L'IA analyse les actualités des marchés financiers

Les modèles d'IA déterminent si une actualité est positive, négative ou neutre envers une entreprise ou un marché en analysant le vocabulaire et le contexte. Par exemple, « La société X annonce des bénéfices records » est classée positive, tandis que « La société Y fait l'objet d'une enquête pour fraude » est négative.

FinBERT est une approche populaire – une version du modèle linguistique BERT de Google affinée spécifiquement sur des textes financiers pour la classification des sentiments. Ces modèles sont entraînés sur des actualités financières historiques étiquetées selon leur impact sur les cours boursiers.

BloombergGPT, un grand modèle linguistique spécifique au domaine, a été explicitement entraîné pour améliorer l'analyse de sentiment des actualités financières (ainsi que la reconnaissance d'entités nommées et la classification des actualités). En mesurant le ton émotionnel du marché, l'IA fournit une mesure quantitative des actualités qualitatives.

Les actualités financières regorgent de noms propres – noms d'entreprises, personnes, produits, lieux, etc. Les systèmes d'IA utilisent le NLP pour identifier et étiqueter les entités mentionnées dans les articles. Si un article dit « Apple a dévoilé un nouvel iPhone en Chine », l'IA étiquette « Apple » comme entreprise, « iPhone » comme produit, et « Chine » comme lieu.

Des plateformes sophistiquées comme RavenPack disposent d'énormes dictionnaires spécifiques à la finance – les algorithmes de RavenPack peuvent reconnaître plus de 12 millions d'entités uniques, incluant entreprises publiques et privées, dirigeants, initiés, ainsi que produits ou devises spécifiques.

Au-delà de l'étiquetage des noms, l'IA classe aussi le sujet des actualités (le thème ou type d'événement). S'agit-il d'un rapport de résultats, d'une annonce de fusion, d'un problème réglementaire ou d'un indicateur économique ? La taxonomie de RavenPack couvre plus de 7 000 catégories d'événements pour catégoriser les actualités.

Toutes les actualités ne se valent pas – certains articles répètent des informations anciennes, tandis que d'autres apportent du neuf. Les outils d'IA évaluent la nouveauté (à quel point un contenu est nouveau ou unique) et la pertinence (son impact direct sur une entreprise ou un marché donné).

Par exemple, un blog mineur mentionnant Apple en passant aura une faible pertinence, tandis qu'une enquête de la SEC sur les finances d'Apple obtiendra un score très élevé. RavenPack fournit des scores de pertinence et de nouveauté pour chaque entité/événement détecté dans une histoire, ainsi qu'un score « d'impact ».

La détection de nouveauté se fait souvent en comparant le texte aux actualités récentes pour voir s'il répète des informations déjà connues. C'est crucial dans des marchés rapides où des dizaines de médias peuvent relayer la même information Reuters – l'IA peut signaler la première occurrence comme nouvelle et minimiser les suivantes.

L'IA avancée ne s'arrête pas aux articles individuels – elle peut identifier des thèmes macroéconomiques et des tendances à travers des milliers de contenus. LSEG MarketPsych Analytics regroupe les actualités en plus de 200 thèmes économiques et comportementaux (comme « guerre commerciale », « inflation », « cybersécurité », etc.).

L'IA classe chaque actualité dans ces thèmes et attribue un score de sentiment pour chacun. Cela permet aux investisseurs de suivre l'évolution du sentiment thématique dans le temps (par exemple, le sentiment autour des « véhicules électriques » s'améliore-t-il ou se dégrade-t-il ce trimestre ?). Le Terminal Bloomberg propose une fonction « Thèmes clés des actualités » qui utilise l'IA pour regrouper les actualités par thèmes.

En faisant émerger des insights thématiques, l'IA aide à relier les points. Si de nombreuses actualités d'entreprises concernent, par exemple, des perturbations de la chaîne d'approvisionnement, un investisseur peut détecter un facteur de risque émergent sur le marché. L'IA lit en quelque sorte entre les lignes, repérant des schémas transversaux que l'humain pourrait manquer en lisant isolément.

Une application croissante de l'IA est de résumer des actualités longues ou complexes en formes digestes. Les modèles génératifs d'IA (comme GPT-4 et BloombergGPT) peuvent produire des résumés concis ou des points clés d'un article, en préservant les faits essentiels.

Bloomberg a récemment lancé les résumés d'actualités alimentés par IA sur son Terminal : pour chaque article Bloomberg News, l'IA génère trois points clés en haut de l'article. Ces résumés sont vérifiés par des experts Bloomberg pour garantir leur exactitude, permettant aux traders pressés de saisir l'essentiel d'une histoire en un coup d'œil.

Un changement radical… des insights clairs et concis qui me permettent de comprendre rapidement des histoires complexes.

— Trader senior, utilisateur du Terminal Bloomberg

Au-delà des résumés, l'IA peut répondre à des questions sur les actualités (Q&R). Si vous demandez : « Qu'a dit le président de la Fed sur l'inflation aujourd'hui ? », un système d'IA peut extraire la réponse d'une transcription d'actualité. Certaines plateformes permettent désormais aux utilisateurs d'interagir avec les actualités via un chat, posant des questions complémentaires pour approfondir, offrant une manière plus intuitive d'analyser l'information.

Les premiers utilisateurs de l'analyse des actualités par IA furent probablement les sociétés de trading quantitatif et algorithmique. Ces sociétés intègrent des signaux dérivés des actualités dans leurs modèles de trading pour obtenir un avantage. Il est révélateur que plus de 70 % des fonds spéculatifs quantitatifs les plus performants utilisent RavenPack News Analytics pour la génération d'alpha et la gestion des risques.

Pour ces fonds, les données fournies par l'IA comme les scores de sentiment, les métriques de buzz et la détection d'événements peuvent servir de signaux de trading. Un algorithme peut prendre des positions longues sur des actions avec un sentiment très positif et courtes sur celles avec un sentiment très négatif (une stratégie validée par des back-tests montrant un écart de performance entre actions à sentiment élevé et faible).

Les sociétés de trading à haute fréquence utilisent aussi l'IA pour analyser algorithmiquement les flux d'actualités – si un titre de presse impactant le marché survient (par exemple une surprise de banque centrale), leur IA peut déclencher instantanément des transactions en réponse, souvent de manière entièrement automatisée. Cela rend les marchés extrêmement réactifs aux actualités, contribuant à des mouvements brusques lors d'informations inattendues.

Au-delà du trading rapide, l'analyse des actualités par IA soutient les investisseurs à plus long terme comme les gestionnaires d'actifs, fonds communs et conseillers en patrimoine. Les données de sentiment et de tendance apportent une couche supplémentaire d'analyse en complément des fondamentaux.

Un gestionnaire de portefeuille actions peut surveiller le score de sentiment de chaque titre ; une chute soudaine peut déclencher une revue des actualités négatives et déterminer si cela indique un problème fondamental. De même, l'IA peut mettre en lumière des thèmes émergents affectant la stratégie de portefeuille – par exemple, constater que la « cybersécurité » est de plus en plus mentionnée dans le contexte de plusieurs actions technologiques peut signaler un risque (ou une opportunité) croissante à adresser.

Les alertes thématiques permettent un rééquilibrage proactif : si l'IA détecte une montée de rhétorique sur la guerre commerciale et identifie les « gagnants » et « perdants » probables de ce thème, un gestionnaire peut ajuster le portefeuille en conséquence. L'IA aide aussi les chercheurs à éviter les angles morts informationnels en couvrant tant de sources – elle peut alerter les analystes sur des actualités dans des publications obscures ou étrangères qu'ils auraient manquées.

Certaines plateformes (comme AlphaSense) intègrent même la recherche des courtiers et les dépôts SEC aux côtés des actualités, utilisant l'IA pour permettre aux analystes de rechercher dans toutes les données textuelles d'une entreprise. Un chercheur a décrit l'utilisation d'une IA type ChatGPT pour reproduire « beaucoup des flux de travail que je faisais » dans une banque d'investissement, de la synthèse des finances d'entreprise à la détection de signaux d'alerte dans les actualités.

En finance, il ne s'agit pas seulement de trouver des opportunités – il faut aussi gérer les risques et respecter les réglementations. L'analyse des actualités par IA est une aubaine pour les responsables des risques et les équipes conformité. Elle peut servir de système d'alerte précoce pour divers risques : détecter des actualités négatives sur un contrepartie, repérer des signes de problèmes de gouvernance d'entreprise, ou surveiller des évolutions géopolitiques pouvant affecter les marchés.

Si une entreprise commence soudainement à faire la une à cause d'un scandale ou d'un procès, l'IA peut le signaler immédiatement pour que les gestionnaires de risques ajustent leurs expositions. Les départements conformité utilisent l'IA pour surveiller les actualités à la recherche de signes d'abus de marché ou d'initiés. Les bourses et régulateurs ont même employé l'IA pour surveiller les réseaux sociaux et actualités à la recherche d'indices de manipulation ou fraude de marché.

Les anomalies – comme une soudaine explosion de posts positifs sur une action peu liquide – peuvent être détectées par l'IA et investiguées pour des schémas de pump-and-dump. La surveillance en temps réel et exhaustive permise par l'IA aide à maintenir l'intégrité des marchés.

De plus, en consolidant les actualités sur un tableau de bord, l'IA aide les responsables conformité à effectuer des contrôles de diligence raisonnable sur clients ou investissements (« Know Your Customer » et lutte contre le blanchiment) en trouvant rapidement toute actualité défavorable liée à une personne ou entité. Ainsi, l'IA aide non seulement à gagner de l'argent, mais aussi à protéger les institutions financières des risques et malversations.

L'analyse des actualités par IA ne se limite pas à l'élite de Wall Street. Elle se diffuse de plus en plus aux investisseurs particuliers et aux conseillers financiers au service des clients ordinaires. De nouvelles applications de robo-conseil et plateformes de trading intègrent l'IA pour fournir des insights basés sur les actualités aux utilisateurs.

Certaines applications de trading disposent désormais d'indicateurs de sentiment d'actualité intégrés ou de résumés générés par IA expliquant pourquoi une action évolue. Grâce à l'IA, même les investisseurs individuels peuvent désormais accéder à des analyses « autrefois réservées aux grandes banques ou investisseurs institutionnels ».

Un rapport récent de Reuters notait que 13 % des investisseurs particuliers ont déjà utilisé des outils IA comme ChatGPT pour la recherche ou les recommandations boursières, et environ la moitié sont ouverts à cette idée. Cette démocratisation permet à une personne moyenne de demander à un chatbot : « Quelle est la perspective pour la société Z compte tenu des dernières actualités ? » et d'obtenir une réponse cohérente synthétisant les développements récents.

Des startups proposent aussi des flux d'actualités sélectionnés par IA adaptés au portefeuille ou aux intérêts d'un investisseur, souvent avec des points forts explicatifs. Par exemple, StockPulse fournit à ses clients (y compris certains courtiers) des résumés quotidiens générés par IA et analyses de sentiment pour les actions, intégrés dans les rapports clients pour soutenir la prise de décision éclairée.

Les conseillers financiers gérant des portefeuilles clients utilisent l'analyse des actualités par IA pour rester informés et mieux communiquer avec leurs clients. Un conseiller peut s'appuyer sur un tableau de bord IA pour fournir une mise à jour rapide : « Le sentiment des actualités cette semaine pour vos avoirs était globalement positif, sauf pour une action faisant face à une presse négative. »

Ces insights peuvent être transformés en explications accessibles aux clients, aidées par des graphiques ou visuels générés par IA. MarketPsych de LSEG, par exemple, permet de créer des visuels intuitifs comme des graphiques sentiment-prix et des cartes thermiques d'exposition thématique, transformant des sorties NLP complexes en quelque chose qu'un investisseur final peut comprendre.

Cela améliore l'expérience client – les conseillers peuvent expliquer de manière proactive comment « l'humeur des actualités » autour d'un secteur pourrait impacter la performance, tout en éduquant les clients. De plus, les conseillers eux-mêmes bénéficient de l'IA qui les tient au courant des actualités macroéconomiques. En cas d'événement géopolitique soudain ou de changement de politique, les alertes IA assurent que les conseillers peuvent rapidement contacter leurs clients avec une perspective sur l'impact.

L'IA peut faire émerger des insights, mais l'expertise humaine est nécessaire pour les interpréter et agir. Si une IA signale une histoire négative, un analyste avisé lira quand même l'article pour comprendre les nuances et le contexte. L'IA peut manquer le sarcasme ou les doubles sens dans un texte, ou mal juger le ton si, par exemple, un « bénéfice record » est en réalité dû à un gain comptable ponctuel.

Les systèmes d'IA ne sont aussi bons que les données sur lesquelles ils sont entraînés. Les biais dans les sources d'actualités (ou le bruit des réseaux sociaux) peuvent se refléter dans les résultats IA. Il faut être prudent pour que, par exemple, une rafale de billets de blog spéculatifs n'inflationne pas faussement un score de sentiment. Les meilleurs fournisseurs atténuent cela avec des filtres anti-spam et un pondération des sources, mais les utilisateurs doivent rester critiques.

Sur des marchés rapides, l'analyse des actualités est la plus utile immédiatement après la diffusion d'une information. Un score de sentiment IA 10 minutes après un événement peut être trop tard si le marché a déjà bougé. Ainsi, les traders utilisent ces outils en temps réel, souvent avec des flux directs vers leurs algorithmes de trading.

Pour des investissements moins sensibles au temps (comme les décisions à long terme), la vitesse exacte est moins critique, et le rôle de l'IA devient alors de synthétiser beaucoup d'informations pour une vue d'ensemble.

Faire confiance à l'IA est plus facile quand ce n'est pas une « boîte noire » totale. De nombreuses plateformes fournissent désormais des explications avec leurs résultats. Si un score IA indique un « sentiment négatif », le système peut montrer quels mots ou expressions dans le texte ont conduit à cette conclusion (ex. « faillite », « procès », etc.). Cela aide les utilisateurs à valider le raisonnement de l'IA.