​Les progrès en matière de puissance de calcul, le volume de données disponibles, et la vitesse ainsi que la chute du coût de l'analyse de données ont propulsé l'intelligence artificielle (IA) vers le prochain changement de paradigme technologique. Alison Porter, Richard Clode et Graeme Clark, gérants de portefeuilles au sein de l'équipe technologie d'Henderson, évoquent ce thème d'investissement, son fort potentiel et les meilleures opportunités qu'il offre à leurs yeux.

Alison Porter

Graeme Clark

Richard Clode

L’équipe technologie d’Henderson prône depuis longtemps la thèse d’investissement selon laquelle la technologie va continuer de faire bouger les lignes et de prendre des parts de marché dans l’économie mondiale. Nous avons vu cette théorie se vérifier avec l’essor de l’ordinateur personnel, l’ère Internet, les smartphones et, plus récemment, le passage au cloud. L’équipe est convaincue que l’intelligence artificielle constitue le prochain changement de paradigme dans l’évolution de la technologie.

 

Qu’est-ce que l’intelligence artificielle ?

L’IA peut, grosso modo, être définie comme la capacité des machines à “penser”. Cette faculté va de la reconnaissance de formes basique imitant les réactions humaines et de l’apprentissage automatique guidé par le raisonnement humain jusqu’à une logique de pensée plus indépendante. Cette palette de compétences est rendue possible par l’apprentissage profond et les réseaux de neurones artificiels1 qui permettent aux machines d’écrire leur propre code et de s’auto-enseigner avec un recours moindre à l’intervention humaine.

Nous nous trouvons aujourd’hui à un stade où l’IA est largement appliquée dans les algorithmes de recherche, la traduction, la robotique, la conduite autonome ainsi que la reconnaissance vocale et visuelle. L’IA ne se résume pas aux victoires de robots face à des champions dans des jeux de haut vol tels que “Jeopardy” et le go. Il est également question de la façon dont l’informatique et les données sont utilisées et ouvertes (démocratisées) afin que des algorithmes puissent être créés, générant des gains d’efficacité et des progrès dans des domaines aussi variés que la santé, la banque, l’agriculture, la vente et le transport.

 

Graphique 1 : le coût de l’analyse de données en chute libre
Source : IBM, Cray, Sony, NVIDIA, rapport de presse, Goldman Sachs Global Investment Research, novembre 2016.
Remarque : FLOPS (Floating-point Operations per Second ou opération en virgule flottante par seconde) : unité de mesure de la vitesse d’exécution d’un système informatique ; 1 GFLOPS équivaut à 109 FLOPS.

Les moteurs de l’IA aujourd’hui

Les opportunités et écueils liés à l’IA ont très tôt inspiré la fiction populaire, depuis les romans d’Isaac Asimov (années 40) en passant par des films hollywoodiens avant-gardistes tels que Blade Runner (1982) et Terminator (1984). Si la technologie est un sujet depuis longtemps, le point d’inflexion s’agissant à la fois des capacités et du potentiel d’investissement de l’IA est assez récent. Là où il a fallu plus de 60 ans à la télévision pour être adoptée par 80 % des ménages, Internet n’a eu besoin que de 10 ans pour atteindre une telle démocratisation. Le rythme d’adoption de la technologie s’accélère. Dans le domaine de l’IA, nous attribuons ce phénomène à la conjonction de deux facteurs.

Premièrement, l’immense volume de données disponibles générées par Internet et les omniprésent smartphones. Deuxièmement, l’effondrement du coût du calcul informatique, qui permet d’analyser des données à une vitesse et des tarifs records (graphique 1). IBM estime que 90 % des données du monde ont été créées au cours des deux dernières années, sachant qu’un gigaflops (unité de mesure de la performance informatique produite par un algorithme ou une unité centrale) de calculs coûte seulement 8 centimes aujourd’hui contre 1,4 billion de dollars en 1961.

 

Graphique 2 : la matière grise de moins en moins chère
Source : Henderson Global Investors, Time Inc., décembre 2016.

Le fort potentiel de l’IA

Nous n’en sommes qu’aux stades précoces de l’évolution des technologies d’IA. Le rythme d’adoption est accéléré par la généralisation de l’infrastructure de cloud (autre thème clé de la Global Technology Strategy, qui désigne la gestion de l’informatique à distance ; ex : technologies d’achat, de traitement et de stockage fournies par des prestataires de services spécialisés sur Internet) et la loi de Moore2. Nous avons certes assisté à un point d’inflexion en matière d’apprentissage profond, mais les cas d’utilisation de l’IA3 aujourd’hui restent l’affaire de niches et sont cantonnés à des résolutions de problèmes bien spécifiques.

Toutefois, le prolongement de la courbe exponentielle de la loi de Moore et le développement de la technologie de cloud entraînent les coûts vers le bas. Ainsi, alors que 1000 dollars permettaient d’acheter l’équivalent de l’intelligence d’une souris en 2016, ils permettront d’acquérir la capacité cérébrale d’un être humain en 2023 et celle de la race humaine toute entière en 2045 (graphique 2). Ajoutez à cela le volume toujours plus important de données disponibles pour être étudiées et vous obtenez un fort potentiel pour les capacités futures de l’IA.

 

Graphique 3 : domaines d’investissement dans l’IA
Source: Henderson Global Investors

Opportunités d’investissement dans l’IA

À l’instar des téléphones mobiles au début du millénaire, l’IA représente aujourd’hui un marché à l’état embryonnaire, mais son infrastructure et sa facilitation évoluent à grande vitesse. Nous identifions des opportunités dans un large champ de domaines tels que les logiciels d’analyse, la puissance de calcul rapide à bas coût, la génération de données, les outils d’automatisation ainsi que tout un éventail de nouvelles utilisations.

Bien que la robotique (que l’on peut assimiler à un outil d’automatisation) ait suscité beaucoup d’intérêt, nous la considérons comme une application parmi d’autres de l’IA. Le service à la clientèle est métamorphosé par les agents conversationnels, la reconnaissance vocale et les logiciels prédictifs tandis que le secteur des transports est révolutionné par la conduite autonome (apprentissage profond destiné à former les véhicules à l’assimilation de la conduite au lieu de s’appuyer sur des algorithmes codés manuellement) et le covoiturage.

La nécessité de stocker et d’analyser des volumes de données plus importants à des cadences plus rapides ouvre de nombreuses opportunités dans les applications logicielles d’IA pour des sociétés comme Adobe, ServiceNow et Saleforce.com, ou encore pour des fabricants de semi-conducteurs spécialisés dans les centres de données comme Broadcom, Cavium et Xilinx. Nous considérons Alphabet (Google) comme une plate-forme stratégique de facilitation de l’IA dans la mesure où cet acteur intègre déjà la technologie d’IA à l’ensemble de ses services.

 

Synthèse

La possibilité de voir l’omniprésence de l’IA bousculer un éventail de secteurs encore plus large en fait une opportunité d’investissement vraiment intéressante.Nous sommes convaincus que ce phénomène va continuer d’offrir à la Global Technology Strategy des opportunités d’investir dans les bénéficiaires à long terme de cette tendance et qu’il existe de multiples domaines présentant un potentiel d’investissement. Au fil du temps, à mesure que le développement de l’IA et son utilisation s’élargiront, nous voyons l’univers des possibilités de placement s’étendre vers de nouveaux horizons, alors que les investissements de capital-risque d’aujourd’hui deviendront les introductions en Bourse de demain.

 

Remarque:

1. Apprentissage profond : consiste à injecter de gros volumes de données dans un système informatique, lequel pourra les utiliser pour des prises de décision concernant d’autres données. Ces données sont injectées par le biais de réseaux de neurones artificiels, à savoir des constructions logiques qui posent une série de questions binaires vrai/faux ou extraient une valeur numérique de toutes les données qui transitent par eux puis procèdent à un classement en fonction des réponses reçue.

2. Loi de Moore : principe inventé en 1965 par le cofondateur d’Intel, Gordon E. Moore. Il s’agit de la capacité à environ doubler le nombre de transistors pouvant contenir sur une puce (ou circuit intégré) tous les deux ans.

3. Use case ou cas d’utilisation : terme d’ingénierie système et informatique qui décrit comment les utilisateurs se servent d’un système pour atteindre un but particulier.

Toute référence à des titres particuliers n’est formulée qu’à des fins d’illustration et ne saurait constituer ou faire partie d’une offre ou d’une invitation à émettre, vendre, souscrire ou acheter ces titres.

 

J'aime cet article 116