{"id":130296,"date":"2024-08-05T11:03:29","date_gmt":"2024-08-05T10:03:29","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=130296"},"modified":"2024-10-29T09:02:39","modified_gmt":"2024-10-29T09:02:39","slug":"jpmc-at-ai-for-finance-by-artefact-pioneering-ai-in-finance-from-reinforcement-learning-to-llms-for-documents-quantitative-reasoning","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/fr\/blog\/jpmc-at-ai-for-finance-by-artefact-pioneering-ai-in-finance-from-reinforcement-learning-to-llms-for-documents-quantitative-reasoning\/","title":{"rendered":"JPMC at AI for Finance by Artefact - Pioneering AI in Finance : from Reinforcement Learning to LLMs for Documents &amp; Quantitative Reasoning (en anglais)"},"content":{"rendered":"<p><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1 description\" style=\"--awb-text-color:var(--awb-color5);--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>AI for Finance Summit par Artefact - 17 septembre 2024 - Paris<\/p>\n<p>Principaux enseignements de la discussion entre Nelson Vadori, directeur ex\u00e9cutif, J.P. Morgan AI Research chez JP Morgan Chase, et Akhilesh Kale, partenaire US Financial Services Leader chez Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div><article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-2 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-center fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-1 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-video fusion-youtube\" style=\"--awb-max-width:670px;--awb-max-height:377px;--awb-align-self:center;--awb-width:100%;\"><div class=\"video-shortcode\"><div class=\"fluid-width-video-wrapper\" style=\"padding-top:56.27%;\" ><iframe title=\"Lecteur vid\u00e9o YouTube 1\" src=\"https:\/\/www.youtube.com\/embed\/fFhk3Olj8Ac?wmode=transparent&autoplay=0\" width=\"670\" height=\"377\" allowfullscreen allow=\"autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture;\"><\/iframe><\/div><\/div><\/div><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Vue d'ensemble de l'\u00e9quipe de recherche en IA et de l'\u00e9quipe mondiale de JP Morgan<\/h2><\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Lors du sommet \u201cAI for Finance\u201d organis\u00e9 par Artefact, des informations ont \u00e9t\u00e9 partag\u00e9es sur les travaux de pointe de JP Morgan Chase en mati\u00e8re d'IA pour l'industrie financi\u00e8re. Bas\u00e9e \u00e0 Paris mais faisant partie d'une \u00e9quipe mondiale, la recherche se concentre sur une gamme vari\u00e9e de sujets, y compris la th\u00e9orie des jeux, l'apprentissage par renforcement multi-agents (RL), le raisonnement quantitatif et les grands mod\u00e8les de langage (LLM). Les math\u00e9matiques sont au c\u0153ur du d\u00e9veloppement de l'IA, et l'\u00e9quipe collabore avec diff\u00e9rents secteurs d'activit\u00e9, tels que les march\u00e9s, la banque d'investissement, la banque de consommation et la gestion d'actifs.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Le r\u00f4le de l'apprentissage par renforcement dans l'optimisation financi\u00e8re<\/h2><\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>L'application de l'apprentissage par renforcement \u00e0 la finance est un \u00e9l\u00e9ment central de la recherche en IA de JP Morgan. L'apprentissage par renforcement est utilis\u00e9 pour maximiser les objectifs \u00e0 long terme par le biais d'une prise de d\u00e9cision dynamique, o\u00f9 les actions \u00e0 court terme peuvent sembler sous-optimales mais contribuent au succ\u00e8s \u00e0 long terme. Par exemple, l'apprentissage par renforcement est appliqu\u00e9 \u00e0 la couverture de portefeuille afin d'optimiser les achats d'options tout en tenant compte de facteurs cl\u00e9s tels que les co\u00fbts de transaction. En outre, la recherche sur l'\u00e9talonnage des mod\u00e8les permet d'affiner les mod\u00e8les de tarification en traitant les trajectoires financi\u00e8res comme des joueurs coop\u00e9ratifs au sein d'un jeu, ce qui permet d'obtenir des r\u00e9sultats plus pr\u00e9cis.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Apprentissage par renforcement multi-agents sur les march\u00e9s financiers<\/h2><\/div><div class=\"fusion-text fusion-text-4\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>L'\u00e9quipe repousse \u00e9galement les limites de l'apprentissage par renforcement multi-agents (MARL) pour mod\u00e9liser des march\u00e9s financiers complexes, tels que le march\u00e9 des changes. La simulation des interactions entre plusieurs agents RL permet d'obtenir des informations pr\u00e9cieuses sur la dynamique des march\u00e9s. Des \u00e9tudes r\u00e9centes, dont une publi\u00e9e dans le Journal of Mathematical Finance, ont d\u00e9montr\u00e9 comment les agents MARL peuvent d\u00e9velopper des comp\u00e9tences telles que la mise en file d'attente des prix, ce qui permet de mieux comprendre le comportement du march\u00e9 gr\u00e2ce \u00e0 cette approche innovante.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-4 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Faire progresser le traitement des documents et le d\u00e9veloppement de logiciels gr\u00e2ce aux masters en droit<\/h2><\/div><div class=\"fusion-text fusion-text-5\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Outre le RL, la recherche en IA de JP Morgan met fortement l'accent sur le d\u00e9veloppement de grands mod\u00e8les de langage (LLM). Un exemple notable est **Doc LLM**, un mod\u00e8le qui traite les documents en int\u00e9grant \u00e0 la fois des informations textuelles et spatiales, offrant une alternative plus efficace aux mod\u00e8les multimodaux. Le mod\u00e8le **Doc LLM** a donn\u00e9 de bons r\u00e9sultats dans diverses t\u00e2ches en offrant des capacit\u00e9s d'analyse de documents plus riches. Une autre avanc\u00e9e concerne l'utilisation de LLM multi-agents dans le d\u00e9veloppement de logiciels, o\u00f9 les agents assistent les ing\u00e9nieurs dans la planification, le codage et la r\u00e9vision, d\u00e9montrant la polyvalence des LLM dans des applications du monde r\u00e9el au-del\u00e0 de la g\u00e9n\u00e9ration de texte.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-5 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">\u00c9valuer les LLM lors de l'examen CFA<\/h2><\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Une application unique des LLM dans le cadre de la recherche de l'\u00e9quipe est leur \u00e9valuation \u00e0 l'examen CFA (Chartered Financial Analyst). Les mod\u00e8les ont \u00e9t\u00e9 test\u00e9s \u00e0 la fois dans des sc\u00e9narios \u201c\u00e0 livre ferm\u00e9\u201d et \u201c\u00e0 livre ouvert\u201d. Si les mod\u00e8les ont excell\u00e9 dans les deux premiers niveaux de l'examen CFA, ils ont \u00e9prouv\u00e9 des difficult\u00e9s dans les t\u00e2ches plus complexes et plus exigeantes en termes de raisonnement du troisi\u00e8me niveau. Cette recherche a mis en \u00e9vidence les capacit\u00e9s et les limites des LLM lorsqu'ils sont appliqu\u00e9s au raisonnement financier et \u00e0 la r\u00e9solution de probl\u00e8mes complexes.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-6 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">L'avenir du raisonnement math\u00e9matique avec les LLM en finance<\/h2><\/div><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>L'avenir du raisonnement math\u00e9matique \u00e0 l'aide de LLM est un domaine d'int\u00e9r\u00eat majeur. L'\u00e9quipe s'attache \u00e0 affiner les mod\u00e8les pour traiter les probl\u00e8mes math\u00e9matiques complexes qui se posent dans le domaine financier, tels que ceux de l'examen CFA. Elle s'efforce d'am\u00e9liorer la capacit\u00e9 des mod\u00e8les \u00e0 g\u00e9n\u00e9raliser les concepts math\u00e9matiques et \u00e0 les appliquer dans divers contextes. Il est de plus en plus probable que l'IA jouera bient\u00f4t un r\u00f4le essentiel dans la r\u00e9solution des probl\u00e8mes math\u00e9matiques avanc\u00e9s dans le secteur financier.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"<p>Principaux enseignements de la discussion entre Nelson Vadori, directeur ex\u00e9cutif, J.P. Morgan AI Research chez JP Morgan Chase, et Akhilesh Kale, partenaire US Financial Services Leader chez Artefact.<\/p>","protected":false},"featured_media":130297,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[21930],"blog-language":[2991],"class_list":["post-130296","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/130296","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/130297"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=130296"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=130296"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=130296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}