Si vous entrez aujourd’hui dans la salle de marchés de Goldman Sachs à New York, le vacarme des années 90 a laissé place au ronronnement des serveurs. En deux décennies, la banque d’affaires la plus prestigieuse au monde s’est transformée en une véritable entreprise de logiciel. Son fer de lance ? Une automatisation massive portée par l’intelligence artificielle, capable d’exécuter en quelques millisecondes ce qui prenait autrefois des heures à une armée de traders en costume.

De 600 traders à 2 : la révolution des ingénieurs

Le chiffre est devenu légendaire dans le milieu de la finance : au siège de Goldman Sachs, le desk de trading des actions américaines est passé de 600 traders humains au début des années 2000 à seulement deux individus aujourd’hui. Ces derniers ne sont plus là pour passer des ordres, mais pour superviser les algorithmes.

Cette transition n’est pas seulement une réduction de coûts ; c’est une quête de précision. L’IA de Goldman Sachs utilise le Data Mining pour analyser des corrélations invisibles entre des milliers d’actifs mondiaux. Un mouvement sur le prix du cuivre au Chili peut, grâce à l’IA, déclencher instantanément une stratégie sur les options technologiques à Tokyo, avant même qu’un humain n’ait pu lire la dépêche.

L’IA générative au service du « Code »

Pour Goldman Sachs, l’IA ne sert pas qu’à trader, elle sert à construire les outils de demain. La banque a été l’une des premières à autoriser ses développeurs à utiliser l’IA générative pour assister l’écriture de code informatique. En automatisant la création de tests et de scripts de trading, Goldman accélère son cycle d’innovation.

L’objectif est d’éliminer toute « friction » dans l’exécution des ordres. Grâce au Machine Learning, les systèmes de la banque apprennent à prédire la liquidité du marché : ils savent exactement quel est le meilleur moment de la journée pour acheter ou vendre un bloc d’actions massif sans attirer l’attention des prédateurs du trading haute fréquence.

Le défi de la boîte noire

Cette automatisation totale n’est pas sans risques. Goldman Sachs, comme ses concurrents, doit faire face au défi de « l’explicabilité ». Les régulateurs exigent de comprendre pourquoi une IA a pris telle ou telle décision en cas de « flash crash ». La banque investit donc massivement dans ce qu’on appelle l’IA responsable : des systèmes de surveillance qui vérifient en temps réel que les algorithmes ne sortent pas des limites de risque fixées par les humains.

En devenant une « banque de codeurs », Goldman Sachs prouve que dans la finance moderne, ce n’est plus celui qui a le plus d’instinct qui gagne, mais celui qui possède l’algorithme le plus rapide et le plus intelligent.

Sources et Références :

• Goldman Sachs Engineering : Inside the transformation: From traders to engineers (Annual Tech Report 2024).
• Harvard Business Review : How Goldman Sachs Became a Tech Company.
• MIT Sloan Management : Case Study: Algorithmic trading and the evolution of Wall Street.
• Financial Times : The automation of the investment bank: Goldman’s digital journey.