IA et risque de change : ce qu'elle fait bien, ce qu'elle fait mal, et où elle devient dangereuse

Les directions financières n'ont pas attendu les promesses des éditeurs pour essayer l'IA générative : la plupart des trésoriers ont déjà demandé à un assistant de résumer une note de banque centrale ou de reformuler un e-mail à la banque. La question n'est plus de savoir s'il faut l'utiliser, mais pour quoi faire — et surtout pour quoi ne pas le faire.

Sur le risque de change, la ligne de partage est nette. L'IA est excellente pour tout ce qui consiste à lire, trier et rédiger. Elle est mauvaise, et parfois dangereuse, dès qu'il s'agit de produire un chiffre de marché ou de prendre une décision.

Ce que l'IA ne sait pas faire : prédire le cours

C'est la première question que pose un dirigeant, et la réponse est décevante : prévoir de façon fiable la direction de l'euro-dollar à quelques mois reste hors de portée, avec ou sans IA. Depuis les travaux de Meese et Rogoff en 1983, les études montrent qu'il est très difficile de faire mieux qu'une prévision naïve — « le cours ne bougera pas » — et que les modèles qui y parviennent le font de façon fragile, selon la période, l'horizon et la méthode retenus. Un modèle qui trouverait un avantage durable serait d'ailleurs exploité jusqu'à ce que cet avantage disparaisse.

Ce que l'on anticipe mieux, c'est l'amplitude des mouvements — la volatilité. Et le meilleur indicateur disponible n'est pas un modèle d'IA : la revue de référence sur le sujet conclut que la volatilité implicite des options prévoit mieux la volatilité future que les modèles statistiques. C'est une information utile pour dimensionner une couverture ou un cours budget. Ce n'est pas une prévision de direction, et elle ne dit pas s'il faut couvrir aujourd'hui ou attendre.

La conséquence pratique est simple : l'IA ne change rien à la logique d'une politique de couverture. On couvre parce qu'on ne sait pas, pas parce qu'on croit savoir. Une entreprise qui décale ses couvertures sur la foi d'une prévision, humaine ou algorithmique, spécule.

Ce qu'elle ne sait pas faire non plus : donner un prix

Un assistant conversationnel généraliste ne dispose pas, par défaut, des données de marché du moment. Interrogé sur le cours du jour, les points de terme à six mois ou la prime d'une option, il répond quand même — avec un chiffre plausible, présenté avec assurance, et souvent faux.

Même relié à internet, il lui manque ce qui fait le prix d'une couverture : le cours au comptant à la minute de la cotation, la courbe des points de terme, la volatilité implicite par échéance et par prix d'exercice, et la convention exacte du produit. Une prime d'option recalculée sans la bonne volatilité n'est pas une approximation : c'est le prix d'un autre produit.

• Un cours de change se vérifie sur une source de marché horodatée, jamais dans une réponse d'assistant.
• Des points de terme se calculent à partir des taux des deux devises à l'échéance exacte, pas à partir d'un taux directeur.
• Une prime d'option exige la volatilité implicite du prix d'exercice et de l'échéance concernés — une donnée que les assistants généralistes n'ont pas.

Là où l'IA rapporte vraiment

Retirez la prévision et le prix : il reste l'essentiel du temps d'un trésorier de PME ou d'ETI, passé à lire, consolider et expliquer. C'est là que l'IA fait gagner des heures.

1. Lire les documents

Term sheets, confirmations de banque, contrats commerciaux, conditions de compte : l'IA en extrait les caractéristiques — montant, échéance, barrière, prix d'exercice, clause de change d'un contrat — et les range dans un tableau. Sur un portefeuille de vingt couvertures, c'est une journée de ressaisie évitée.

2. Consolider l'exposition

Un export de factures clients et fournisseurs, un grand livre auxiliaire ou un relevé multidevises se prêtent bien à une première classification : par devise, par échéance, par contrepartie. L'IA repère aussi les incohérences — une facture en dollars rattachée à un fournisseur allemand, une échéance manifestement erronée.

3. Préparer la prévision de trésorerie

Les modèles statistiques et d'apprentissage automatique apportent un vrai gain sur les flux récurrents et nombreux : encaissements clients, délais de paiement effectifs, saisonnalité. Ils en apportent peu sur les flux rares et importants — un acompte, une acquisition, un gros contrat — qui restent l'affaire du jugement. Un prévisionnel à 13 semaines par devise combine utilement les deux.

4. Suivre l'actualité et synthétiser

Résumer une décision de la BCE ou de la Fed, préparer une revue des devises du portefeuille, traduire une note de banque : la synthèse est un point fort des modèles de langage. Les dates et les chiffres cités se vérifient sur la source officielle, car c'est là que se glissent les erreurs.

5. Rédiger

Première version d'une politique de change, note au comité de direction, demande de renégociation à la banque : l'IA produit une trame structurée en quelques minutes. Le fond — ratios de couverture, délégations, seuils — reste une décision de l'entreprise.

Où elle devient dangereuse

1. 1
   Quand elle décide

   Un agent qui passe ou ajuste des couvertures sans validation humaine engage l'entreprise sur des montants significatifs. La gouvernance de trésorerie — qui décide, jusqu'à quel montant, avec quelle trace — s'applique à un outil comme à une personne.

2. 2
   Quand elle conforte

   Demandez à un assistant s'il faut couvrir maintenant : il construira un raisonnement convaincant dans le sens de la question. L'IA est un excellent avocat, pas un juge. Faites-lui plutôt lister les arguments contraires à votre intuition.

3. 3
   Quand on lui confie des données sensibles

   Coordonnées bancaires, montants de couverture, noms de contreparties et de clients ne se collent pas dans un outil grand public dont les conditions autorisent la réutilisation des données. Une offre entreprise qui l'exclut, ou une anonymisation préalable, s'impose.

4. 4
   Quand ses chiffres ne sont pas vérifiés

   Un cours, une prime ou une date erronés, repris tels quels dans une note au comité, deviennent une décision prise sur un chiffre faux. La règle : aucun chiffre de marché ne vient de l'IA.

Quoi confier à l'IA, et avec quel contrôle

La règle des trois vérifications

1. Chaque chiffre de marché a une source horodatée : cours, points de terme et volatilité viennent d'une donnée de marché, jamais d'une réponse générée.
2. Chaque extraction est relue contre le document : en priorité les barrières, les montants, les échéances et les clauses de doublement.
3. Chaque décision reste humaine et tracée : l'IA prépare le dossier, une personne habilitée décide, et la décision est consignée comme les autres.

Par où commencer dans une PME ou une ETI

Inutile d'attendre un projet informatique. Trois usages se mettent en place en une semaine, sans intégration :

• Faire extraire les caractéristiques des couvertures en cours dans un tableau, puis le relire : c'est aussi le point de départ d'un suivi en valeur de marché.
• Faire classer douze mois de factures par devise et par échéance, pour obtenir une première mesure de l'exposition.
• Faire rédiger la trame de la note mensuelle au comité, que l'équipe complète avec ses chiffres vérifiés.

Le seul prérequis est une règle écrite : quels outils, quelles données peuvent y entrer, et qui valide ce qui en sort. Elle tient en une demi-page et s'ajoute à la politique de change.

Sources

• Meese, R. et Rogoff, K. (1983), « Empirical exchange rate models of the seventies: Do they fit out of sample? », Journal of International Economics, 14, p. 3-24.
• Rossi, B. (2013), « Exchange Rate Predictability », Journal of Economic Literature, 51(4), p. 1063-1119.
• Poon, S.-H. et Granger, C. (2003), « Forecasting Volatility in Financial Markets: A Review », Journal of Economic Literature, 41(2), p. 478-539.
• Borio, C., McCauley, R., McGuire, P. et Sushko, V. (2016), « Covered interest parity lost: understanding the cross-currency basis », BIS Quarterly Review, septembre 2016.
• Réutilisation des données par les assistants : OpenAI, « Enterprise privacy » (les données des offres entreprise ne servent pas à l'entraînement par défaut, contrairement aux offres grand public).