L’évolution de la finance moderne est étroitement liée à celle de l’informatique, des communications et des mathématiques financières. Deux changements principaux se sont produits dans les années 1970 avec le début des transactions sur les produits dérivés et après la crise de 2007 avec l’arrivée massive des fintechs, les start-up qui s’appuient sur les nouvelles technologies pour innover en finance.
La tarification des produits dérivés a commencé avec la célèbre équation de Black et Scholes en 1974, à la suite de laquelle une multitude de méthodes mathématiques ont été utilisées pour calculer les prix des produits dérivés. Toujours dans les années 1980, cette tarification nécessitait des superordinateurs, ce qui offrait aux grandes entreprises de la finance un avantage concurrentiel majeur. À son apogée, avant la crise de 2007, le volume des transactions sur produits dérivés s’élevait en effet à près d’un billion de dollars par jour.
L’opinion dominante était que les produits dérivés avaient permis de compléter les marchés financiers de manière à pouvoir mieux gérer les flux de trésorerie. Ce principe a été remis en cause en 2007 par la crise financière qui a montré que la couverture ne peut être parfaite que si les contreparties restent solvables. Avec l’effondrement de Lehman Brothers, le monde de la finance a douloureusement compris qu’il existait un risque global et que les marchés libres ne se réglementaient pas de manière autonome.
Pour sauver les marchés financiers, les banques centrales ont alors injecté des milliards de liquidités sur les marchés financiers par le biais d’opérations appelées assouplissement quantitatif (quantitative easing, QE). Aux États-Unis, la FED a injecté quelque 4,5 billions de dollars, soit l’équivalent d’un tiers de la masse monétaire totale.
Comprendre les clients, atténuer les problèmes
Après la crise, le monde financier s’est concentré sur la compréhension de la clientèle et sur l’atténuation des problèmes créés par les manipulations de marché rendues possibles par le trading automatisé.
Les start-up de la fintech utilisent ainsi des techniques informatiques pour modéliser le comportement des clients, automatiser les relations avec ces derniers, planifier et exécuter des transactions. Dans le même temps, un certain nombre de collisions subites du marché (c’est-à-dire de fortes baisses soudaines mais éphémères de la valeur marchande) ont attiré l’attention des principaux acteurs sur le risque de saturation des algorithmes.
Aujourd’hui, un nouveau changement majeur apparaît en raison de la mise en œuvre possible des ordinateurs quantiques, qui peuvent traiter une quantité d’informations beaucoup plus grande que les ordinateurs classiques.
Un ordinateur quantique pourrait en effet être des milliers de fois plus rapide que les ordinateurs classiques. Le vainqueur de la course à la construction d’un ordinateur quantique commercial est censé atteindre ce que l’on appelle la « suprématie quantique », c’est-à-dire le premier à fabriquer un ordinateur avec une telle vitesse de calcul.
On croyait que cette suprématie quantique était un objectif lointain à l’avenir, mais Google a récemment annoncé l’avoir réellement atteint. D’abord, le Financial Times a annoncé que Google avait publié sur le site web de la NASA un article annonçant que son ordinateur quantique appelé Sycamore était capable d’effectuer en 3 minutes un calcul qui prendrait 10 000 ans pour fonctionner sur des supercalculateurs classiques. Le papier a été retiré du site, mais le 23 octobre, Google a confirmé cette annonce en publiant un article dans Nature et a invité des scientifiques et des journalistes à regarder le calcul.
Des sauts quantiques
Pourquoi est-il important d’atteindre la suprématie quantique ? Les économies modernes sont façonnées par des calculs complexes. Des superordinateurs puissants sont utilisés pour concevoir des produits tels que les voitures et les avions, pour inventer de nouveaux médicaments, pour étudier le climat, pour guider les forages pétroliers, pour créer des circuits électroniques, pour modéliser des économies, pour organiser une logistique à grande échelle. Malheureusement, les calculs permettent également de construire des armes meurtrières et, de plus en plus, de contrôler le comportement de la population.
Au cours des 70 dernières années, la puissance de calcul disponible a été multipliée par un nombre incroyable. Dans les années 1960, même les ordinateurs les plus puissants n’exécutaient que quelques MFLOPS (des millions d’opérations en virgule flottante par seconde), alors qu’aujourd’hui, l’ordinateur le plus puissant est capable d’exécuter près de 100 PetFLOPS (c’est-à-dire, 10 à puissance 17).
Néanmoins, il existe encore des tâches de calcul importantes qui ne peuvent pas ou ne peuvent être que partiellement résolues aujourd’hui. L’étude de la combustion et de la turbulence, l’étude de molécules à partir de principes physiques de base (simulation quantique), l’ingénierie de la fusion nucléaire et même des problèmes logistiques font partie des grands défis du calcul définis par le programme fédéral HPCC (High Performance Computing and Communications, fr. Calcul et communications à haute performance). La résolution de ces problèmes donnerait à une entreprise, voire à une nation, un avantage concurrentiel important. Il existe bien entendu aussi la possibilité sinistre de créer des armes plus destructrices. Quelle serait l’importance de la suprématie quantique pour la finance et l’économie ?
Premièrement, l’informatique quantique rendrait les techniques cryptographiques actuelles peu sûres. Les méthodes et les algorithmes devront être changés. La cryptographie post-quantique, ou cryptographie résistante aux quantiques, est un secteur d’étude en plein essor, tant dans le monde universitaire que chez les entreprises impliquées dans la cryptographie. Et certaines entreprises proposent déjà des produits pour la cryptographie post-quantique. La cryptographie post-quantique sera une grosse affaire.
L’intuition plus que la force brute
Mais les principaux changements concerneraient probablement l’intelligence artificielle et l’apprentissage automatique. Nous ne savons pas comment l’intuition humaine et la résolution de problèmes fonctionnent. En fin de compte, les ordinateurs résolvent les problèmes avec une approche de force brute en examinant différentes alternatives et en choisissant la meilleure. L’espace de recherche des ordinateurs quantiques pourrait être plusieurs milliers de fois plus grand que celui considéré par les ordinateurs actuels. Il deviendrait possible de synthétiser une conception à partir de spécifications et les machines pourraient devenir plus « créatives » grâce à la possibilité d’explorer un vaste espace de solutions de conception possibles.
Dans les domaines de la finance et de l’économie, l’informatique quantique pourrait éventuellement conduire à l’analyse d’un vaste espace de données hétérogènes. Ces calculs permettraient de réaliser des prévisions financières et de mieux comprendre les phénomènes économiques. Un mot de prudence est toutefois nécessaire. Les données financières et économiques sont des données vraiment complexes.
L’analyse d’un grand espace de données ne conduira donc pas nécessairement à des prévisions plus précises compte tenu de la complexité des données. En d’autres termes, on peut se demander si l’utilisation de l’informatique quantique réduira l’incertitude.
L’effet global de l’informatique quantique sur la vie économique et sociale dépendra de l’utilisation qui sera faite de cet outil. L’informatique quantique est une source de connaissances. L’utilisation qui sera faite de cette connaissance dépendra ensuite des décisions humaines qui ne seront pas forcées par la connaissance elle-même.