Optimiser l’exécution au cœur de la finance quantitative
Hedge fund quantitatif en forte croissance, SquarePoint a choisi un modèle collaboratif pour optimiser toute la chaîne d’investissement. Pierre-Emmanuel Marzouk (X09) y dirige les équipes chargées d’un maillon essentiel mais souvent méconnu : l’exécution des transactions. Dans des marchés encore largement négociés par des humains, il développe depuis plusieurs années des outils visant à rendre ce travail plus rigoureux, plus mesurable et plus efficace. Entretien.
Pouvez-vous présenter SquarePoint et son positionnement ?
SquarePoint est un hedge fund, c’est-à-dire un fonds d’investissement qui cherche à produire de la performance indépendamment de la direction générale des marchés. Contrairement à un gestionnaire d’actifs classique, dont les résultats suivent souvent les cycles boursiers, un hedge fund vise à générer des rendements, quelles que soient les conditions de marché. Au sein de cette catégorie, SquarePoint rivalise avec les ténors du marché, et ce, en s’appuyant sur une organisation très structurée. Sa particularité tient aussi à son modèle interne. Là où certains hedge funds fonctionnent avec de petites équipes autonomes, parfois en concurrence entre elles, SquarePoint privilégie une approche collaborative. Toutes les équipes contribuent à optimiser la performance globale, depuis la collecte de données jusqu’à la mise en œuvre concrète des transactions.
Comment se structure concrètement la chaîne de décision d’investissement ?
La décision d’investissement est en réalité le résultat d’un processus long et très spécialisé. Tout commence par la collecte et l’analyse de données, qui peuvent être de nature très diverse : données de marché, économiques ou encore informations issues d’autres secteurs. Ces données sont ensuite transformées en signaux susceptibles d’indiquer des opportunités d’investissement. Puis, d’autres équipes se chargent de combiner ces signaux dans des modèles capables de proposer des décisions d’investissement. Mon rôle intervient à la fin de cette chaîne : une fois la décision prise, il faut encore exécuter la transaction dans les meilleures conditions possibles sur les marchés.
Pourquoi l’exécution constitue-t-elle un problème aussi complexe ?
Parce qu’exécuter une transaction ne se limite pas à acheter ou vendre un actif. Une fois la décision prise, il existe de nombreuses façons de la mettre en œuvre. Il faut choisir où intervenir, car un même produit peut être accessible via plusieurs plateformes ou contreparties.
Il faut également décider quand intervenir, car la liquidité et les prix varient selon les moments de la journée et les conditions de marché. Enfin, il faut déterminer comment exécuter l’ordre : en une seule fois ou progressivement, rapidement ou de manière plus discrète. Parfois, les conditions sont telles qu’elles remettent même en cause la décision d’investissement en amont. Toutes ces décisions interagissent entre elles et rendent le problème beaucoup plus riche et complexe qu’il n’y paraît.
En quoi cette activité diffère-t-elle d’une analyse d’investissement classique ?
Dans une analyse d’investissement, on peut regarder a posteriori ce qui se serait passé si l’on avait acheté ou vendu à un moment donné. On suppose implicitement que l’action de l’investisseur n’aurait pas modifié l’évolution du prix du produit.
Dans une problématique d’exécution, cette hypothèse ne tient plus. Dès que l’on commence à acheter ou vendre un actif, le marché réagit : les prix peuvent bouger et les autres acteurs peuvent adapter leur comportement. L’action elle-même modifie donc l’environnement. Cela rend l’analyse beaucoup plus délicate et oblige à développer des méthodes spécifiques pour améliorer en permanence la qualité de l’exécution.
Travaillez-vous sur tous les marchés financiers ?
Oui, mais mon équipe se concentre plutôt sur les segments où l’intervention humaine reste indispensable.
C’est notamment le cas sur les marchés de taux, de change, de crédit, de matières premières ou sur certains produits dérivés plus complexes. Dans ces univers, les instruments financiers peuvent être très personnalisés et les transactions passent encore souvent par des discussions directes entre institutions financières. Notre objectif est d’apporter davantage de structure et de rigueur à ces processus.
Votre innovation consiste donc à mieux encadrer le travail humain ?
Exactement. Dans ces marchés, l’exécution reposait longtemps sur l’expérience individuelle des opérateurs, avec peu de traçabilité et peu de capacité d’analyse systématique. Nous avons cherché à introduire des outils permettant d’organiser cette activité de manière plus rigoureuse et plus scientifique.
L’objectif n’est pas de remplacer les humains par des machines. Au contraire, il s’agit de leur fournir des outils d’aide à la décision qui leur permettent de travailler plus efficacement et de rendre leurs actions mesurables et auditées. Cette combinaison entre jugement humain et méthodes quantitatives est au cœur de notre démarche.
Peut-on mesurer l’impact de ces améliorations ?
Il est difficile d’attribuer un chiffre précis à la qualité d’une exécution, car on ne peut jamais observer ce qui se serait passé si l’on avait agi différemment. En revanche, sur la durée, les effets deviennent visibles.
À conditions comparables, certaines opérations coûtent aujourd’hui moins cher à réaliser qu’auparavant. Compte tenu des volumes traités par SquarePoint, ces améliorations représentent des montants très significatifs. On parle de dizaines de millions de dollars économisés chaque année simplement grâce à de meilleurs choix dans la manière d’exécuter les transactions.
L’intelligence artificielle ouvre-t-elle de nouvelles perspectives ?
Oui, très clairement. Mais pour ce qui est de notre mission, je crois davantage à une intelligence artificielle qui assiste les humains qu’à une IA qui les remplace. Dans de nombreux marchés, les échanges passent encore par des conversations entre institutions financières, souvent via des messageries professionnelles. Les modèles de langage peuvent aider à analyser ces interactions, détecter certaines conditions de « trading » favorables, ou signaler des anomalies. Ils permettent ainsi d’accompagner les opérateurs dans leurs décisions et d’améliorer encore la qualité de l’exécution. C’est, pour nous, un domaine de recherche extrêmement actif.
SquarePoint est-il en train de transformer la finance de marché ?
Je parlerais plutôt d’innovation que de révolution. Le principe de base du métier reste le même : anticiper les fluctuations de prix. En revanche, la manière de s’organiser pour y parvenir évolue beaucoup.
SquarePoint a montré qu’il était possible de construire rapidement un hedge fund de grande taille en s’appuyant fortement sur des profils scientifiques et sur une organisation capable de rester agile face aux évolutions rapides des marchés. Beaucoup d’acteurs ont tenté de suivre cette voie, mais peu ont réussi à le faire avec la même constance.
Quel lien entretenez-vous avec l’École polytechnique et ses diplômés ?
SquarePoint entretient depuis longtemps une relation étroite avec l’École polytechnique. Nous avons historiquement recruté un grand nombre de jeunes diplômés de l’X et continuons à nous intéresser de près à ces profils.
La formation scientifique des polytechniciens correspond bien aux besoins de la finance quantitative. Elle permet d’aborder des problèmes complexes avec rigueur tout en restant proche des applications concrètes. Pour de jeunes ingénieurs, c’est un domaine où l’on peut travailler sur des sujets très techniques tout en ayant un impact direct sur les décisions d’investissement et sur la performance des stratégies.
