Une étude révolutionnaire de la Banque des règlements internationaux (BRI) démontre que les agents d’intelligence artificielle (IA) générative peuvent remplir des fonctions critiques de gestion des liquidités dans les banques centrales et les systèmes de paiements de grande valeur traditionnellement gérés par des humains.
La recherche, réalisée avec le modèle de raisonnement o1 de ChatGPT en mode agent, a simulé des scénarios réels où L’IA devait équilibrer les coûts et les risques de liquidité de retard dans des transactions de plusieurs millions de dollars.
L’expérience a conçu trois scénarios qui reproduisent des défis réels dans les RTGS ou systèmes de règlement en temps réel (Fedwire, TARGET2, Lynx, etc.), le cœur du système financier traditionnel.
Dans le premier scénario, l’IA ne disposait que de 10 $ de liquidités et de deux paiements impayés de 1 $ chacun. Devant l’éventualité d’une commande urgente de 10$, il a décidé de tout geler. Sa propre explication explique clairement pourquoi il a pris cette décision : “Je retarde désormais les petits paiements pour préserver les liquidités et pouvoir m’occuper de la transaction urgente si elle arrive.”
Le deuxième scénario introduit une plus grande complexité avec la probabilité de recevoir des fonds extérieurs (90%) et exécuter des paiements urgents (50%). Dans ce cas, l’IA n’a traité que les transactions à faible risque, démontrant des capacités de priorisation dynamique.
Les tests ont montré que même avec des probabilités variant de 50 % à 0,1 % ou des montants allant jusqu’à des milliards de dollars, l’IA a maintenu son approche de précaution. Cependant, dans les situations complexes, sa cohérence a légèrement diminué, avec des variations occasionnelles dans les décisions.
L’IA est déjà une meilleure trésorière que la plupart des humains, selon le BRI
L’étude propose de développer des “assistants IA” pour les tâches de routineréservant les rôles humains à la supervision et aux décisions stratégiques. Les chercheurs prévoient que des systèmes similaires pourraient être testés dans des environnements de sandbox réglementaires avant leur mise en œuvre réelle.
“Les résultats suggèrent que des solutions spécifiques d’IA pourraient réduire les coûts opérationnels et améliorer l’efficacité opérationnelle et la sécurité”, indique le rapport du BIS. Mais il met en garde contre leurs limites : les modèles dépendent de données historiques et peuvent échouer face à des événements extrêmes ou à des « cygnes noirs » échappant à leur expérience.
L’étude compare cette approche à l’apprentissage par renforcement traditionnel. Les auteurs soulignent que, contrairement à l’apprentissage par renforcement traditionnel (qui nécessite des milliers de simulations), l’IA générative a obtenu « d’excellents résultats sans aucune formation spécifique ».
Donc, pour ce niveau d’efficacité, les auteurs du rapport estiment que l’IA pourrait économiser des millions de dollars en liquidités immobilisées et réduire considérablement les files d’attente de paiement dans les systèmes RTGS.
Bien que le rapport de la BRI se concentre sur les systèmes financiers traditionnels, ses conclusions ne sont pas surprenantes dans le monde des actifs numériques. En effet, les applications de finance décentralisée (DeFi) sont déjà Ils gèrent les liquidités depuis des années 100 % automatiquement avec des pools AMM, des prêts flash et des algorithmes qui se rééquilibrent en quelques secondes.
Ce que la BRI célèbre comme une innovation, Uniswap, Aave et Curve le font déjà depuis 2020 avec des milliards de dollars en jeu, comme le rapporte CriptoNoticias.
