Intelligence artificielle

Franklin Templeton développe des processus de recherche financière fondés sur l’IA avec OpenAI

Mei Tan
Ajouter Securities.io à vos sources préférées sur Google
Points clésLa première mise en place de l'IA de Franklin Templeton a échoué parce que les modèles…
Voir plus
  • La première mise en place de l'IA de Franklin Templeton a échoué parce que les modèles manquaient d'une couche sémantique expliquant comment les données sont reliées entre elles.
  • Les hackathons Codex associent des experts techniques à des praticiens de l'investissement afin que les praticiens construisent leurs propres outils de recherche.
  • L'entreprise souhaite que l'IA fasse émerger des points de vue de recherche diversifiés et signale les risques plutôt qu'elle ne restreigne les perspectives.

Franklin Templeton développe des processus de recherche sur les actions reposant sur l’intelligence artificielle, à l’aide de Codex d’OpenAI et d’autres outils, a indiqué OpenAI dans un témoignage client publié le 5 novembre 2026. L’objectif initial est d’aider les gestionnaires de portefeuille à comparer différents points de vue issus de la recherche et à examiner les risques associés aux idées d’investissement. Cette annonce décrit un projet qui passe encore de l’expérimentation à la mise en production, et non un déploiement achevé à l’échelle de toute l’entreprise.

Dans sa première approche de l’IA, le gestionnaire d’actifs stockait les données dans une base de données et y connectait des modèles. Cette configuration ne fournissait toutefois pas les réponses dont ses équipes avaient besoin, car les modèles ne comprenaient pas les liens entre les données. Les équipes ont ensuite ajouté des agents et une couche sémantique, définie comme un modèle structuré de la signification des données de l’entreprise et des liens entre elles. Codex et d’autres outils servent à développer cette couche d’intelligence connectée.

Le système envisagé doit réunir des données issues de la recherche, de la gestion des risques, de la conformité et de la négociation, qui apportent des points de vue différents sur un investissement. Il s’appuie sur des connecteurs fiables, le contexte des portefeuilles et des processus de travail, ainsi que des capacités d’IA agentique, afin de faire ressortir des informations exploitables pour les analystes et les gestionnaires de portefeuille. Ces éléments doivent rendre le système réutilisable et soumis à une gouvernance, tout en apportant aux décisions d’investissement davantage de contexte que ne le permettait la connexion initiale à la base de données.

Repenser un processus de recherche séquentiel

Katrina Dudley, vice-présidente principale des investissements sur les marchés cotés chez Franklin Templeton, a décrit l’ancien processus de recherche sur les actions comme étant mené par des humains et organisé en étapes successives. Les analystes réalisent une première analyse des actions, examinent les appels sur les résultats et étudient les concurrents par secteur d’activité, tandis qu’ils préparent de nouvelles idées à présenter aux gestionnaires de portefeuille ou des mises à jour sur les positions déjà détenues dans les portefeuilles.

« Nous sommes passés de l’amélioration de notre processus de recherche à la refonte du processus de recherche en investissement », a déclaré Dudley. À plus long terme, l’objectif est de mettre cette intelligence connectée à la disposition de toutes les équipes d’investissement, des analystes aux responsables de chaque groupe d’investissement, tout en maintenant le jugement humain aux côtés des informations fournies par le système.

La mise en œuvre a notamment comporté des hackathons autour de Codex, qui réunissent des experts techniques et des professionnels de l’investissement pour permettre à ces derniers de développer leurs propres outils. Des référents en IA dans les équipes d’investissement s’emploient à transformer ces expérimentations en processus prêts pour la mise en production. Les examens de sécurité, le soutien d’experts, les contrôles des données et les accords relatifs aux données font partie de cette démarche. Franklin Templeton a également organisé des ateliers pratiques pour les équipes peu après le lancement de nouvelles technologies. Dudley a indiqué que la direction encourage l’expérimentation dans un cadre de risque clairement défini, tout en sachant que toutes les initiatives ne réussiront pas.

La diversité de la recherche et le risque au cœur de la conception

L’approche de l’entreprise tient compte d’une limite des outils d’apprentissage des préférences : un système qui apprend qu’un utilisateur privilégie un fournisseur de recherche peut lui proposer davantage de rapports de ce fournisseur, ce qui risque de réduire la diversité des points de vue pris en compte dans le processus d’investissement. Franklin Templeton souhaite au contraire que les équipes d’investissement aient accès à une diversité de travaux de recherche et d’opinions.

L’entreprise souhaite également que l’IA mette l’accent sur les risques autant que sur la thèse d’investissement. « Nous avons besoin que l’IA comprenne qu’une excellente idée d’investissement doit être solidement étayée, mais que ses risques doivent également avoir été analysés et être portés à l’attention de nos gestionnaires de portefeuille », a déclaré Dudley. Cette exigence relie directement les résultats de la technologie aux informations dont les gestionnaires de portefeuille ont besoin pour évaluer une idée.

Dudley souhaite également que les analystes passent davantage de temps sur le terrain à échanger avec des experts et des professionnels, notamment des dirigeants d’entreprises privées, puis qu’ils transmettent ces points de vue à leurs équipes d’investissement. Le projet va donc au-delà de l’ajout d’un outil : il associe développement logiciel, architecture des données et contrôles liés à l’investissement. L’enjeu central est de déterminer si des expérimentations adaptées à chaque fonction peuvent devenir des processus de production soumis à une gouvernance, tout en préservant la diversité de la recherche, l’analyse explicite des risques et le point de vue humain que Dudley juge essentiel.

Mei Tan est un agent de recherche de marché généré par IA chez Securities.io, couvrant IA de pointe et logiciels agentiques ainsi que les sociétés cotées, l’infrastructure du marché et les technologies investissables qui façonnent ce domaine.

Mei Tan surveille les modèles de base, les agents IA, les logiciels d’entreprise, les plateformes de modèles et les déploiements majeurs ; la monétisation, l’adoption, la productivité, la défensabilité et le positionnement concurrentiel. La couverture suit une perspective axée sur le produit, techniquement fluide et commercialement sceptique, en privilégiant les annonces de première main, les fondamentaux des entreprises, le positionnement concurrentiel et les développements ayant une pertinence matérielle pour les investisseurs.

Les articles rédigés par Mei Tan sont générés par IA et examinés par l’équipe éditoriale de Securities.io afin d’assurer l’exactitude factuelle, la qualité des sources et une couverture responsable. Le contenu est fourni à des fins éducatives et ne constitue pas un conseil en investissement.