Infrastructures à l’ère de l’intelligence artificielle

Les investisseurs institutionnels évoluent aujourd’hui dans deux univers: d’une part, l’intelligence artificielle traite les données, les documents et les scénarios toujours plus rapidement et, d’autre part, les infrastructures s’inscrivent dans des cycles de très long terme. Le capital est immobilisé pendant de nombreuses années, alors que les évolutions réglementaires et technologiques progressent souvent plus vite que la durée de détention d’un actif. Ces évolutions ne peuvent être déduites que partiellement des données disponibles, mais doivent néanmoins être anticipées.

Davantage de données ne signifie pas automatiquement de meilleures décisions, souligne Henning Beck, neuro­scientifique basé à Francfort-sur-le-Main. Au contraire, à mesure que la quantité d’informations augmente, le risque de dégradation de la qualité des décisions s’accroît également, un phénomène que l’on désigne sous le terme ­d’«overchoice».

L’IA peut soutenir le processus d’investissement. Elle améliore l’efficacité et la comparabilité, aide à structurer de grands volumes de documents, identifie des schémas récurrents et traite plus rapidement les informations. Elle rend aussi les relations complexes plus transparentes et présente plus clairement les éléments de décision.

Les investisseurs institutionnels délèguent ainsi les analyses aux gestionnaires d’actifs et aux conseillers, mais définissent leurs objectifs, leurs budgets de risque et leurs critères de durabilité. L’IA aide à structurer la complexité et à mettre en évidence les incohérences. Toutefois, à mesure que la quantité de données augmente, le risque de confondre l’accessoire avec l’essentiel s’accroît également.

De plus, l’IA et les infrastructures obéissent à des logiques temporelles différentes. Alors que l’IA repose sur l’analyse de données historiques et évolue de manière dynamique, les infrastructures sont construites et se développent sur plusieurs décennies. Les investisseurs doivent donc prendre des décisions capables de traverser plusieurs cycles technologiques. Des investissements réussis supposent ainsi de combiner les gains d’information à court terme avec les évolutions structurelles à long terme.

Les investissements dans l’énergie, les réseaux, les transports, les communications ou les infrastructures sociales exigent une compréhension approfondie des paramètres techniques, des cadres réglementaires et des mécanismes de génération de cash-flow. L’IA peut structurer les univers de données, analyser les documents et identifier les anomalies. La décision proprement dite intervient toutefois là où subsiste une part d’incertitude, notamment lorsque les données font défaut ou que les modèles historiques ne sont plus pertinents.

Pour les investisseurs institutionnels, une gouvernance claire est donc essentielle. La transparence des hypothèses, la définition des responsabilités et la robustesse des processus décisionnels gagnent en importance. La question centrale est la suivante: un investissement reste-t-il pertinent même si les conditions-cadres évoluent plus rapidement que prévu?

Cette problématique est particulièrement visible dans les infrastructures liées à l’IA, telles que les centres de données, les réseaux électriques ou la fibre optique. Dans ces domaines, il ne s’agit pas uniquement de modèles, mais également d’hypothèses solides: quelles technologies s’imposeront? Comment la réglementation évoluera-t-elle? Ces questions nécessitent une interaction étroite entre analyse et jugement.

En définitive, ce ne sont pas les données qui font la différence, mais la capacité à les interpréter. Les portefeuilles d’infrastructures tournés vers l’avenir naissent de l’alliance entre efficacité technologique et jugement humain.