Rencontre Maths/Industrie – La finance de marché à l’ère de l’intelligence artificielle

L’ILB,  AMIES et Finance Innovation s’associent dans la création d’une Rencontre Maths-Industrie sur les questions de l’Intelligence Artificielle. 

Dans cette édition, nous aborderons la façon dont l’intelligence artificielle peut bouleverser la finance de marché. Les données financières sont de plus en plus nombreuses, que ce soit grâce aux évolutions réglementaires qui cherchent à bien comprendre l’implication des intermédiaires financiers (banques, assurances, courtiers, etc) dans le fonctionnement de l’économie réelle, ou bien par la croissance exponentielle des échanges (toujours plus rapides, et mixant les classes d’actifs), ou encore grâce à une meilleur connaissance du monde réel : l’information disponible sur les clients, les entreprises, les contreparties augmente drastiquement via l’open data et les objets connectés.
En parallèle, les capacités de calcul et de stockage ont ouvert la voie à de nouveaux algorithmes, qui font revivre l’engouement des années 70 à propos de l’intelligence artificielle. Le joueur de Go artificiel de DeepMind a de nouveau gagné un des meilleurs joueurs professionnels récemment. Les universitaires font plus qu’accompagner ces bouleversement algorithmiques : ils les comprennent, proposent de nouvelles solutions. La création d’une chaire d'”informatique et sciences numériques” au Collège de France en 2015 est le symbole de cette interconnexion du monde académique et de l’industrie du “machine learning”.

Lors de cette matinale, nous invitons des chercheurs à échanger avec les industriels de la finance sur leurs progrès récents et les perspectives pour cette industrie, autour de trois thèmes:

Matinée modérée par Charles-Albert Lehalle (Senior Research Advisor – Capital Fund Management) 

8h30-8h45 Accueil

8h45-9h30 Introduction : Les attentes en IA de l’industrie financière 
Charles-Albert Lehalle (Senior Research Advisor – Capital Fund Management) 
Edouard D’Archimbaud (Analytics Consulting – Data & AI Lab – BNPP)

9h30-10h30 Décryptage du deep learning 

Cette méthode a résolu de nombreux problèmes ces derniers temps, particulièrement en traitement du signal: analyse de la parole et des images, aboutissant par exemple à une compréhension fine de “scènes” filmées. 

 Gaelle Bonnet (Polytech Clermont-Ferrand, LIMOS, UCA) : Portrait du big-data, positionnement du deep learning
 Ludovic Denoyer (LIP6, UPMC ) : Portrait du Deep learning

10h30-10h45 Pause 

10h45-11h45 Optimisation des vitesses de calcul 

Les développement récents de l’intelligence artificielle repose sur une augmentation des vitesses de calcul, et pas seulement par l’utilisation avoeugle de processeurs plus puissants. Une algorithmique dédiée s’est développées, potentiellement utile pour l’industrie financière, très demandeuse de calculs de risque pour répondre aux évolutions réglementaires. 

Gilles Pages (LPMA, UPMC) : Calcul  intensif et finance de marché
Stéphane Gaiffas (CMAP, Polytechnique) : Optimisation pour les data sciences et intro. aux grandes dimensions

11h45-12h45 Récentes méthodes de régularisation en grandes dimension   

Les méthodes d’apprentissage ont du s’adapter à l’apparition du “big data” (ie disponibilité de bases de données massives mais mal structurées), quels sont les progrès récent et quelles conclusions et applications pour l’industrie financière ? 

Gabriel Peyré (ENS) : Le transport optimal pour l’apprentissage de modèles génératifs profond
Charles Bouveyron (MAP5, Paris Descartes) : Apprentissage statistique en grandes dimensions

13h déjeuner  (sur réservation)

 

Comité d’organisation :
Richard Fontanges, Noémie Dié, Charles-Albert Lehalle

Soutien académique:

À l’initiative de la SMAI et du CNRS, conjointement avec AMIES, avec le soutien de l’INRIA et en association avec la SFdS, la SMF ou autres associations selon les thématiques, un cycle de demi-journées est organisé pour présenter les applications des mathématiques dans l’industrie et les services de façon à renforcer les liens entre mathématiciens et industriels et à les étendre à de nouveaux domaines. Ceci concerne les mathématiques « déjà » appliquées (aux premiers rangs desquelles le calcul scientifique, les statistiques, la modélisation, l’optimisation…), mais aussi des mathématiques plus traditionnelles (géométrie, algèbre, analyse, logique, systèmes dynamiques…).

Réservez votre billet