La plupart des “investissements IA” ne sont que des règles ou du marketing. Cet article explique comment Bubble utilise un moteur quantitatif transparent en 11 étapes et un copilote IA en chat pour gérer votre portefeuille comme un pro—sans vous retirer le contrôle.
Investissement IA : comment ça marche vraiment ?
« Et si vous pouviez reproduire ce que fait un ou une gérante de portefeuille tous les jours – analyser les marchés, noter les actifs, gérer le risque, rééquilibrer en continu – tout en gardant le contrôle et en payant 100 fois moins cher ? »
C’est plus ou moins la promesse que beaucoup projettent sur l’“investissement IA”. Mais derrière cette étiquette, les plateformes font en réalité des choses très différentes :
- certaines ne sont que de l’automatisation par règles déguisée en IA ;
- certaines essaient (et échouent le plus souvent) de prédire directement les marchés ;
- une minorité utilise l’IA et les méthodes quantitatives pour optimiser des portefeuilles et aider les humains à décider.
Bubble est clairement dans cette troisième catégorie.
L’objectif est simple :
- donner aux particuliers un accès à une gestion de portefeuille de niveau institutionnel,
- avec transparence et contrôle utilisateur,
- pour un coût fixe (de l’ordre de 0 à 10 €/mois) plutôt que des frais en pourcentage des encours.
Dans cet article, on va passer en revue :
- les trois grands types d’IA utilisés en investissement ;
- le système Bubble en 11 étapes (ce que fait réellement (ou devrait faire) un gérant pro) ;
- le moteur de scoring multi‑facteurs au cœur du système ;
- les backtests 2005–2025 qui valident l’approche ;
- pourquoi l’IA de Bubble est pensée pour éduquer, pas contrôler ;
- là où nous sommes transparents et là où nous assumons les limites de l’IA.
1. Trois types d’IA en investissement
Quand vous voyez « propulsé par l’IA » en finance, cela peut vouloir dire des choses très différentes. On peut grosso modo distinguer trois familles.
1.1. Automatisation par règles (la majorité des “robo‑advisors”)
C’est la forme la plus courante – et la moins “intelligente”. Sous le capot, on trouve souvent :
- des questionnaires traduits en IF/THEN ;
- quelques portefeuilles modèles (20/80, 40/60, 60/40, etc.) ;
- des règles de rééquilibrage simples (« si l’allocation dérive de plus de x %, on rebalance »).
C’est utile, mais ce n’est pas vraiment de l’IA :
- le système ré‑apprend rarement à partir de nouvelles données ;
- il s’adapte peu aux régimes de marché, en dehors de quelques seuils de volatilité ;
- il expose très peu sa logique de manière inspectable.
Verdict : pratique pour la délégation de base, mais on reste proche d’une automatisation programmée plus que d’une IA véritable.
1.2. Prédiction par IA (souvent survendue)
La deuxième famille correspond à ce que beaucoup imaginent :
- des réseaux de neurones ou autres modèles de machine learning qui tentent de prédire les cours ;
- un marketing qui laisse entendre que le modèle a « trouvé des patterns » que les autres n’ont pas vus.
La réalité côté recherche académique et praticiens :
- les marchés sont bruyants ;
- la plupart des modèles prédictifs sur‑apprennent le passé et cassent en régime nouveau ;
- les coûts de transaction et le slippage mangent souvent l’avantage statistique.
Il existe des niches où la prédiction peut aider (algos d’exécution, micro‑structure intraday), mais pour un investisseur particulier, on voit surtout la version sur‑prometteuse.
Verdict : intéressant sur le plan recherche, mais en 2025, la plupart des « IA qui prédisent le marché pour vous » sont plus proches de la poudre de perlimpinpin que d’un processus robuste.
1.3. Optimisation par machine learning / méthodes quantitatives (le camp Bubble)
La troisième famille est plus modeste et plus utile :
- au lieu d’essayer de prédire le prix exact, on utilise données et méthodes quantitatives pour noter les actifs, répartir le risque et adapter le portefeuille de façon disciplinée ;
- on se concentre sur la structure (diversification, risk parity, facteurs) plutôt que sur le trade “magique”.
C’est l’approche de Bubble :
- scoring multi‑facteurs systématique (momentum, filtres qualité, métriques ajustées du risque) ;
- allocation entre poches de type risk parity ;
- règles claires pour la taille des positions, le rééquilibrage et les limites de risque ;
- le tout dans une interface chat‑first, pour que vous puissiez questionner et valider chaque étape.
Verdict : bien utilisée, cette forme d’IA peut réellement apporter des méthodes de gestion institutionnelle aux particuliers.
2. Le système Bubble : 11 étapes (ce qu’un gérant fait vraiment chaque jour)
Les gérants professionnels suivent un workflow assez standard. Le vocabulaire change, mais la structure reste la même. Le moteur de Bubble reproduit ce workflow de bout en bout en 11 étapes.
Idée clé :
Ces 11 étapes, c’est grosso modo ce que fait un gérant professionnel – sauf qu’ici c’est automatisé, expliqué, et validé par vous, pas par quelqu’un dans une salle de marché.
Étape 1 – Intelligence de marché (agrégation de données)
Ce que fait un gérant :
- lit des synthèses de marché, suit les grands indices, secteurs, données macro ;
- repère les signaux de changement de régime.
Ce que fait Bubble :
- récupère des données auprès de fournisseurs tiers (prix, volumes, fondamentaux, données facteurs) ;
- les organise par poche de stratégie (actions monde, obligations, thématiques, etc.).
Étapes 2–3 – Scoring et filtrage des actifs (moteur multi‑facteurs)
Gérant humain :
- passe en revue un univers d’actifs ;
- utilise des critères quantitatifs et qualitatifs pour classer les opportunités.
Bubble :
- applique un scoring multi‑facteurs (momentum, filtres qualité, métriques ajustées du risque) ;
- élimine les actifs qui ne passent pas des filtres de base (liquidité, qualité minimale) ;
- classe les candidats restants à l’intérieur de chaque poche.
Étape 4 – Structure de risque (allocation de type risk parity)
Gérant humain :
- décide combien de risque allouer à chaque grande poche (actions, obligations, cash, etc.) ;
- utilise souvent une forme de risk parity ou de ciblage de volatilité.
Bubble :
- estime volatilités et corrélations entre poches ;
- applique une allocation de type risk parity, pour qu’aucune poche ne domine le risque total ;
- vous laisse voir et ajuster ces poids via le chat (« un peu moins de risque actions », « plus de cash », etc.).
Étape 5 – Taille des positions
Gérant humain :
- fixe des tailles mini / maxi par ligne ;
- gère le risque de concentration.
Bubble :
- limite le portefeuille à un nombre raisonnable de lignes (par exemple ~30) ;
- impose des fourchettes de taille par ligne (par ex. 1–10 % selon la stratégie) ;
- évite la sur‑concentration sur un seul titre ou thème.
Étape 6 – Plan d’exécution (multi‑courtiers)
Gérant humain :
- choisit le courtier ou la place de marché pour chaque ordre ;
- peut fractionner les ordres pour une meilleure exécution.
Bubble :
- prépare les ordres au format de vos courtiers connectés (IBKR, Alpaca, Saxo, etc.) ;
- structure ces ordres pour qu’ils puissent être exécutés efficacement une fois que vous avez validé.
Étapes 7–8 – Préparation des ordres et contrôles de risque
Gérant humain :
- relit les ordres avant envoi ;
- vérifie les limites de risque, les expositions, les règles de conformité.
Bubble :
- effectue des contrôles pré‑trade (exposition par classe d’actifs, région, secteur, etc.) ;
- signale les points d’attention (levier excessif, concentration, liquidité) ;
- présente un résumé clair : « Voici ce qui va changer et pourquoi ».
Étape 9 – Exécution (vous gardez la main)
Gérant humain :
- envoie les ordres au marché.
Bubble :
- génère des ordres prêts pour vos courtiers mais ne les exécute jamais sans votre accord ;
- vous validez ou ajustez via l’interface de chat et/ou dans votre interface courtier ;
- l’exécution se fait via API, avec vous comme propriétaire légal des comptes.
Étape 10 – Contrôle post‑trade (traçabilité)
Gérant humain :
- vérifie les exécutions ;
- enregistre les opérations pour le reporting.
Bubble :
- s’assure que les exécutions correspondent aux ordres prévus ;
- met à jour l’état du portefeuille ;
- maintient une piste d’audit des décisions et actions.
Étape 11 – Suivi continu et adaptation
Gérant humain :
- suit les positions au quotidien ;
- rééquilibre quand la dérive ou le contexte le justifient.
Bubble :
- suit en continu les marchés et les métriques du portefeuille ;
- utilise des déclencheurs (seuils de dérive, signaux de régime) pour proposer un rééquilibrage ;
- vous notifie via l’interface de chat : « Voici pourquoi je recommande un ajustement maintenant. »
Résultat : vous bénéficiez d’un vrai workflow de gestion de portefeuille, comparable à celui d’un gérant pro, mais avec :
- une visibilité complète,
- un raisonnement explicité,
- et la décision finale qui reste chez vous.
3. Le moteur de scoring multi‑facteurs : le cœur du système
Au cœur de Bubble se trouve un moteur de scoring multi‑facteurs. Plutôt que de parier sur un seul signal, il combine plusieurs dimensions :
Momentum (typiquement sur ~180 jours)
- La recherche empirique (par exemple Jegadeesh & Titman) documente un effet momentum : les actifs qui ont surperformé récemment ont tendance, en moyenne, à continuer un temps.
- Bubble utilise une fenêtre de moyen terme pour éviter le bruit de court terme tout en restant réactif.
Filtre qualité
- Tout momentum n’est pas bon à prendre : des entreprises très endettées ou fragiles peuvent aussi être en tendance.
- Bubble applique un filtre qualité (rentabilité, solidité du bilan, stabilité) pour éviter le “junk momentum”.
Métriques ajustées du risque
- Le rendement brut ne suffit pas. Bubble tient compte du rendement par unité de risque (métriques de type Sharpe, volatilité) pour éviter les titres extrêmement volatils qui ressemblent à des loteries.
Chaque poche de stratégie peut donner un poids différent à ces facteurs :
- plus de momentum pur pour les poches agressives ;
- plus de qualité et d’ajustement du risque pour les poches équilibrées / prudentes.
À la fin, on obtient un classement des actifs par poche, du plus attractif au moins attractif, compte tenu du mix de facteurs choisi.
4. Backtesting : plus de 17 ans de validation (2005–2025)
Le backtest cherche à répondre à une seule question :
« Si nous avions appliqué ces règles dans le passé, qu’est‑ce qui se serait passé ? »
Ce n’est pas une garantie, mais c’est un test indispensable.
Le cadre de backtest de Bubble :
- utilise des données 2005–2025, ce qui inclut :
- la crise de 2008,
- le choc COVID 2020,
- le bear market de 2022 ;
- applique des hypothèses réalistes :
- coûts de transaction modestes,
- pas de look‑ahead,
- correction du biais de survie (les entreprises disparues sont incluses) ;
- teste plusieurs stratégies de base :
- Equal‑weight (baseline naïf),
- Risk parity simple (ciblage de volatilité),
- Risk parity optimisé avec corrélations adaptatives et overlay facteurs.
Dans les expériences internes de Bubble, les portefeuilles de type risk parity optimisée :
- affichent en général de meilleures performances ajustées du risque sur 15–20 ans ;
- subissent souvent des drawdowns moins profonds qu’un simple 60/40 ou un equal‑weight naïf ;
- s’adaptent plus vite aux changements de régime (volatilité qui se déplace entre classes d’actifs, etc.).
La philosophie Bubble :
- publier ces backtests dans le simulateur de portefeuille ;
- vous laisser explorer différentes poches et hypothèses ;
- éviter le cherry‑picking : mettre en avant les drawdowns et les mauvaises périodes, pas seulement les belles courbes.
5. Une IA qui éduque, pas qui contrôle
Distinction cruciale dans le design de Bubble :
Bubble est un outil d’aide à la décision, pas un service de gestion sous mandat.
5.1. Ce que Bubble est (et n’est pas)
Bubble n’est pas :
- un robo‑advisor au sens réglementaire (Bubble n’a jamais la garde de vos actifs) ;
- un bot qui trade sans votre connaissance ni votre consentement ;
- une boîte noire qui refuse d’expliquer sa logique.
Bubble est :
- une plateforme SaaS qui exécute pour vous un processus quantitatif ;
- une interface chat‑first où vous pouvez poser des questions sur chaque recommandation ;
- un moyen de déléguer le travail, sans déléguer la responsabilité.
5.2. Le contrôle utilisateur : la vraie différence
Le déroulé :
- L’IA analyse les marchés et note les actifs.
- L’IA propose une allocation : « Compte tenu de ta stratégie et de tes contraintes, voici ce que je suggère. »
- Vous relisez : vous pouvez demander « pourquoi ? », voir plus de détails, tester des scénarios « que se passe‑t‑il si… ».
- Vous décidez : valider tel quel, ajuster ou refuser.
- Ce n’est qu’après votre validation que les ordres sont préparés et envoyés au courtier.
Vos comptes :
- restent à votre nom chez les courtiers (IBKR, Alpaca, Saxo, etc.) ;
- peuvent continuer à vivre même si vous arrêtez d’utiliser Bubble.
Vous payez Bubble pour l’infrastructure et l’intelligence, pas pour abandonner la propriété ou le contrôle.
6. Construire en public : transparence radicale
La plupart des produits financiers sont conçus et opérés en vase clos. Bubble prend le chemin inverse : build in public.
Concrètement, cela veut dire :
- partager la méthodologie (processus en 11 étapes, choix de facteurs, cadre de risque) ;
- publier des backtests et leurs hypothèses plutôt qu’un seul chiffre de performance ;
- documenter publiquement la progression du produit (ce qui a été livré, ce qui a cassé, ce qui a changé) ;
- être explicite sur les limites et arbitrages (pas de PEA/AV aujourd’hui, focus CTO, etc.).
Objectif :
- gagner la confiance en montrant le raisonnement ;
- permettre aux utilisateurs de challenger le modèle et de poser de meilleures questions ;
- faire de Bubble un outil avec lequel vous discutez, pas une boîte noire que vous subissez.
7. Limites honnêtes : ce que l’IA peut et ne peut pas faire
L’IA est puissante, mais pas magique. Être honnête sur ses limites fait partie du contrat.
Ce que l’IA ne peut pas faire :
- prédire le futur avec certitude ;
- éliminer le risque (les actifs risqués resteront volatils) ;
- garantir de battre le marché chaque année (il y aura des périodes d’underperformance) ;
- remplacer un conseil humain global sur toute votre situation patrimoniale.
Ce que l’IA peut faire dans le cadre Bubble :
- imposer une discipline systématique (éviter les trades émotionnels) ;
- réaliser des backtests rigoureux sur de longues périodes ;
- surveiller en continu marchés et portefeuilles, sans fatigue ni biais ;
- expliquer pourquoi un changement est proposé ;
- vous aider à aligner votre portefeuille avec un cadre clair et étayé.
Les biais assumés de Bubble :
- investissement de long terme plutôt que trading intraday ;
- diversification entre classes d’actifs et zones ;
- méthodes appuyées sur la recherche plutôt que sur des histoires ;
- tarification fixe, transparente, plutôt que frais en % des encours.
8. Conclusion : une IA copilote, pas pilote automatique
« Investissement IA » peut désigner beaucoup de choses, de la simple automatisation de rééquilibrage à la boîte noire qui prétend prédire les marchés.
La position de Bubble est plus étroite et plus nette :
- utiliser l’IA et les méthodes quantitatives pour faire le gros du travail (données, scoring, contrôles de risque) ;
- laisser les humains décider des objectifs, des contraintes et des arbitrages finaux ;
- rendre le processus transparent et interrogeable ;
- facturer un forfait simple plutôt qu’un pourcentage de votre patrimoine.
Si vous cherchez un outil qui :
- explique plutôt que cacher ;
- vous aide à penser plutôt que penser à votre place ;
- vous permet de déléguer le travail, pas la responsabilité,
alors un copilote quantitatif comme Bubble est probablement plus proche de ce dont vous avez besoin qu’une énième “IA qui trade pour vous”.
Prochaines étapes :
- tester le simulateur de portefeuille de Bubble ;
- explorer notre blog build‑in‑public pour voir comment on évolue;
- rejoindre la liste d’attente si vous voulez faire partie des premiers utilisateurs connectés à de vrais comptes‑titres.
