Source : Goldman Sachs Asset & Wealth Management

Principaux points à retenir

• Nous pensons que l’intelligence artificielle générative (IAG) pourrait complètement bouleverser le paysage économique et de l’investissement, ce qui lui ferait dépasser le simple statut de « phénomène de mode ».
• Selon nous, les entreprises disposant de l’infrastructure nécessaire pour intégrer l’IA à leurs plateformes existantes et celles produisant des composants essentiels à l’IA générative devraient connaître un succès rapide.
• Malgré les risques, allant de la désinformation au transfert de la main-d’œuvre, l’adoption généralisée de l’IA générative pourrait, selon nous, apporter d’immenses avantages à long terme à la société.

L’idée que les machines puissent un jour penser comme les humains existe depuis près d’un siècle. Dans les années 1940 et 1950, l’informaticien Alan Turing a rédigé un article sur les machines capables de simuler des êtres humains et a créé le premier « programme informatique d’échecs » (chess-bot) au monde. L’expression « intelligence artificielle » a été utilisée pour la première fois en 1956 par John McCarthy, professeur à Stanford, qui a ensuite défini l’IA comme « la science et l’ingénierie de la fabrication de machines intelligentes, en particulier de programmes informatiques intelligents ».¹ L’apprentissage automatique et l’intelligence artificielle ne sont pas des concepts nouveaux dans le domaine de l’investissement et ils sont même tous deux utilisés depuis un certain temps dans le cadre de stratégies quantitatives.

Le regain d’intérêt pour ce sujet s’explique par l’aspect génératif de l’IA. En novembre 2022, OpenAI a lancé le premier agent conversationnel (chatbot) d’intelligence artificielle générative (IAG) baptisé ChatGPT. En termes simples, ChatGPT est un programme informatique conçu pour simuler une conversation avec des utilisateurs humains. Il peut vous raconter une blague. Il peut présenter les prévisions météo. Il peut même rédiger ce document. En utilisant l’IA générative plutôt que l’IA traditionnelle, ChatGPT peut non seulement « tenir une conversation » bien mieux que les chatbots d’antan, mais il peut aussi traduire un langage en code, rédiger un CV pour un poste hypothétique ou créer des paroles de chansons sur vos vacances préférées selon le style d’écriture d’Edgar Allen Poe. La popularité de ChatGPT a explosé et, cinq jours après sa sortie, il comptait plus d’un million d’utilisateurs. Il s’agit de l’une des applications ayant atteint le plus rapidement 100 millions d’utilisateurs.

L’essor rapide de ChatGPT

Source : Goldman Sachs Global Investment Research et Goldman Sachs Asset Management. Au 30 juin 2023. Le graphique indique le nombre de mois nécessaire à chaque logiciel pour dépasser les 100 millions d’utilisateurs. Ce document est fourni à titre pédagogique uniquement ; il ne saurait être considéré comme un conseil d’investissement ou comme une offre ou une sollicitation incitant à acheter ou à vendre des titres. Toute référence à une entreprise ou un titre spécifique ne constitue pas une recommandation d’achat, de vente, de conservation ou d’investissement direct dans l’entreprise ou ses titres. À titre d’illustration uniquement.

Quel est le fonctionnement de l’IAG ?

Le fonctionnement de l’IAG repose sur trois éléments clés : 1) les réseaux neuronaux, 2) l’apprentissage profond (deep learning) et 3) le traitement du langage naturel (Natural language processing – NLP). Tout comme le cerveau humain, l’IAG fonctionne à partir d’un système de nœuds neuronaux multiples qui traitent et filtrent les informations se présentant dans des états multiples. Prenons l’exemple d’un programme qui apprend à un ordinateur à reconnaître des peintures auquel nous montrons l’œuvre Campbell’s Soup Cans d’Andy Warhol.² La première couche de ce réseau neuronal artificiel fonctionne comme le nerf optique en transmettant les données brutes des « yeux » au « cerveau ». Les données passent ensuite par plusieurs neurones, qui ont tous une fonction différente et peuvent communiquer entre eux. Le premier peut chercher des contours et transmet l’information au deuxième, qui recherche à son tour des formes et transmet l’information au troisième, qui va quant à lui rechercher des caractéristiques spécifiques. Dans cet exemple, chaque nœud est un centre de connaissances individuel qui vérifie et classe les données à chaque étape, ce qui permet au final au modèle d’identifier l’œuvre d’art en question. Si l’on pousse l’analogie un peu plus loin, l’apprentissage profond est un moyen d’apprentissage automatique à partir de données non structurées.

L’apprentissage automatique traditionnel aurait pu nécessiter que des humains indiquent au programme ce qu’il doit rechercher en particulier ; si une peinture contient du « pop art », l’artiste peut être Andy Warhol ou Keith Haring. En montrant au programme des milliers de représentations du pop art, celui-ci peut tirer ses propres conclusions et renforcer davantage ses capacités d’analyse. Enfin, la technologie NLP permet aux ordinateurs d’interpréter les mots, d’évaluer un intérêt, de lire des textes et d’évaluer des images, via une analyse syntaxique et sémantique. En utilisant le traitement du langage naturel, un modèle d’IAG à qui l’on montre l’œuvre Campbell’s Soup Cans peut tirer des conclusions sur la signification de la peinture : Warhol a peut-être voulu montrer que l’art devrait être accessible à tous, et pas seulement aux conservateurs de musée cultivés, ou il était peut-être tout simplement friand de soupe ! Pour faire simple, les réseaux neuronaux, l’apprentissage profond et le NLP sont tous des moyens permettant à l’IA de penser.

L’essor de l’IAG n’est-il qu’une nouvelle frénésie irrationnelle ? 

L’une des principales sources de scepticisme freinant l’investissement dans l’intelligence artificielle tient en une question : s’agit-il d’une nouvelle bulle spéculative ? Pour nous, ce n’est pas le cas. En effet, l’IA a déjà un impact marqué sur l’investissement et les financements consacrés à l’IAG ont déjà dépassé ceux des technologies précédentes ayant connu un « cycle d’engouement » à leurs apogées respectifs. L’intelligence artificielle et l’apprentissage automatique sont utilisés dans les stratégies de gestion quantitative depuis plusieurs années. Quiconque a déjà utilisé un algorithme de trading a probablement profité des capacités de l’IA pour investir, puisque nombre de ces algorithmes prennent des décisions très rapides à partir de l’analyse de vastes ensembles de données ou exploitent d’éventuelles opportunités d’arbitrage. L’IA peut également servir à optimiser l’allocation des actifs afin de construire des portefeuilles susceptibles d’être plus performants que ceux construits via des techniques traditionnelles, de contribuer à l’analyse pré- et post-transaction et d’analyser le risque de marché et de crédit. Plus méconnus, certains grands modèles de traitement du langage peuvent aussi servir à analyser le sentiment – par exemple en interprétant les déclarations des entreprises lors de la publication de leurs résultats – et à optimiser la composition des portefeuilles. Il y a peu de temps, un modèle d’IAG a été créé pour analyser les déclarations de la Réserve fédérale américaine et leur attribuer un « score Hawk-Dove », afin de détecter des signaux d’intervention potentielle.³ Nous pensons que ces liens entre l’IA et l’investissement deviendront encore plus étroits à mesure que la société se familiarisera avec la technologie.

Le montant des financements qui sont déployés constitue un autre signe de la viabilité de l’IA. Au premier trimestre 2023, les entreprises spécialistes de l’IAG ont levé 2,3 milliards de dollars auprès de sociétés de capital-risque. À son pic en 2021, la collecte trimestrielle des fonds de capital-risque pour le métavers n’était que de 2,1 milliards de dollars. Les grandes entreprises sont également intéressées : au quatrième trimestre de 2022, l’expression « intelligence artificielle générative » n’était apparue qu’une dizaine de fois dans les publications des entreprises de l’indice S&P 500. Selon nous, cela était dû à l’acquisition par Microsoft d’une participation de 10 milliards de dollars dans OpenAI. Au deuxième trimestre de 2023, ce chiffre a augmenté de façon spectaculaire, et même Mark Zuckerberg, qui a rebaptisé son entreprise « Meta » en 2021, a déclaré : « L’investissement le plus important de [Meta] concerne le développement de l’IA ».

Bien entendu, le recours à l’IA pose également des défis. Par exemple, compte tenu de l’opacité croissante, des algorithmes, les humains ont de plus en plus de difficultés à contrôler, évaluer et comprendre la manière dont les modèles d’IA réagiront aux données, aux événements anormaux ou aux tâches complexes. En outre, les solutions d’IA s’appuient sur de vastes quantités de données, en particulier dans la phase d’apprentissage. La qualité et la disponibilité de ces données pourraient se traduire par un mauvais calibrage et fausser ainsi les résultats.

Nous sommes conscients des dommages croissants que pourrait causer l’IA et du risque de surréaction des marchés. Mais selon nous, l’IAG est là pour durer.

L’impact économique de l’IAG

L’IAG se distingue également des nombreuses avancées technologiques antérieures par son impact potentiellement majeur sur les économies. À long terme, nous pensons que l’adoption généralisée de l’IAG pourrait changer drastiquement nos interactions et l’ensemble de l’existence humaine. Les économistes de Goldman Sachs Global Investment Research ont comparé l’impact de l’IAG à deux inventions marquantes de l’histoire de l’humanité : le moteur électrique en 1890 et l’ordinateur personnel en 1981. Pour chacun d’eux, le « boom » de la productivité n’a débuté que lorsqu’environ 50 % des entreprises ont véritablement adopté la technologie, un seuil qui n’a été atteint qu’au bout de 20 ans. Cependant, une fois ce seuil atteint, la productivité du travail a augmenté de 1,5 point de pourcentage par an pendant plus d’une décennie. Nous pensons qu’une adoption généralisée de l’IAG pourrait produire des effets similaires, avec une augmentation annuelle de 7 % du PIB mondial, qui s’explique par deux raisons principales. Tout d’abord, de nombreux travailleurs exercent des professions exposées en partie à l’automatisation de l’IA. Si l’IA peut accroître leurs capacités, ils consacreront probablement une partie du temps libéré à des activités plus productives. Deuxièmement, si les travailleurs finissent par perdre leur emploi en raison de l’automatisation de l’IA, ils finiront par retrouver un nouvel emploi, ce qui stimulera la production totale. L’ampleur de l’impact de l’AIG dépendra de ses fonctionnalités réelles et de son rythme d’adoption, mais nous sommes convaincus qu’elle aura des répercussions économiques positives à la fin de la décennie 2020.

L’impact technologique de l’IAG

L’IA a été le sujet le plus évoqué par les entreprises lors de la publication de leurs résultats, et ce tous secteurs confondus. À la fin juin, l’expression avait été mentionnée 3 330 fois selon Bloomberg.⁴ L’aspect le plus surprenant de cette croissance virale, outre le nombre élevé des mentions, est l’éventail des entreprises – de Microsoft à Kraft en passant par Moderna et Zoom – qui tentent d’intégrer l’IA à leurs activités. Comme nous l’avons déjà dit, jusqu’à présent, l’utilisation la plus répandue de l’IAG est celle des chatbots (agents conversationnels). Après la prise de participation massive de Microsoft dans OpenAI pour avoir accès à ChatGPT, d’autres sociétés technologiques ont redoublé d’efforts pour créer leurs propres chatbots (Bard de Google, My AI de Snapchat). Les chatbots peuvent faire bien d’autres choses que de simplement dire des blagues ou d’annoncer les prévisions météorologiques. Ils pourraient révolutionner le service à la clientèle et améliorer l’efficacité des recherches humaines. Pour en avoir la preuve, demandez à ChatGPT de planifier l’itinéraire d’un voyage en camping. En outre, les chatbots deviennent plus intelligents et sophistiqués à une vitesse effrénée. Mais ils ne sont pas la seule application remarquable de l’IAG. Grâce au traitement du langage naturel (NLP), l’IA sert aux programmeurs à rédiger de nouvelles lignes de code. Selon Marco Argenti, Chief Information Officer de Goldman Sachs, certains développeurs acceptent parfois près de 40 % du code écrit par l’IA⁵, ce qui pourrait accroître de plus de 10 % la productivité de l’activité de programmation. À terme, l’IA sera utilisée dans les loisirs, la médecine et presque tous les secteurs d’activité.

Un seul mot d’ordre : l’IA

Source : Bloomberg et Goldman Sachs Asset Management. Au 30 juin 2023. Le graphique montre le nombre de mentions des termes « IA » et « IA générative » dans les présentations de résultats trimestrielles des entreprises. Ce document est fourni à titre pédagogique uniquement ; il ne saurait être considéré comme un conseil d’investissement ou comme une offre ou une sollicitation incitant à acheter ou à vendre des titres. À titre d’illustration uniquement.

L’impact de l’IAG sur l’investissement

Au-delà de la question « l’IA va-t-elle remplacer les humains ? », les investisseurs veulent surtout connaître les secteurs sur lesquels positionner leurs portefeuilles de manière stratégique pour tirer pleinement profit de ses nouvelles innovations. Compte tenu de la diversité des solutions technologiques offertes par l’IAG (applications, matériel, plateformes dématérialisées, modèles de fondation et les plateformes de modèles), il est naturel que les entreprises envisagent de procéder à des investissements technologiques pour exploiter ses bienfaits.

Selon nous, les grands bénéficiaires devraient être 1) les grands groupes dotés d’une infrastructure solide et capables d’intégrer l’IA à leurs plateformes existantes, 2) les entreprises qui produisent à la fois les composants de l’IA et conçoivent/obtiennent des licences pour leurs modèles d’IAG, et 3) les entreprises hors du secteur technologique désireuses d’accélérer leur intégration de l’IA. Les multinationales du secteur technologique dotées d’une infrastructure solide ont, sans surprise, tout à gagner de l’avènement des nouvelles technologies. En déployant des solutions d’IA dans leurs outils de productivité existants, les employés pourraient gagner en efficacité et exploiter plusieurs sources de données via une seule application. Par exemple, il serait possible de rédiger une présentation en utilisant l’IAG pour extraire des notes d’un document et créer une diapositive pour un diaporama sans quitter l’application de diaporama. En outre, l’IAG peut aider les employés qui ne maîtrisent pas très bien les logiciels à tirer pleinement parti des outils mis à leur disposition.

Outre la question de la productivité, les entreprises technologiques pourraient vouloir adopter rapidement l’IAG dans les domaines des moteurs de recherche, de la publication de codes (DevOps) et de la cybersécurité, pour n’en citer que quelques-uns. Deuxièmement, il existe aujourd’hui une demande pour les modèles d’IAG à l’échelle mondiale, mais toutes les entreprises ne disposent pas de l’infrastructure/des ressources nécessaires pour construire leurs propres modèles. Pour une petite entreprise souhaitant accroître sa productivité, il est logique de souscrire à un modèle d’IA créé en externe. Nous pensons également que les fabricants d’unités de traitement graphique (GPU) et d’autres composants des solutions d’IA pourraient tirer leur épingle du jeu. Enfin, puisque près de 66 % des emplois sont exposés à l’automatisation par l’IA, nous pensons que l’ensemble des entreprises – si elles en ont les moyens – ont tout intérêt à adopter l’IAG pour accroître leur efficacité. La santé n’est qu’un exemple de secteurs susceptibles de bénéficier pleinement des outils d’IAG, pour établir des diagnostics, des traitements personnalisés et concevoir de nouveaux médicaments. L’IAG semble avoir tous les atouts nécessaires pour s’imposer dans pratiquement tous les secteurs d’activité, et bien qu’il existe très peu d’emplois pour lesquels l’IAG peut automatiser plus de la moitié des tâches, son adoption généralisée pourrait accroître de plus de 10 % la productivité dans de nombreux domaines.

Même si nous n’en sommes qu’aux prémices des découvertes et de l’adoption de ces solutions, les bienfaits potentiels de l’IAG peuvent difficilement être ignorés. Toutefois, la faible amplitude du rebond récent des marchés montre probablement que ces derniers n’ont peut-être pas encore totalement adopté l’IA. Comme nous ne savons pas encore quel sera l’impact de l’IAG sur les fondamentaux des entreprises, il est peut-être trop tôt pour juger comme surévaluées les entreprises ayant adopté l’IAG, et rien ne dit que les méthodes de valorisation traditionnelles s’appliquent dans ce domaine. Les valorisations de certaines sociétés technologiques n’en restent pas moins très élevées. Les investisseurs pourraient avoir du mal à sélectionner les futurs bénéficiaires de l’IAG tout en payant un prix raisonnable. Alors que les gérants de fonds continuent leur découverte de cet univers d’investissement, les marchés pourraient imposer de nouvelles dynamiques de valorisation, peut-être avec l’aide de l’IA elle-même.

Principaux risques

Trois risques clés pourraient selon nous freiner l’adoption généralisée de l’IA : 1) les enjeux liés à la vie privée et aux droits d’auteur, 2) les questions éthiques et 3) les destructions d’emplois. Les grands modèles d’apprentissage du langage sous-jacents aux plateformes d’IA traitent et analysent d’énormes quantités de données pour se perfectionner, de sorte qu’une cyberattaque ou une violation de données peut potentiellement causer des dommages importants. Le risque de violation des droits d’auteur est plus spécifique à l’IAG. Malgré la jeunesse du secteur, des exemples notables de « vol » d’IA ont été relevés dans l’industrie musicale, des ingénieurs du son ayant pu utiliser l’intelligence artificielle pour créer des morceaux originaux sur la base de versions modifiées des voix d’artistes célèbres. La copie peut parfois être troublante. L’utilisation de l’IA soulève également des questions éthiques, notamment en ce qui concerne le plagiat et la désinformation. Comme nous l’avons déjà mentionné, les modèles d’IAG sont entraînés à partir de données existantes ; la probabilité d’un plagiat est donc plus élevée et il incombe à l’utilisateur d’exploiter judicieusement le contenu généré. En outre, les outils d’IAG sont surveillés de près en ce qui concerne l’exactitude des informations diffusées, lesquelles constituent une source de risque pour des utilisateurs tels que les gestionnaires d’actifs qui ne sont pas en mesure de les vérifier.

Impact de l’IA sur les métiers existants

Source : Occupational Information Network (O*NET) du ministère américain du travail (O*NET), Goldman Sachs Global Investment Research et Goldman Sachs Asset Management. Au 30 mai 023. Le graphique montre la répartition de la proportion des tâches que l’IA peut effectuer par profession (les professions et les tâches reposent sur les données du service Occupational Information Network du ministère américain du travail).

Malgré la dangerosité de la désinformation, le risque qui nous semble le plus élevé est la destruction d’emplois. Selon nous, environ deux tiers des professions aux États-Unis sont exposés à un certain degré d’automatisation via l’IA, avec des risques particulièrement élevés dans les professions administratives et juridiques, mais plutôt faibles dans la construction et la maintenance. On estime que 7 % des emplois pourraient être détruits.⁶ Toutefois, l’histoire montre que ces postes détruits à cause de l’automatisation sont en grande partie compensés par la création de nouveaux emplois. 60 % des emplois qui existent aujourd’hui n’existaient pas en 1940, et au cours des 80 dernières années, la création de nouveaux emplois grâce au progrès technologique a représenté 85 % de la croissance de l’emploi.⁷ Nous tablons sur des perspectives similaires avec l’IA, avec de nouveaux rôles créés dans la science des données, la recherche en IA et l’ingénierie, pour n’en citer que quelques-uns. En outre, même si l’interaction future entre les syndicats et l’IAG pose question, les syndicats de certains secteurs comme dans le transport aérien, la médecine et les scénaristes s’efforcent de mettre l’accent sur le rôle humain dans les emplois, tout en cherchant à obtenir des protections de la part des entreprises et de nouvelles réglementations contre une destruction généralisée des emplois.

Nous sommes convaincus que l’IAG va changer radicalement le paysage économique et de l’investissement. Comme pour beaucoup de nouvelles technologies, des risques existent, mais nous pensons que les bienfaits de l’IAG dépassent de loin ses coûts. Grâce à cette technologie, les humains sont en train de recevoir certaines des « pièces de jeu » les plus futuristes que le monde ait jamais connues, sans plateau de jeu ni instructions. C’est là que résident l’art et l’imagination de l’intelligence artificielle. Une fois que la civilisation commencera à apprendre à manier ces outils, nous pensons que les opportunités d’innovation deviendront infinies.

¹ John McCarthy, « What is Artificial Intelligence? » 12 novembre 2007.

² Musée d’art moderne, « Campbell’s Soup Cans » d’Andy Warhol, 1962.

³ Bloomberg, « JPMorgan Creates AI Model to Analyze 25 Years of Fed Speeches ». 26 avril 2023.

⁴ Bloomberg et Goldman Sachs Asset Management. 30 juin 2023.  

⁵ The Wall Street Journal, « Goldman Sachs CIO Tests Generative AI » 2 mai 2023.

⁶ Goldman Sachs Global Investment Research, « The Potentially Large Effects of Artificial Intelligence on Economic Growth ». 26 mars 2023.

⁷ Goldman Sachs Global Investment Research, « The Potentially Large Effects of Artificial Intelligence on Economic Growth ». 26 mars 2023.

 Glossaire

Intelligence artificielle : développement de systèmes informatiques capables d’effectuer des tâches qui requièrent habituellement l’intelligence humaine.

IA générative : un type de système d’IA capable de générer du texte, des images ou d’autres médias en réponse à des « prompts » utilisant une base de données.

Considérations sur les risques

Tout investissement comporte des risques, y compris celui de perte du capital.   

Disclaimer

This information discusses general market activity, industry or sector trends, or other broad-based economic, market or political conditions and should not be construed as research or investment advice. This material has been prepared by GSAM Belgium S.A. and is not financial research nor a product of Goldman Sachs Global Investment Research (GIR). It was not prepared in compliance with applicable provisions of law designed to promote the independence of financial analysis and is not subject to a prohibition on trading following the distribution of financial research. The views and opinions expressed may differ from those of Goldman Sachs Global Investment Research or other departments or divisions of Goldman Sachs and its affiliates. Investors are urged to consult with their financial advisors before buying or selling any securities. This information may not be current and GSAM has no obligation to provide any updates or changes.

Economic and market forecasts presented herein reflect a series of assumptions and judgments as of the date of this presentation and are subject to change without notice. These forecasts do not take into account the specific investment objectives, restrictions, tax and financial situation or other needs of any specific client. Actual data will vary and may not be reflected here. These forecasts are subject to high levels of uncertainty that may affect actual performance. Accordingly, these forecasts should be viewed as merely representative of a broad range of possible outcomes. These forecasts are estimated, based on assumptions, and are subject to significant revision and may change materially as economic and market conditions change. Goldman Sachs has no obligation to provide updates or changes to these forecasts. Case studies and examples are for illustrative purposes only.

Any reference to a specific company or security does not constitute a recommendation to buy, sell, hold or directly invest in the company or its securities. It should not be assumed that investment decisions made in the future will be profitable or will equal the performance of the securities discussed in this document.

Although certain information has been obtained from sources believed to be reliable, we do not guarantee its accuracy, completeness or fairness. We have relied upon and assumed without independent verification, the accuracy and completeness of all information available from public sources.

This material is provided for informational purposes only and should not be construed as investment advice or an offer or solicitation to buy or sell securities.

335253-OTU-1875501