Le vrai risque du trading par IA, c’est la boucle de rétroaction

Le trader IA le plus dangereux n’est peut-être pas celui qui prend une mauvaise décision. C’est peut-être celui qui prend une décision raisonnable après avoir observé des milliers d’autres machines faire exactement la même chose. Voilà le problème réglementaire qui se cache derrière l’enthousiasme actuel pour la finance agentique: les marchés ne se dotent pas seulement de nouveaux outils. Ils pourraient accueillir de nouveaux participants, dont les réactions s’amplifieraient mutuellement à la vitesse des machines.

La Commodity Futures Trading Commission met cette possibilité à l’ordre du jour. L’Innovation Task Force de l’agence a annoncé une session du Frontier Forum, le 28 octobre 2026, consacrée à l’IA sur les marchés dérivés et à l’essor de la finance agentique. Cette session s’inscrit dans un débat réglementaire plus large: elle ne prouve pas que les systèmes de trading autonomes ont déjà pris le contrôle du marché. Mais le choix du sujet est révélateur. Il laisse entendre que les régulateurs commencent à considérer l’IA comme une question de structure de marché, et non plus seulement comme un simple achat de logiciel.

La CFTC a raison de passer des modèles aux systèmes

Pendant des années, la question réglementaire naturelle était la suivante: cet algorithme est-il précis, équitable et conforme ? Cette question reste importante, mais elle est trop limitée pour des systèmes capables d’interpréter des informations, de choisir des actions et, potentiellement, d’adapter leur comportement avec une intervention humaine limitée.

Les travaux antérieurs de la CFTC vont déjà dans cette direction. En 2024, son Technology Advisory Committee a recommandé de s’intéresser à l’intervention humaine, à la gouvernance, à la qualité des données, à la confidentialité et aux cadres de gestion des risques conçus pour les risques propres à l’IA. Le comité a également averti que l’IA générative pouvait créer de l’instabilité lorsque les entreprises ne comprennent pas ou ne contrôlent pas totalement les données et les stratégies concernées, comme l’explique le rapport de la CFTC.

C’est une base utile, mais l’étape suivante consiste à cesser de traiter chaque modèle déployé comme un objet isolé. Un agent de trading fonctionne au sein d’une chaîne: les données entrent, un modèle les interprète, une action atteint un marché, d’autres systèmes réagissent, puis les données ainsi produites deviennent une partie de l’environnement dans lequel seront prises les décisions futures. Le danger se situe dans cette boucle.

Un modèle peut être défendable individuellement alors que le comportement combiné de nombreux modèles devient déstabilisant. Si plusieurs agents repèrent le même signal, prennent la même position ou se retirent simultanément du risque, leurs actions peuvent transformer un léger mouvement en mouvement plus marqué. Cela ne signifie pas qu’un tel scénario est inévitable. Cela signifie que tester un modèle à la fois ne permet pas de révéler tous les risques d’un marché interconnecté.

La « supervision humaine » doit être un véritable contrôle, pas un slogan

Le vocabulaire réglementaire présente souvent l’intervention humaine comme un dernier point de contrôle rassurant. Mais une personne qui reçoit une alerte automatisée après qu’une position a déjà évolué rapidement n’exerce pas forcément un contrôle réel. Elle peut simplement observer un événement qu’elle n’est plus en mesure d’inverser assez vite.

Le critère pratique devrait être la capacité d’intervention. Les entreprises devraient pouvoir expliquer ce qu’un agent est autorisé à faire, quelles décisions nécessitent une validation, comment son activité peut être suspendue et qui est responsable lorsque le système se comporte en dehors de ses limites prévues. Il s’agit de ce que devrait exiger une gouvernance efficace, et non de détails annoncés par la CFTC dans sa documentation. Mais ces exigences découlent directement de la préoccupation de l’agence face aux entreprises qui ne comprennent ou ne contrôlent pas totalement leurs programmes de trading et de gestion des risques assistés par l’IA.

Le même principe s’applique aux fournisseurs. Si un établissement financier dépend d’un modèle tiers dont les données d’entraînement, la pondération ou les mises à jour sont opaques, la responsabilité ne peut pas disparaître dans la chaîne d’approvisionnement. La protection de la propriété intellectuelle peut limiter ce qu’un fournisseur révèle, mais elle ne devrait pas empêcher une entreprise réglementée de gérer et de déclarer ses propres données de trading et de compensation. Si c’est le cas, l’arrangement n’est pas seulement un problème technologique: c’est une faille de gouvernance.

Les tests doivent intégrer la réaction du marché à l’agent

Les tests rétrospectifs d’une stratégie sur des données historiques ne suffisent pas lorsque cette stratégie modifie les conditions qu’elle cherche à exploiter. Les régulateurs et les entreprises doivent mettre en place des tests qui étudient les interactions entre les systèmes: les agents convergent-ils vers des comportements similaires ? À quelle vitesse abandonnent-ils leurs positions ? Que se passe-t-il lorsque les données sont incomplètes, manipulées ou tout simplement erronées ?

Les travaux de la CFTC en 2024 ont identifié le trading, la gestion des risques, la conformité, le service client et les opérations de back-office comme des cas d’usage pertinents pour l’IA. Cette diversité est importante, car l’instabilité peut ne pas commencer par une instruction de trading évidente. Une évaluation erronée des risques, une mauvaise classification en matière de conformité ou une interaction automatisée avec un client pourrait modifier d’autres décisions dans la chaîne.

C’est là que le forum de la CFTC pourrait devenir autre chose qu’un simple exercice d’écoute. L’agence devrait pousser les participants à décrire des conditions d’échec mesurables et des procédures concrètes d’arrêt, plutôt que d’accepter de vagues promesses en faveur d’une innovation responsable. Le public doit savoir non seulement si un agent fonctionne bien dans des conditions normales, mais aussi à quelle vitesse une entreprise peut détecter un problème et le contenir.

Les entreprises gagnantes seront celles qui sauront prouver qu’elles contrôlent leurs systèmes

Les règles applicables à la finance agentique ne devraient pas chercher à interdire l’automatisation. L’IA est déjà utilisée dans les marchés financiers, notamment pour la surveillance, la détection des fraudes, les tests rétrospectifs et la gestion des risques, selon le précédent rapport de la CFTC. Des systèmes correctement conçus peuvent réduire le travail manuel et repérer les activités inhabituelles plus rapidement que les humains.

La meilleure cible réglementaire est l’autonomie sans responsabilité. Les entreprises qui tiennent des registres clairs des changements de modèles, des autorisations, des sources de données, des décisions et des interventions devraient bénéficier d’un avantage sur celles qui traitent un agent IA comme une boîte noire à laquelle elles auraient confié un compte de trading. Cette approche profiterait également aux développeurs sérieux: il est plus facile de concevoir des systèmes autour d’exigences prévisibles que d’injonctions vagues à « utiliser l’IA de manière responsable ».

Le forum de la CFTC du 28 octobre est donc un signal, pas une solution. Son importance dépendra de la capacité des échanges à dépasser les fonctionnalités de modèles individuels et à traiter le comportement collectif de machines connectées au même marché. À notre avis, les régulateurs devraient commencer par encadrer la boucle de rétroaction: exiger une responsabilité pour chaque chemin de décision, tester les interactions en situation de stress et rendre l’intervention réellement possible avant que la finance autonome ne devienne une infrastructure ordinaire. Lorsque cette boucle de rétroaction à la vitesse des machines commencera à endommager visiblement les marchés, il sera déjà trop tard pour la surveillance réglementaire.