sont que deux des nombreux champs d'application de l'intelligence artificielle dans les placements financiers. L'analyse des actualités, l'onboarding automatisé des nouveaux clients ou la détection des fraudes sont des thèmes transversaux de l'IA qui sont certes également pertinents pour les plateformes de courtage en ligne, mais qui se sont également établis et ont fait leurs preuves dans d'autres secteurs de l'économie numérique.

Le point commun de tous les systèmes d'intelligence artificielle est l'important travail caché que représentent la collecte des données, leur traitement, ainsi que les formations. Sans les retours permanents des humains, les systèmes ne fonctionnent pas. De plus, tous les systèmes d'IA travaillent avec les mêmes processeurs spéciaux de quelques entreprises comme Nvidia et utilisent les environnements cloud des grandes firmes comme Amazon Web Services, Google ou Microsoft. Selon les analystes de Morgan Stanley, d'autres dépenses cachées pour l'énergie et les lignes de données augmentent également.

Ces grandes entreprises technologiques sont souvent considérées comme les gagnantes de la vague de l’intelligence artificielle. Toujours selon les experts de la banque américaine, il existe toutefois deux autres catégories d'entreprises que de nombreux investisseurs négligent. Il s'agit d'une part des entreprises tech de taille moyenne qui se sont spécialisées dans l'amélioration des réseaux de données. Et d'autre part, des entreprises qui sont déjà établies dans l'économie numérique dans les domaines des voyages en ligne, du commerce électronique, des services médicaux personnalisés et de la logistique, et qui intègrent désormais particulièrement bien les progrès de l'IA dans leurs interactions numériques avec les clients. Dans ce domaine, on n'en est qu'au début. Et la course est encore largement ouverte.