Intelligence artificielle et investissement value : un retour d'expérience

Dans cette vidéo, nous allons explorer l'utilisation de l'intelligence artificielle (IA) dans l'investissement value, en partageant une expérience encore brève mais instructive. Il existe quatre grandes manières d'employer l'IA dans ce domaine. La première, la plus évidente, est d'analyser une société déjà sélectionnée par d'autres moyens (screener value, recommandation externe) pour vérifier la qualité de cette recommandation. La deuxième consiste à utiliser l'IA comme un screener ou un filtre, en lui fournissant des critères financiers pour identifier les meilleures idées d'actions. La troisième est le back-testing d'une stratégie donnée, particulièrement utile en trading, bien que l'accès à des bases de données historiques suffisamment longues et riches en informations puisse être coûteux pour l'investissement value. Enfin, la quatrième approche, plus futuriste, est de confier entièrement à l'IA la construction et la gestion d'un portefeuille, en supposant qu'elle soit devenue plus intelligente que la majorité des humains. Avant d'entrer dans les détails de l'utilisation de l'IA en investissement, il est crucial d'aborder un article de H16 concernant la récente polémique sur le risque d'une IA destructrice pour l'humanité. Des leaders de l'IA comme Sam Altman et Elon Musk ont appelé à une pause ou un ralentissement des avancées, invoquant des craintes de perte de contrôle. Cependant, H16 suggère que ces appels pourraient masquer des intérêts financiers, tels que la volonté de monopoliser le secteur face à la concurrence des modèles open source. Le risque que l'IA échappe au contrôle est probablement faible, et l'histoire montre que la compétition technologique, notamment avec des acteurs comme la Chine, pousse inévitablement à l'avancement. Donald Trump a d'ailleurs clairement indiqué la nécessité d'avancer rapidement face à cette compétition internationale. Un deuxième point important concernant l'IA est son biais de conformité et de généralisation, qui se manifeste également dans le domaine financier. Valerio Capraro a illustré ce biais : une IA trouvait acceptable de torturer une femme pour éviter une apocalypse nucléaire mondiale, mais inacceptable de harceler une femme dans le même but. L'explication est que l'IA a rencontré beaucoup plus d'occurrences du terme "harcèlement féminin" dans ses données d'entraînement, ce qui l'a amenée à considérer cela comme absolument horrible, tandis que la "torture des femmes" étant moins fréquente, elle a déduit que c'était moins grave. Ce type de biais de généralisation peut fausser les analyses financières et pénaliser les résultats. Examinons maintenant les applications spécifiques. **1. Vérification de la qualité d'une valeur** L'IA peut être un bon outil pour vérifier la qualité d'une valeur et gagner du temps, surtout sur les marchés étrangers. Par exemple, avec la valeur japonaise Okura, une small cap productrice d'œufs, les ratios financiers étaient excellents (faible VE/EBITDA, faible VE/CA, pas d'endettement net, PER très bas, croissance du CA). J'ai demandé à Grok (l'IA) si elle voyait un problème caché. En quelques secondes, Grok a identifié un pic cyclique dû aux épidémies de grippe aviaire qui ont fait flamber le prix des œufs au Japon, rendant la croissance future potentiellement non pérenne. Cette information a été confirmée par l'analyse des ratios cycliques. L'IA a permis de gagner un temps précieux sur un marché où la langue et l'actualité locale sont moins familières. En revanche, pour une valeur d'huile de palme avec des ratios très décotés, j'ai interrogé Grok sur le problème sous-jacent. L'IA a d'abord suggéré un manque de surfaces matures et une proportion trop élevée de jeunes plantations improductives. Or, l'analyse réelle a montré que le problème était plutôt un excès d'arbres trop âgés et un renouvellement insuffisant. Il a fallu insister lourdement auprès de Grok pour qu'il trouve d'autres problèmes pertinents (taille des moulins, rendements, localisation géographique). Cela illustre que l'IA est un bon outil d'aide, mais qu'il faut conserver un esprit critique et des compétences en analyse financière pour challenger ses résultats, surtout en raison du biais de généralisation. **2. Utilisation de l'IA comme screener** J'ai testé Grok et Claude (une autre IA) en leur demandant de trouver une trentaine d'idées d'actions sur les marchés mondiaux, avec des critères financiers très exigeants (faible VE/EBITDA, actif net liquide positif, faible capitalisation/actif net liquide, croissance du CA, bon score financier, ROE élevé, VE/CA en dessous de la moyenne sur 10 ans, bon historique de création de valeur). C'était une demande de "mouton à cinq pattes", normalement non recommandée en screening. Grok a trouvé des valeurs, mais a d'abord souligné l'ambition excessive de la demande. Il a privilégié de nombreuses valeurs coréennes (Innocean Worldwide, Hankook Tire & Technology) et japonaises, ainsi que Valorec en France. Les résultats, passés sur Uncle Stock, ont montré des scores globalement intéressants, avec quelques idées plus douteuses. Grok a également reconnu les limites de sa recherche, notamment un biais de sélection privilégiant les grosses capitalisations plus connues et disponibles sur les bases de données publiques, au détriment des petites capitalisations moins médiatisées. Claude, de son côté, a complètement ignoré le critère d'actif net liquide (NCAV). Cependant, il a proposé une plus grande diversité géographique, avec des valeurs sur différents pays. Il a trouvé des dossiers que je connaissais déjà (Bijou Brigitte, Decora, Conduent Holdings, Catering) et d'autres moins convaincants (GEA, que je trouve à son prix). Claude a montré une capacité à identifier des très petites capitalisations plus pointues et en dehors des sentiers battus que Grok (Catering, Decora). Sur la Corée, il a trouvé de bons dossiers (THN, Cortex). Les résultats de Claude, analysés sur Uncle Stock, ont également révélé des titres intéressants, comme Cortex, avec des ratios très décotés, malgré des risques inhérents à son activité de sous-traitant. En conclusion pour le screening, l'IA peut être utile si vous n'avez pas d'outils de screening payants ou si vous cherchez des idées complémentaires. Elle ne dispense pas d'un contrôle manuel et d'une analyse approfondie des résultats, mais elle peut faire gagner du temps et est déjà efficace. Ses limites résident dans sa dépendance aux données publiques, ce qui peut la rendre moins pointue que des screeners payants. **3. Back-testing de stratégies** Le back-testing, que Charles utilise beaucoup pour le trading, est prometteur. Pour l'investissement value, les limites sont la durée des données disponibles. Depuis 2011-2012, nous sommes dans un cycle qui privilégie les valeurs de croissance, ce qui fausse les back-tests si les bases de données ne sont pas suffisamment longues. L'accès à des bases de données financières de haute qualité, sur une longue durée, incluant les small caps de nombreux pays, est également un défi. **4. Remplacement total de l'humain** Demander à l'IA de construire un portefeuille complet sans intervention humaine est, pour l'instant, décevant du point de vue d'un investisseur value. J'ai demandé à Grok (version payante) de construire un portefeuille de 15 à 20 valeurs avec un objectif de rendement élevé. L'IA a proposé des stratégies "bateau" axées sur les valeurs de croissance technologiques et chères (Nvidia, Microsoft, TSMC, ASML, Amazon, Alphabet, Meta), des valeurs de santé coûteuses (Visa, Mastercard), et quelques valeurs françaises du luxe, un secteur actuellement faible. Ces résultats ne sont pas convaincants pour une démarche d'investissement value. L'IA semble tomber dans un biais de généralisation et de confirmation, privilégiant les valeurs populaires et celles qui ont eu le meilleur track record sur les dix dernières années, sans considérer leur valorisation actuelle ni leur potentiel futur. En somme, l'IA est un outil précieux qui peut faire gagner beaucoup de temps, à condition de garder le contrôle et un esprit critique. Les choses évoluent rapidement, et