Robots de trading IA: coordination cachée pour des profits records

Une nouvelle étude a révélé que les robots de trading à intelligence artificielle (IA) peuvent apprendre de manière indépendante à coordonner leurs actions au sein des marchés financiers, ce qui leur permet d'augmenter leurs profits au détriment des autres participants. Cette coordination se produit sans aucune communication directe entre les robots ni programmation explicite conçue pour la collusion, ce qui représente un défi significatif pour les régulateurs du marché.

La recherche, publiée par le National Bureau of Economic Research, détaille comment les algorithmes de trading basés sur l'IA peuvent développer de manière autonome des comportements s'apparentant à ceux d'un cartel. Une équipe dirigée par Winston Wei Dou et Itay Goldstein de la Wharton School de l'Université de Pennsylvanie, et Yan Ji de l'Université des sciences et technologies de Hong Kong, a mené des simulations en utilisant des spéculateurs basés sur l'IA. Ces robots prenaient des décisions basées sur l'apprentissage par renforcement au sein d'un modèle de marché financier standard, enrichi de caractéristiques telles que plusieurs traders informés, des cycles de trading à court terme, des participants passifs du marché, et un teneur de marché qui fixe les prix – un rôle généralement rempli par les bourses ou les banques dans les scénarios du monde réel.

Les simulations ont identifié deux types distincts de comportement collusif développés par les programmes d'IA, en fonction des conditions de marché prévalentes.

Dans les marchés calmes, caractérisés par des fluctuations de prix minimes et un grand nombre d'investisseurs passifs, les algorithmes ont appris à signaler subtilement la prudence par leurs actions sur les prix. Si un programme s'engageait soudainement dans un trading plus agressif, les autres détecteraient cette déviation en observant la réaction de prix résultante. En réponse, ils agiraient agressivement lors de la ronde de trading suivante, pénalisant efficacement l'intrus. Cette stratégie reflète étroitement la manière dont les cartels humains peuvent atteindre des niveaux de prix ou de production partagés sans communication verbale directe, en se fiant plutôt à l'observation et au comportement réactif.

Inversement, dans les marchés volatils marqués par des variations de prix importantes, les signaux de prix directs devenaient trop bruyants et peu fiables pour ce type de coordination. Ici, un autre modèle est apparu : les algorithmes ont appris à éviter le trading agressif après avoir subi des résultats négatifs. Avec le temps, tous les robots ont progressivement adopté des stratégies plus prudentes. Ce changement collectif a conduit à des comportements similaires entre les robots, leur permettant de réaliser des profits plus élevés ensemble. Les chercheurs ont appelé ce phénomène « stupidité artificielle » – un biais d'apprentissage systématique qui, bien qu'apparaissant individuellement sous-optimal, conduit à un comportement collectivement rentable.

Dans les deux scénarios, les chercheurs ont constaté que les traders IA gagnaient constamment plus que ce qui serait possible dans un marché pleinement concurrentiel. Cependant, cette rentabilité accrue pour les robots s'est faite au détriment de l'efficacité globale du marché. Les prix sont devenus des reflets moins précis de la vraie valeur sous-jacente, les volumes de trading ont diminué, et les erreurs de prix sont devenues plus fréquentes.

Les implications pour les régulateurs sont particulièrement complexes. Les lois antitrust actuelles, telles que celles des États-Unis, n'interdisent généralement que les accords explicites ou la communication directe entre entreprises pour la collusion. Lorsque les systèmes d'IA se coordonnent par des processus d'apprentissage autonomes – sans aucune communication ou collusion expresse – ces cadres juridiques existants pourraient ne pas s'appliquer.

L'équipe de recherche avertit qu'à mesure que les programmes basés sur l'IA deviendront de plus en plus prévalents et influents sur les marchés financiers, de nouvelles approches réglementaires seront essentielles. Sans des règles actualisées, il existe un risque significatif que les marchés évoluent de manière à bénéficier de manière disproportionnée à quelques opérateurs d'IA sélectionnés, potentiellement au détriment de l'équité générale du marché et des intérêts de nombreux autres participants.