L’IA est la branche de la science des données qui englobe tout, des algorithmes les plus basiques aux modèles de réseau neuronal complexes. Songez par exemple à une usine de fabrication d’automobiles avec des robots qui installent et assemblent des pièces de véhicules à l’aide d’un système préprogrammé. Ces robots ont été conçus pour effectuer des fonctions relativement simples qui automatisent les processus que nous avions l’habitude d’entreprendre manuellement. L’apprentissage automatique (AA) est lorsque les algorithmes font des prévisions en fonction d’un ensemble de données historiques et d’instructions d’entraînement. Reprenons l’exemple de la robotique ci-dessus. En passant de l’IA de base à l’AA, les robots ne se contentent pas d’utiliser des instructions prédéfinies, mais apprennent des processus plus efficaces au moyen de la modélisation prédictive. Tout au bout du spectre, les modèles d’apprentissage profond peuvent apprendre par eux-mêmes en analysant de grands ensembles de données sans avoir été formés au préalable par un humain. Un réseau de neurones convolutif, couramment utilisé dans les systèmes de traitement et de reconnaissance d’images, en est un exemple. La clé, c’est l’immense puissance informatique requise pour les techniques d’apprentissage profond.

L’explication tient en un mot : ChatGPT! L’IA, et plus particulièrement les modèles d’AA, existe depuis un certain temps et fonctionne en silence dans l’ombre. Ces systèmes sont, à bien des égards, entièrement intégrés dans bon nombre de nos vies quotidiennes, alors que les interactions numériques deviennent de plus en plus fréquentes. Pensez aux fois où Netflix vous recommande un film ou une émission de télévision, où vous recevez une suggestion d’achat de la part d’Amazon, où YouTube, TikTok ou Instagram vous recommande la prochaine vidéo : dans toutes ces situations, des systèmes d’AA prédisent des idées en fonction de vos préférences et de vos habitudes (l’ensemble de données est vous et l’activité collective de tous les autres abonnés).

Toutefois, le lancement de ChatGPT à la fin de l’année dernière a donné un sentiment de tangibilité au concept d’intelligence artificielle : pour la première fois, nous avons pu parler avec une machine presque comme avec un humain. À la base, ChatGPT utilise les concepts actuels de l’AA et de l’apprentissage profond dans le traitement du langage, ce qui produit un texte semblable à celui d’un humain. Pourtant, nous avons l’impression d’avoir vécu un moment de changement radical, semblable au grand lancement du iPhone en 2007. Apple a combiné efficacement un téléphone, un navigateur Internet et un lecteur MP3, toutes des technologies existantes, en un seul produit. Il est important de noter que nous en sommes encore aux premières étapes de cette révolution technologique. L’App Store n’est apparu qu’un an après le lancement du iPhone, et le produit et les applications ne sont arrivés à maturité qu’au bout de nombreux cycles. Notre cycle continu de battage autour de tout ce qui est nouveau signifie que nous avons tendance à surestimer le changement à court terme et à le sous-estimer à long terme.

Notre imagination prenant parfois le dessus sur nous, il est tentant de penser que le système Skynet, qui vise à éliminer les humains dans la franchise Terminator, est sur le point d’être mis en place. L’intelligence artificielle générale reste un problème non résolu. Si les humains peuvent trouver des réponses à des problèmes qui n’ont pas encore été résolus, cela dépasse encore les capacités des machines. C’est pourquoi nous n’avons pas encore assisté au lancement de systèmes de conduite entièrement autonomes, malgré les promesses répétées d’Elon Musk. Nous en sommes encore aux premières étapes de ce changement de paradigme, semblable à la fin des années 1990 pour l’ère Internet. Les gagnants de cette époque, Google, Amazon et Facebook, n’ont émergé à leur façon que plus tard.

Dans le cadre des diverses stratégies de gestion fondamentale des actions de Gestion de Placements TD Inc. (GPTD), nous participons à ce thème à long terme de plusieurs façons. Suivant l’approche de l’investissement dans les industries en amont, nous investissons dans des sociétés qui vendent les outils essentiels à l’adoption de l’IA. Par exemple, les fabricants de puces de pointe sont des candidats de choix en raison de la complexité des calculs et de la taille toujours croissante des ensembles de données. Les sociétés de logiciels qui mettent au point des outils d’IA ou les sociétés qui intègrent l’IA au matériel, comme les appareils portables, sont d’autres options possibles. Nos gestionnaires de portefeuille et nos analystes analysent attentivement les placements de notre portefeuille pour déterminer dans quelle mesure les sociétés sont concurrentielles dans ce domaine. Réfléchir à de tels concepts, tout comme investir dans les cycles d’innovation et de perturbation, est une partie essentielle de notre fonction. Pour poursuivre sur ce thème, les investisseurs potentiels devraient aller au-delà du battage et investir dans des sociétés de qualité qui ont un avantage technologique et des antécédents d’innovation rapide.

Pour en savoir plus sur les produits de GPTD, visitez le Centre de ressources sur les FNB ou le Centre de ressources sur les fonds communs de placement.

Les renseignements aux présentes ont été fournis par Gestion de Placements TD Inc. à des fins d’information seulement. Ils proviennent de sources jugées fiables. Ces renseignements n’ont pas pour but de fournir des conseils financiers, juridiques, fiscaux ou de placement. Les stratégies fiscales, de placement ou de négociation devraient être étudiées en fonction des objectifs et de la tolérance au risque de chacun..

Le présent document peut contenir des déclarations prospectives qui sont de nature prévisionnelle et pouvant comprendre des termes comme « prévoir », « s’attendre à », « compter », « croire », « estimer » ainsi que les formes négatives de ces termes. Les déclarations prospectives sont fondées sur des prévisions et des projections à propos de facteurs généraux futurs concernant l’économie, la politique et les marchés, comme les taux d’intérêt, les taux de change, les marchés boursiers et financiers, et le contexte économique général; on suppose que les lois et règlements applicables en matière de fiscalité ou autres ne feront l’objet d’aucune modification et qu’aucune catastrophe ne surviendra. Les prévisions et les projections à l’égard d’événements futurs sont, de par leur nature, assujetties à des risques et à des incertitudes que nul ne peut prévoir. Les prévisions et les projections pourraient s’avérer inexactes dans l’avenir. Les déclarations prospectives ne garantissent pas les résultats futurs. Les événements réels peuvent différer grandement de ceux qui sont exprimés ou sous-entendus dans les déclarations prospectives. De nombreux facteurs importants, y compris ceux énumérés plus haut, peuvent contribuer à ces écarts. Vous ne devriez pas vous fier aux déclarations prospectives.

Gestion de Placements TD Inc. est une filiale en propriété exclusive de La Banque Toronto-Dominion.

^MD Le logo TD et les autres marques de commerce TD sont la propriété de La Banque Toronto-Dominion ou de ses filiales.