Lorsque la régulation commence à tester les risques de trading par IA, le marché est déjà entré dans « l'ère de la compétition systémique »

La semaine dernière, plusieurs actualités clés concernant l’IA et les marchés financiers révèlent un signal sous-estimé mais extrêmement important : le rôle de l’IA dans le trading est passé d’un outil à une infrastructure systémique.

D’une part, les institutions financières traditionnelles intègrent directement l’IA dans l’exécution des transactions et les réseaux de liquidité. Par exemple, Liquidnet, filiale de TP ICAP, déploie un système d’assistants IA pour activer la liquidité de trading quotidienne de plusieurs centaines de milliards de dollars, ces systèmes ne se limitent plus à l’analyse mais participent directement à la mise en relation et à l’exécution des transactions.

D’autre part, les régulateurs accélèrent clairement leur attention sur le comportement des IA en trading. La Banque d’Angleterre a récemment indiqué qu’elle testait via des simulations la conduite de l’IA sur le marché, en se concentrant sur la question de savoir si le « comportement grégaire » (herding) pourrait amplifier la volatilité en période de stress.

Lorsque « le marché utilise l’IA » et que « la régulation teste l’IA » se produisent simultanément, cela indique essentiellement une chose : l’IA n’est plus une variable marginale, mais entre dans le cœur du système financier.

L’IA commence à pénétrer la couche d’exécution, modifiant la structure du trading

Autrefois, l’IA était principalement un outil d’assistance, par exemple pour générer des signaux ou optimiser des stratégies, la prise de décision centrale restant humaine. Mais d’après l’évolution actuelle du marché, cette structure est en train de changer.

Prenons l’exemple de Liquidnet : l’IA commence à participer directement à la correspondance de liquidité et à l’exécution des transactions, ce qui signifie que le trading n’est plus « décision humaine, exécution par système », mais « décision et exécution directement par le système ».

Ce changement est également présent sur le marché des cryptomonnaies. La part des dérivés en augmentation continue, avec une présence massive de systèmes automatisés de market making et d’arbitrage. À court terme, les prix sont de plus en plus dictés par le flux d’ordres et la structure des fonds, plutôt que par une seule direction de jugement. Cette structure fait que les contreparties deviennent des « systèmes » plutôt que des « humains ».

Lorsque le trading devient une compétition entre systèmes, la logique du marché dans son ensemble a déjà changé.

Le cœur de la régulation n’est pas l’IA elle-même, mais « le comportement systémique »

La Banque d’Angleterre ne teste pas le risque de l’IA en tant que modèle, mais son comportement sur le marché. Par exemple, les régulateurs s’intéressent particulièrement à savoir si plusieurs systèmes IA prennent des décisions similaires en même temps, amplifiant ainsi la volatilité.

C’est un point crucial.

Car dès lors que le marché est piloté par de nombreux systèmes logiques similaires, un nouveau type de risque apparaît : le comportement individuel est rationnel, mais le résultat global est amplifié. Ce phénomène est déjà observé dans la trading quantitatif traditionnel, mais pourrait être renforcé dans les systèmes IA.

Les régulateurs commencent à se concentrer sur cette problématique, ce qui revient à reconnaître une chose essentielle : l’IA est devenue un acteur du marché, et non plus un simple outil.

La « capacité de prédiction » perd du terrain au cœur du système

Dans ce contexte de marché, une capacité longtemps considérée comme centrale, la prédiction, est en train de devenir marginale.

La logique traditionnelle du trading veut qu’en jugeant correctement la direction, on peut réaliser des profits. Mais dans la structure actuelle, le prix n’est plus uniquement déterminé par la direction, mais aussi par la liquidité, la structure de levier, le chemin des ordres et l’efficacité d’exécution.

C’est aussi la raison pour laquelle, dans la pratique, on voit fréquemment une situation où la prédiction est correcte, mais le résultat est mauvais.

Le problème ne réside pas dans la « mauvaise anticipation », mais dans la « mauvaise exécution ».

Des études montrent également qu’en environnement actuel, les avantages des systèmes de trading IA résident de plus en plus dans leur efficacité et leur cohérence d’exécution, plutôt que dans leur capacité prédictive.

Cela signifie que le cœur du trading est en train de se déplacer.

Le véritable point de rupture : la maîtrise du système

Lorsque l’IA entre dans la couche d’exécution, et que le marché est piloté par des systèmes, la nature de la compétition change également.

Autrefois, c’était une question de qui était le plus intelligent ; aujourd’hui, c’est une question de qui est le plus stable.

L’IA ne garantit pas automatiquement un avantage, elle n’est qu’un amplificateur. Si la structure du système est stable, l’IA amplifie cet avantage ; si le système présente des défauts, l’IA accélère l’exposition au risque.

C’est aussi la raison pour laquelle, dans la pratique, de nombreux modèles performants lors des backtests échouent rapidement en trading réel. Le problème ne vient pas du modèle, mais du système incapable de contrôler l’exécution et le risque.

De ce point de vue, la véritable compétence centrale de la trading quantitatif IA n’est pas la prédiction, mais la maîtrise du système. Cette compétence inclut la stabilité d’exécution, les mécanismes de contrainte de risque, et la capacité à survivre dans des environnements de marché extrêmes.

Conclusion

Lorsque le marché commence à être dominé par des systèmes, et que la régulation teste le comportement de l’IA, le trading entre dans une nouvelle phase.

L’enjeu central n’est plus « qui connaît le mieux le marché », mais « qui peut contrôler le système ».

Autrefois, le trading était une compétition cognitive ; aujourd’hui, elle devient une compétition systémique.

Et dans ce processus, le véritable point de rupture ne réside pas dans la stratégie ou le modèle, mais dans :

La capacité du système à fonctionner de manière continue et stable dans un marché complexe.