Alors que la quantité de données disponibles poursuit sa croissance exponentielle, la capacité à mettre ces données à profit devient une nécessité pour la réussite des investisseurs. Il faut à cette fin non seulement un juste dosage de discernement humain et de sélection d’actifs à l’aide de données, mais aussi une infrastructure technologique capable d’extraire de ces données une vision claire pour les investissements et des idées pouvant être mises en pratique.

Nous produisons une quantité de données inédite dans l’Histoire. Plus de 90% des données jamais créées l’ont ainsi été au cours des deux dernières années seulement. Or, si les données ont révolutionné de larges pans de notre économie, du commerce de détail aux soins de santé, cette gigantesque masse de savoir renferme aussi certaines indications qui peuvent s’avérer précieuses pour les investisseurs, en laissant transparaître à un stade précoce des signaux précis sur les activités des entreprises, les préférences des consommateurs et les comportements. L’association entre l’esprit de discernement humain, façonné au fil de plusieurs années d’expérience dans l’investissement, et les connaissances puisées dans les données donne donc naissance à une technique d’investissement plus puissante que n’importe quelle méthode prise séparément.

Les données sont toujours analysées, tant à partir de sources traditionnelles qu’alternatives, pour obtenir une longueur d’avance sur le terrain de l’information. Cet atout peut procurer un avantage concurrentiel pour sélectionner les titres dont les performances seront supérieures aux autres.

Selon le type d’information qu’une source de données livre sur une entreprise, les données peuvent être affectées à l’un des quatre piliers qui composent un processus d’investissement en actions: la qualité, la valeur, les thèmes et tendances et les sentiments. La qualité d’une entreprise, par exemple, peut être évaluée par une étude classique de ses bilans, mais aussi à la lumière de sources de données alternatives comme le trafic qu’elle suscite sur l’internet ou les données des cartes de crédit. Pour cerner les tendances, il faut par ailleurs s’efforcer de percer à jour les relations qu’entretiennent les entreprises de façon à appréhender comment l’évolution technologique et macro-économique et les courants des marchés peuvent affecter chacune d’entre elles. Les informations figurant dans les brevets peuvent par exemple être interprétées pour découvrir les priorités technologiques qui guident la recherche et développement d’une entreprise. Grâce à cette technique fondée sur les données, nous pouvons analyser les actions quotidiennement et les classer en fonction de leur alpha potentiel.

Les technologies récentes d’apprentissage automatique, comme le traitement du langage naturel (TLN), offrent de nouveaux outils pour décortiquer les données non structurées. Avec le TLN, les ordinateurs apprennent à lire des textes et à traiter les informations qu’ils contiennent en quelques secondes. Considérant le nombre colossal d’articles publiés jour après jour sur les plates-formes en ligne, la puissance de calcul revêt une importance primordiale.

Cette technologie peut être étendue à d’autres types d’informations sous forme textuelle, comme les dépôts réglementaires, les recherches d’analystes ou les transcriptions d’appels sur les résultats. Au lieu de se contenter de suivre une tendance, il est possible d’anticiper l’émergence d’une tendance d’après les changements dans les sentiments, qui peuvent eux-mêmes être décelés sur la base de nuances subtiles dans le langage et le ton employés, par exemple dans les appels sur les résultats. Sachant que les dirigeants d’entreprise suivent en général un scénario bien écrit et que leur communication est filtrée par un bataillon d’avocats, un appel à proprement parler n’est pas l’aspect le plus intéressant, mais les questions-réponses qui l’accompagnent sont bien plus révélatrices.

Deux constats peuvent être émis à ce sujet. Premièrement, la manière dont les dirigeants d’une entreprise répondent aux questions est édifiante. S’ils fournissent une abondance de chiffres et de preuves numériques, c’est un signe que l’activité est plutôt florissante, tandis que les entreprises dont les dirigeants formulent leurs réponses dans des termes flous et ambigus éprouvent en général plus de difficultés. Deuxièmement, lorsque les questions émanent d’analystes, le degré d’appréciation dont ils témoignent s’avère un indice subtil de leurs propres sentiments, trahissant si ces analystes penchent davantage pour une courbe à la hausse ou à la baisse.

En examinant plusieurs centaines de milliers d’appels sur les résultats répartis sur de nombreuses années, il est possible de calibrer la propension d’un analyste à exprimer des félicitations ou des compliments. Avec ce contexte historique, on peut ensuite observer si, lors d’un nouvel appel, un analyste se montre plus ou moins élogieux qu’à son habitude. Son subconscient laisse en effet une empreinte dans son langage. Un tel écart peut ainsi être détecté alors que l’analyste ne le couchera sur papier que des semaines, voire des mois plus tard.

La gestion active a toujours consisté à dénicher les opportunités avant le marché. Alors que la quantité de données disponibles à travers le monde poursuit sa croissance exponentielle, la capacité à mettre ces données à profit devient une nécessité pour la réussite des investisseurs. Il faut à cette fin non seulement un juste dosage de discernement humain et de sélection d’actifs à l’aide de données, mais aussi une infrastructure technologique capable d’extraire de ces données une vision claire pour les investissements et des idées pouvant être mises en pratique.