Qu'il s'agisse d'en évaluer les risques, quand ils sont détenus en propre, ou de déterminer leur prix, quand ils sont commercialisés auprès d'entreprises désireuses de couvrir un aléas, l'analyse quantitative des instruments dérivés passe par le déroulement d'une série de scénarios et la mesure de leur impact sur les actifs sous-jacents. L'exercice est trivial dans son principe mais il se heurte à un obstacle majeur : la précision du résultat obtenu est directement proportionnelle à la durée de calcul, qui se compte souvent en heures.
Les établissements concernés sont donc réduits à recourir à des compromis, entre approximations rapides et contrôles approfondis mais longs, généralement réalisés la nuit, en espérant qu'une catastrophe ne surviendra pas entre temps. Mais BMO aurait donc trouvé l'arme magique pour contourner ce dilemme : grâce à la technologie de Riskfuel, une jeune pousse originaire de Toronto, qui accélèrerait les traitements d'un facteur d'un million, il est désormais possible d'exécuter les opérations requises en temps réel.
Une telle prouesse, pour l'instant concrétisée uniquement dans le cadre d'un projet pilote (sur des billets remboursables par anticipation), s'appuie sur des capacités d'apprentissage automatique profond (« deep learning ») déployés sur des réseaux de neurones rapides. Ils permettent, selon toute vraisemblance, de restreindre le champ d'application des simulations effectuées aux hypothèses jugées les plus plausibles, afin de limiter les besoins de calcul sans compromettre la qualité finale.
Les bénéfices, considérables, que BMO désire tirer de cette collaboration, qui devrait donc se prolonger, relèvent à la fois de l'expérience client et de la simple efficacité industrielle. Sur le premier volet, un avantage concurrentiel important peut être tiré de la faculté à fixer un prix et, par conséquent, conclure une transaction instantanément. Sur le second plan, il est question de baisse drastique de la puissance de calcul nécessaire, qui représente un coût significatif… et une empreinte environnementale non négligeable.
Les modèles mathématiques mis en œuvre dans la banque d'investissement n'ont guère évolué depuis une quarantaine d'années et la seule perspective de rupture envisagée par la plupart des professionnels repose sur le surcroît de performance que l'informatique quantique devrait introduire dans le domaine… dans une dizaine d'années si tout va bien. D'ici là, il est aussi possible d'explorer d'autres opportunités, notamment par l'introduction d'un soupçon d'intelligence artificielle sur un problème légèrement reformulé.