« Seuls 27 % des EAM considèrent leurs données comme suffisamment structurées pour l’IA. »

L’IA s’impose comme une opportunité stratégique pour les gérants indépendants suisses, mais son adoption reste encore largement au stade de l’expérimentation. Une étude menée par la Haute école spécialisée de Lucerne auprès des EAM met en lumière les principaux freins à son déploiement, de la qualité des données à la protection de la confidentialité. Tatiana Agnesens et Manfred Stüttgen soulignent ici le rôle déterminant d’une stratégie claire pour passer des premiers usages à une véritable intégration de l’IA dans les métiers de la gestion.

La moitié des EAM que vous avez interrogés utilisent déjà l’IA, mais seuls 11 % des cas d’usage sont passés au stade de l’implémentation à grande échelle. Qu’est-ce qui empêche tous ces gérants d’aller au-delà du simple stade de l’expérimentation ?

Les EAM sont très intéressés par les cas d’usage potentiels de l’IA. Ils restent toutefois préoccupés par la protection des données et la confidentialité lorsqu’il s’agit d’intégrer l’IA dans leurs processus internes.

Ils sont également encore assez sceptiques quant à la fiabilité et à la précision des résultats produits par l’IA. Le principal obstacle à une implémentation à grande échelle reste toutefois l’absence d’une stratégie IA plus globale. Lorsqu’un EAM décide de faire de l’IA une priorité et d’en tirer pleinement parti, ces différents obstacles peuvent être surmontés.

Seuls 27 % des EAM considèrent leurs données comme suffisamment structurées pour l’IA. En revanche, 83 % d’entre eux voient dans l’IA une opportunité stratégique. Dans quelle mesure la préparation des données risque-t-elle de devenir un frein ?

En effet, la préparation des données est actuellement considérée comme le principal frein à l’adoption de l’IA par les EAM. Ils estiment que leurs données ne sont ni suffisamment structurées ni suffisamment fiables pour produire les résultats attendus. Remédier à ces problèmes constitue donc le socle d’une adoption pertinente de l’IA. Certains EAM ont déjà engagé ce travail, d’autres sont en train de le faire et nous nous attendons à ce que davantage d’entre eux suivent cette voie prochainement.

La recherche d’investissement est aujourd’hui l’un des domaines où l’IA progresse le plus, tandis que l’onboarding et la réconciliation des données restent en retrait malgré un potentiel comparable. Comment expliquez-vous cet écart entre les processus à forte composante textuelle et ceux davantage liés aux workflows ?

La recherche d’investissement fait partie de ces processus à forte composante textuelle dans lesquels l’IA peut exploiter d’importants volumes de données externes. Des outils génériques et familiers comme ChatGPT peuvent également être utilisés. Le screening des actions ainsi que les analyses qualitatives ou quantitatives peuvent être réalisés très efficacement sans soulever de problèmes particuliers liés aux données ou à la confidentialité.

L’onboarding et la réconciliation des données relèvent d’une logique différente. Ils nécessitent la mise en place d’outils spécifiques, fondés sur des projets internes et un budget dédié, idéalement dans le cadre d’une stratégie IA à l’échelle de l’entreprise. Or cette stratégie fait encore souvent défaut.

Les préoccupations liées à la protection des données ont été citées par 85 % des répondants, alors que l’incertitude réglementaire diminue nettement avec l’expérience. Cela signifie-t-il que les recommandations de la FINMA en matière d’IA sont intégrées plus rapidement que prévu ?

À notre surprise, nous avons constaté que les recommandations de la FINMA en matière d’IA ne sont pas considérées comme un obstacle majeur à son implémentation. Les EAM doivent naturellement en tenir compte, mais ils se considèrent comme des acteurs expérimentés et prudents face au risque, capables de se conformer à ce type de recommandations.

Ils voient l’implémentation de l’IA comme celle de toute nouvelle technologie, avec un certain nombre de contraintes à respecter, notamment une gouvernance appropriée, des contrôles permettant de garantir la qualité des données et une documentation adéquate. La protection des données constitue un élément important de ce dispositif, mais elle répond moins aux exigences de la FINMA qu’à la volonté des EAM de préserver la confidentialité de leurs clients.

Vous dites que les EAM recherchent “une stratégie et une feuille de route, plutôt que davantage d’outils”. À quoi pourrait ressembler une feuille de route réaliste pour un EAM de taille moyenne aujourd’hui ?

Elle pourrait notamment prendre la forme d’un guide pratique consacré à l’IA pour les EAM, accompagné d’une vue d’ensemble des cas d’usage potentiels, de leurs modalités de mise en œuvre et des coûts associés. Il serait également utile d’y intégrer une évaluation quantitative et qualitative des risques et des bénéfices. Les EAM disposeraient ainsi d’une vision plus concrète des coûts, des avantages et des possibilités offertes par l’IA.

Si l’on regarde l’ensemble de la chaîne de valeur, quels processus présentent aujourd’hui le plus grand écart entre leur potentiel en matière d’IA et leur niveau d’adoption ?

La qualité et la réconciliation des données, ainsi que l’onboarding et l’ouverture de comptes, figurent parmi les processus où le potentiel de l’IA est élevé, mais où son adoption reste relativement faible. C’est là que l’écart est aujourd’hui le plus marqué.

À l’inverse, de nombreux EAM ont progressé dans la recherche d’investissement, la génération de propositions ainsi que la communication avec les clients. Ils ont déjà réduit l’écart entre le potentiel de l’IA et son adoption.

Entre le recrutement de compétences IA en interne et le recours à des conseillers externes, quelle approche les EAM suisses devraient-ils privilégier au cours des deux prochaines années ?

Nous pensons que de plus en plus d’EAM auront recours à des conseillers externes. C’est une manière plus simple d’acquérir rapidement les compétences nécessaires. Pour intégrer durablement l’IA dans l’organisation et renforcer ses capacités internes, il serait toutefois souhaitable de développer également des compétences en interne. Une formation plus poussée à l’IA pourrait contribuer à cet objectif. De nombreux EAM ont d’ailleurs exprimé ce besoin.

Les résultats détaillés de l’étude

AI Use Cases in External Asset Management (EAM) — Finup Research