Les acteurs les plus rapides de Wall Street, habitués à extraire chaque microseconde de leurs systèmes, redéfinissent aujourd'hui leurs priorités technologiques. Confrontés à la montée en puissance du Machine LearningBranche de l'intelligence artificielle permettant à des systèmes d'apprendre des relations à partir de données plutôt que de suivre uniquement des règles programmées. dans la prédiction des cours, ils investissent massivement dans le calcul dédié, au point où les dépenses en matériel dépassent de dix à vingt fois ce qui était courant avant l'arrivée de ChatGPT.

Des dépenses de calcul qui explosent

Un responsable d'une grande firme a estimé que les budgets consacrés à l'infrastructure Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. ont connu un tel rebond qu'ils sont aujourd'hui entre dix et vingt fois supérieurs à ceux d'avant 2022. Hudson River Trading, par exemple, consacre près d'un milliard de dollars chaque année à l'IA, selon les déclarations de son directeur technique, Iain Dunning. Cette enveloppe financière permet de signer des contrats pluriannuels avec des fournisseurs de cloud spécialisés, comme CoreWeave, tout en développant des capacités internes.

Des infrastructures propres

Plutôt que de dépendre exclusivement de services cloud, plusieurs firmes construisent leurs propres data centers. XTX Markets a annoncé la mise en place d'un site en Finlande, une localisation stratégique pour profiter d'une énergie renouvelable et d'une connectivité européenne optimale. De son côté, Jane Street exploite déjà un centre au Texas équipé de plus de 4 000 GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. Nvidia, une flotte qui place le groupe parmi les plus gros utilisateurs de cartes graphiques dédiées à l'IA au monde.

Ces installations offrent un contrôle total sur la LatenceDélai entre l'envoi d'une requête à un système et l'obtention d'une réponse ou du début de celle-ci., la consommation énergétique et la sécurité des données, deux critères cruciaux pour les stratégies de trading qui s'appuient sur des modèles d'apprentissage automatique. En investissant directement dans le matériel, les traders réduisent leur dépendance aux fournisseurs externes et peuvent ajuster leurs architectures en temps réel.

Investissements dans les puces spécialisées

Au-delà du cloud et des GPU classiques, certains acteurs cherchent à gagner en efficacité grâce à des puces sur mesure. Jane Street a conduit un tour de table pour la start‑up néerlandaise Etched, puis est devenu le premier client de son prototype de puce IA. Conçue pour fonctionner à une tension plus basse, cette puce promet une amélioration de la performance par watt, un avantage non négligeable dans des environnements où chaque milliwatt compte.

Le secteur signale toutefois deux risques majeurs : la hausse continue des coûts de fabrication et la rapidité d’obsolescence des composants. Jan Boomaars, dirigeant d'Optiver, une firme d'Amsterdam, souligne que rester immobile face à ces évolutions serait plus périlleux que d'investir dans des solutions potentiellement coûteuses.

Enjeux et perspectives

Ces mouvements illustrent une transformation profonde du paysage du trading haute fréquence. Alors que les algorithmes s'appuient davantage sur l'analyse de grandes quantités de données en temps réel, la puissance de calcul devient un facteur de compétitivité à part entière. Les firmes qui réussissent à aligner leurs besoins de latence ultra‑faible avec des infrastructures IA robustes sont susceptibles de conserver un avantage stratégique.

Cependant, l'ampleur des investissements – plusieurs milliards pour les services de calcul et des centaines de millions pour les puces spécialisées – impose une réflexion sur la rentabilité à long terme. Les modèles économiques devront intégrer le coût d'amortissement du matériel, les dépenses énergétiques et les frais de maintenance, tout en continuant à offrir des retours sur les stratégies de marché.

En somme, la course à l'IA dans le trading à haute fréquence se joue aujourd'hui autant sur le plan matériel que sur les algorithmes, et les firmes qui combinent les deux avec agilité semblent les mieux placées pour tirer parti des opportunités offertes par l'intelligence artificielle.