Définition
Un grand modèle de langage traite et génère du texte à partir de schémas appris pendant son entraînement. En finance, il peut aider à organiser des commentaires sur les résultats, expliquer le vocabulaire des marchés, résumer des actualités ou présenter une analyse en langage clair. Il ne sait pas, de manière autonome, si une affirmation est à jour ou exacte. Une réponse fluide peut contenir un fait inventé, omettre une réserve ou mal interpréter un chiffre.
Un LLM n’est ni un flux de données de marché, ni une formule de risque déterministe, ni un système d’exécution d’ordres. Son utilité dépend de la tâche, des informations qui lui sont fournies et des vérifications effectuées sur ses résultats. Les décisions financières exigent aussi de prendre en compte les prix, les quantités, les coûts de transaction et le risque — pas seulement une explication écrite qui semble plausible.
Comment le calcul est effectué
Il n’existe pas de formule financière unique pour un LLM. Lors de la génération de texte, le modèle attribue une probabilité aux tokens suivants — des unités de texte — en fonction de la consigne et du texte déjà généré. Une expression simplifiée est P(t_next | prompt, t_previous; model). Ici, P désigne la probabilité attribuée par le modèle ; t_next, un token suivant possible ; prompt, la question ou le contexte fourni ; t_previous, les tokens déjà générés ; et model, les paramètres appris par le modèle. Il s’agit d’une probabilité portant sur le texte, et non d’une probabilité de réussite d’une opération ni d’une prévision de rendement.
Une application financière peut calculer séparément les écarts acheteur-vendeur, la volatilité ou d’autres mesures au moyen de formules explicites, puis transmettre ces résultats à un LLM pour interprétation. Cette distinction est importante : la génération de texte ne valide pas le calcul sous-jacent.
Exemple détaillé
Supposons, à titre purement hypothétique, qu’un investisseur envisage un panier composé de 100 actions A à 50 \(US l’action et de 50 actions B à 100\) US l’action. La valeur de chaque ligne est de 100 × 50 $ US = 5 000 $ US et de 50 × 100 $ US = 5 000 $ US, soit un panier de 10 000 $ US avant frais de transaction.
- Un calcul distinct établit que chaque ligne représente 50 % du panier :
5 000 $ US / 10 000 $ US = 0,50. - Un LLM reçoit ces chiffres et un résumé d’actualités fourni. Il explique que les pondérations en valeur sont égales et présente les actualités en langage clair.
- Une vérification compare son explication aux pondérations calculées et au texte fourni. Si le LLM indique que l’action A représente 60 % du panier, son affirmation est erronée, même si le reste de sa réponse paraît convaincant.
Les chiffres et les actions sont donnés à titre d’exemple. Celui-ci ne permet pas de conclure que l’une ou l’autre action est appropriée ni qu’une opération donnée réussira.
Pourquoi est-ce important avant de passer un ordre ?
Avant de passer un ordre, un investisseur peut devoir rapprocher plusieurs types d’informations : la taille de l’ordre, la liquidité, les coûts d’exécution estimés, la volatilité, la concentration et les actualités récentes de l’entreprise. Un LLM peut faciliter la lecture de ces informations, mais la formulation ne doit pas être confondue avec une mesure. Vérifiez si toute affirmation chiffrée repose sur des données d’entrée et un calcul définis, si les informations d’actualité correspondent à leur source et si l’analyse tient compte de l’ordre prévu et des conditions d’exécution.
Un ton assuré de la part du modèle ne prouve pas l’exactitude de sa réponse. En particulier, une probabilité associée à un verdict analytique doit être définie séparément : elle ne se déduit pas de la probabilité que le LLM attribue aux mots suivants.
Utilisation par PreTrAIde
PreTrAIde est une plateforme d’analyse pré-négociation par IA pour les paniers d’actions. L’utilisateur indique une ou plusieurs actions, chacune avec un sens d’opération (achat ou vente), une quantité et des conditions d’exécution. Sa couche quantitative déterministe estime notamment l’écart acheteur-vendeur, l’impact de marché et la volatilité quotidienne, puis attribue des scores de liquidité, de volatilité et d’exécution compris entre 0 et 100. Des agents d’IA raisonnent ensuite sur chaque action et sur le panier en s’appuyant sur ces scores, les actualités et les notes d’analystes, puis fournissent une explication en langage clair.
PreTrAIde renvoie un verdict GO, NO-GO ou MODIFY, une évaluation des risques, une stratégie d’exécution suggérée et une probabilité de réussite estimée par le modèle, comprise entre 5 % et 95 %. Cette probabilité ne constitue ni une garantie ni une prévision de rendement. Des garde-fous corrigent certaines contradictions définies, par exemple en attribuant NO-GO à une action suspendue ou en dégradant un verdict GO lorsque la probabilité de réussite est inférieure à 50 %. Ils ne peuvent faire évoluer les verdicts que dans un sens plus prudent. PreTrAIde ne reçoit, ne transmet ni n’exécute d’ordres : ses verdicts constituent une aide à la décision, pas des recommandations.
Erreurs courantes
- Prendre un texte fluide pour une donnée vérifiée. Vérifiez les chiffres et les faits à partir des données d’entrée.
- Confondre les probabilités des tokens et celles d’une opération. Elles ne décrivent pas la même chose.
- Supposer qu’un LLM a calculé une mesure de risque. Vérifiez si elle provient d’un calcul distinct et défini.
- Négliger le contexte manquant. L’explication peut changer si la quantité de l’ordre, les conditions d’exécution ou les actualités fournies changent.
- Prendre un verdict d’IA pour une instruction. Un logiciel d’analyse ne remplace pas la décision de l’investisseur ni celle de son courtier.