IMAGE:
Getty
Je surveille depuis un certain temps l’utilisation des algorithmes de machine learning, en particulier par les capital-risqueurs, pour prendre des décisions d’investissement. Ils investissent dans des entreprises de machine learning depuis des années, donc appliquer leurs produits à d’autres entreprises, une fois que vous avez étudié leur fonctionnement, semble une proposition raisonnable.
Après tout, sur quoi repose la décision d’investir dans une startup? Fondamentalement, le fruit d’un ensemble d’analyses et d’expériences antérieures qui peuvent être systématisées et vérifiées de différentes manières, alors que l’expérience correspond, en réalité, à la distillation imparfaite, avec ses biais et ses erreurs, d’une série de décisions antérieures, pondérées par les résultats obtenus dans chacun.
Cela dit, les capital-risqueurs ne sont pas tout à fait objectifs: ils laissent généralement entrer de multiples facteurs dans le processus de prise de décision, allant des sentiments générés par l’équipe fondatrice de l’entreprise à des analyses plus ou moins rigoureuses de sa capacité de développement futur.
Pourrait-on envisager de remplacer ou de compléter ce type de décisions – dans de nombreux cas personnelles ou consensuelles entre les membres d’un fonds d’investissement – par les résultats d’une analyse algorithmique basée sur des décisions antérieures, étiquetées avec les résultats obtenus au fil du temps? Le succès d’une start-up peut-il être prédit ou dépend-il dans de nombreux cas de facteurs impossibles à prévoir ou dont les résultats peuvent être différents à chaque fois, en fonction de facteurs personnels ou autres? Que se passe-t-il lorsque le succès est par ailleurs fortement influencé par les synergies ou les contacts que les investisseurs peuvent apporter au projet de l’entreprise?
Il y a quelques années, j’ai donné un cours intitulé «Quand un algorithme décide si vous obtenez une hypothèque». De plus en plus, nous verrons des décisions aux répercussions économiques majeures se prendre sur la base de processus analytiques de ce type. Des facteurs tels que l’intuition et l’expérience ne disparaîtront jamais, mais ils seront de plus en plus influencés par ce qu’un algorithme particulier prédit, soutenu par de nombreuses données des cycles d’investissement précédents et leurs résultats au fil du temps.
Un algorithme n’est pas une entité abstraite, c’est une construction analytique basée sur des mathématiques et des statistiques, obtenue à partir de données données et étiquetée avec le résultat que les données ont produit. Évidemment, rien ne garantit que les variables sont pertinentes pour le résultat final et que nous n’avons tout simplement pas compris ou détecté, mais nous pouvons approximer quelle partie de la décision est susceptible d’être expliquée par notre analyse. Ensuite, il y a la question des biais, car ils peuvent être déterminés par les données que nous alimentons ou éduquons l’algorithme.
En réalité, ni un algorithme ni une machine ne décident: des précédents qui peuvent être plus ou moins similaires aux nôtres décident. Et à l’avenir, l’analyse de ceux-ci pourra décider de beaucoup de choses: de savoir si nous recevons un prêt ou si nous devons financer notre projet, jusqu’à si nous sommes admis dans une université particulière. Nous ferions mieux de nous habituer à l’idée.