Le Big Data et les analytics : quels enjeux pour le marketing BtoB
Comment goldman sachs a fait du big data sa boule de cristal challenges
1. 05/02/2019 Comment Goldman Sachs a fait du big data sa boule de cristal - Challenges
https://www.challenges.fr/high-tech/comment-goldman-sachs-a-fait-du-big-data-sa-boule-de-cristal_620272 1/4
Comment Goldman Sachs a fait du big
data sa boule de cristal
ABONNÉS
Pour affiner sa gestion d’actifs, la banque américaine utilise une nouvelle
arme technologique: l’intelligence artificielle.
DAVID GRAY
C'est un rituel. Chaque matin, après avoir allumé son ordinateur dans
son bureau new-yorkais, Osman Ali, gérant de portefeuille senior
chez Goldman Sachs Asset Management (GSAM), consulte les
alpha-scores qui ont changé durant la nuit. " Je fais le point sur les
hausses et les baisses en remontant les données qui ont causé ces
mouvements, afin d'en vérifier la pertinence ", détaille-t-il. Ces
alphascores sont la boule de cristal de GSAM : ils indiquent, en un
chiffre, la qualité des perspectives à six ou douze mois des titres de
13 000 entreprises que la banque détient en portefeuille. Les
notations sont essentielles dans les arbitrages de GSAM et ont une
Par Grégoire Pinson le 21.10.2018 à 15h59
Pour affiner sa gestion d’actifs, la banque américaine amasse des
téraoctets de données, qu’elle passe au crible de l’intelligence
artificielle.
COMMENTER
2. 05/02/2019 Comment Goldman Sachs a fait du big data sa boule de cristal - Challenges
https://www.challenges.fr/high-tech/comment-goldman-sachs-a-fait-du-big-data-sa-boule-de-cristal_620272 2/4
influence sur les marchés : Goldman Sachs revendique 1 500
milliards de dollars d'actifs sous supervision.
Algorithmes propriétaires
Ces alphascores sont le fruit de téraoctets de données passées au
moulinet de l’intelligence artificielle. Ainsi, des images satellites des
parkings de Walmart, analysées par ordinateur, permettent de jauger
la fréquentation des magasins et donc le chiffre d’affaires potentiel
du groupe. Le trafic des sites des compagnies aériennes est un
indicateur du prochain chiffre d’affaires d’Axa dans les assurances-
voyages. Les commandes de bouteilles par les usines de Coca-Cola
trahissent la production de la firme. « Il y a quinze ans, nos analyses
étaient fondées sur des données publiques simples : rapports annuels,
comptes trimestriels, données du secteur, se souvient Osman
Ali. Aujourd’hui, grâce à l’immensité des données que nous
brassons, nous nous appuyons sur des éléments beaucoup plus fins,
originaux et différenciants. Et nous pouvons obtenir une estimation
relativement précise des résultats d’entreprises avant leurs
publications. »
Chaque année, le groupe Goldman Sachs dépense environ 400
millions de dollars en données complémentaires à celles amassées en
source ouverte. Les sociétés de cartes de crédit lui vendent par
exemple les data sur les transactions réalisées un excellent indicateur
de la santé de la grande distribution. La banque travaille sur de tels
chiffres, mais aussi sur les discours des banquiers centraux, les
articles, les communiqués de presse Quelle est la tonalité de ces
publications ? Quelles sont les thématiques principales ? Autant de
signaux faibles qui peuvent se traduire, demain, dans des
mouvements boursiers que GSAM veut anticiper. « Nous avons
développé tous ces outils en interne, selon des critères et du codage
propriétaire, depuis l’analyse statistique jusqu’à l’optimisation de
portefeuille », détaille Hania Schmidt, spécialiste des produits
quantitatifs à GSAM. Une façon de conserver un avantage
concurrentiel et d’éviter les fuites ou qu’un salarié ne quitte
l’entreprise avec les secrets maison.
Le fondateur d’une jeune pousse experte dans le traitement de
données, qui vend ses services à des rivaux de GSAM, a pu observer
le modèle de ce dernier : « L’établissement est une firme tech plus
qu’une banque, estime-t-il. Les moyens déployés sont
impressionnants, mais ils souffrent d’un point faible pour leur
développement : les difficultés à recruter des data analysts face à des
concurrents de secteurs non bancaires. Y compris des jeunes
entreprises comme la mienne, qui attirent davantage ces profils que
les grosses institutions. »
3. 05/02/2019 Comment Goldman Sachs a fait du big data sa boule de cristal - Challenges
https://www.challenges.fr/high-tech/comment-goldman-sachs-a-fait-du-big-data-sa-boule-de-cristal_620272 3/4
Concurrents dans la tech
Car il faut jouer des coudes sur ce terrain du big data et de
l’intelligence artificielle. Premier gestionnaire d’actifs mondial,
BlackRock a débauché en 2015 le directeur de recherche de Google,
Bill MacCartney. Il a aussi acquis, cette même année, la fintech
FundAdvisor, qui a développé ses propres algorithmes. Le concurrent
Vanguard met lui aussi en avant sa méthodologie high-tech dans la
gestion quantitative. Or, dans cette guerre informationnelle, la prime
est au premier arrivant, à celui qui trouve le delta, cette donnée pépite
qui, correctement traitée, fera la différence sur les marchés
financiers. « Lorsqu’un des éléments que nous analysons se banalise,
lorsqu’il y a trop de monde qui le passe à la loupe, il nous faut nous
remettre en chasse de nouveaux signaux, pour conserver notre
avance, explique Yacine Boumahrat, directeur France et Benelux
chez GSAM. Nous sommes en constante évolution. »
Vanessa Bonjean, senior analyst en charge de la sélection de fonds à
Lyxor (Société générale), confirme : « La capacité de GSAM à
intégrer de nouveaux signaux pour faire évoluer le modèle de
l’intérieur nous semble gage de performances futures. » En avril, elle
a fait entrer dans son éventail le produit « actions européennes » de
GSAM, baptisé GS Europe Core Equity Portfolio. Non sans avoir
passé au crible les 120 signaux utilisés pour bâtir ce portefeuille. «
Preuve que les méthodes sont performantes : le fonds a surmonté les
ruptures dans les marchés, en 2013 et 2016 », précise Vanessa
Bonjean.
Encore une part d’humain
Problème : l’intégration massive de l’intelligence artificielle dans la
gestion quantitative ne prépare-t-elle pas le prochain krach boursier,
les gestionnaires de portefeuille ayant cédé les manettes aux
ordinateurs ? « Nous maintenons à chaque niveau une intervention
humaine, promet Hania Schmidt. Les ordinateurs ne prennent pas de
décisions par eux-mêmes, ils nous aident à extraire les informations
des différents types de données que nous analysons. Il est important
pour les gérants de portefeuille d’intégrer des éléments que les
algorithmes ne prennent pas forcément en compte : tension avec la
Corée du Nord, risques liés au Brexit » Les décisions doivent en
outre être prises en fonction des prix des transactions à un instant T,
ainsi que de la volatilité du marché. Le temps n’est pas encore venu
où Osman Ali pourra, le matin, se passer des vérifications sur les
mouvements des alphascores, avant de prendre ses décisions
d’investissement.