Observer la logique d’investissement institutionnel à travers le système mondial de recherche d’UBS : courbe des coûts de l’IA, informatique quantique et perspective à long terme sur l’allocation d’actifs mondiale

Observer la logique d’investissement institutionnel à travers le système de recherche mondiale d’UBS : courbe des coûts de l’IA, informatique quantique et perspective de long terme sur l’allocation d’actifs mondiale

Dans un environnement où la trajectoire des taux d’intérêt reste incertaine, où une inflation tenace se manifeste de façon récurrente et où la géopolitique et la concurrence technologique s’entrecroisent, le mode de décision des investisseurs institutionnels connaît une mutation structurelle : passant d’un jugement reposant sur une seule classe d’actifs à un système de recherche multi-actifs, multirégional et susceptible d’être suivi dans la durée. Les documents publics d’UBS Global Research indiquent que son équipe réunit environ 720 analystes, stratèges et économistes, couvrant plus de 50 marchés et environ 4 000 actions. Le présent article ne porte pas sur les variations à court terme, mais prend pour fil conducteur la composition des capacités de ce cadre de recherche et ses thèmes récents, afin d’observer comment la recherche mondiale sur l’investissement est en train d’être redéfinie, et ce que ce changement implique pour l’allocation d’actifs à long terme.

Contexte de marché : la macro et la micro se reconnectent

Pendant plus de dix ans, l’environnement de taux bas a, dans une large mesure, réduit l’impact marginal du jugement macroéconomique sur les résultats de portefeuille, l’allocation d’actifs reposant davantage sur les valorisations relatives et les primes de risque entre classes d’actifs. À mesure que les interactions entre le cycle des taux, la structure de l’inflation et la politique budgétaire se complexifient, la seule logique de retour à la moyenne au niveau des classes d’actifs ne permet plus d’expliquer les profondes divergences au sein d’une même classe d’actifs.

Le positionnement d’UBS à l’égard de ses équipes d’économie et de stratégie reflète précisément cette évolution : UBS Economics s’appuie sur les jugements des stratèges de marché et collabore étroitement avec les analystes d’entreprises et sectoriels afin de mieux comprendre le fonctionnement de l’économie mondiale ; UBS Global Strategy aide les investisseurs à identifier les facteurs moteurs et à les relier à des opportunités multi-actifs et multirégionales. Autrement dit, le jugement macroéconomique et les preuves microéconomiques sont considérés comme les deux extrémités d’une même chaîne d’analyse, et non comme deux domaines d’expertise indépendants l’un de l’autre.

La perspective historique de long terme est elle aussi remise à l’honneur. Les documents publics d’UBS mentionnent le Global Investment Returns Yearbook 2026, une publication annuelle dont la vocation est de recenser les facteurs à l’origine des rendements réels des actifs sur le long terme et d’en tirer des enseignements permettant de comprendre l’avenir. Dans une phase de volatilité accrue, ce type de données de long terme, couvrant plusieurs décennies et de multiples classes d’actifs, présente une valeur de recherche directe pour les investisseurs à horizon long, tels que les fonds de pension, les fonds souverains et les investisseurs du secteur de l’assurance : elles ne répondent pas à la question « quoi acheter au prochain trimestre », mais à celle de savoir « quels facteurs déterminent réellement les rendements réels sur le long terme ».

En parallèle, l’agenda de recherche lui-même évolue. UBS Global Research fait de « l’IA générative » l’un de ses thèmes phares, en précisant que son objectif est de mettre en valeur l’étendue, la profondeur et l’originalité de ses économistes, stratèges et analystes. Cette formulation mérite l’attention : l’IA n’est plus seulement un sujet de recherche sectoriel, mais plutôt une variable d’analyse transversale à de nombreux secteurs et de multiples classes d’actifs.

Flux de capitaux actuels : vers quelles directions l’attention se concentre-t-elleIl convient de souligner que la discussion qui suit repose sur les thèmes de recherche et la composition des capacités publiquement divulgués par UBS, et non sur une déduction concernant l’ampleur des capitaux spécifiques. Le choix des thèmes de recherche constitue en soi une fenêtre fiable pour observer l’orientation de l’attention des institutions.

Premièrement, l’IA générative passe d’une « discussion conceptuelle » à une « discussion sur les coûts et l’efficacité ». Dans le podcast UBS Global Research, Caroline Li et Wei Xiong, d’UBS Research, ont discuté des tendances d’adoption de l’IA, de la baisse des coûts d’inférence, ainsi que du paysage concurrentiel de la prochaine phase que l’écosystème chinois de l’IA pourrait révéler. Lorsque les organisations passent de la phase d’expérimentation à celle de rendements mesurables, l’efficience des coûts devient un facteur important dans les décisions de déploiement. Pour la recherche en investissement, cette évolution signifie que les critères de validation du récit de l’IA passent du « plafond de capacités » à l’« économie unitaire ».

Deuxièmement, l’informatique quantique est placée dans la position d’une « valeur d’option à long terme ». Dans une autre discussion, Paul Winter, responsable de la recherche quantitative d’UBS, et la professeure Elena Ynduráin ont examiné l’état actuel de cette technologie, la signification concrète de l’« avantage quantique », et la manière dont sa convergence avec l’IA pourrait influencer l’innovation. La discussion a également souligné que l’informatique quantique reste principalement au stade de test, et que les progrès de l’IA pourraient aider à libérer son potentiel sur un horizon temporel plus long. Pour les investisseurs de long terme, la valeur de ce type de thème ne réside pas dans un catalyseur à court terme, mais dans sa capacité éventuelle à modifier la structure de coûts et les barrières concurrentielles de certains secteurs.

Troisièmement, la demande de recherche systématique sur les marchés privés augmente. La recherche d’UBS sur les sociétés privées (Private Company Research) dresse un portrait systématique des entreprises privées et évalue leur positionnement concurrentiel. À mesure que le poids de l’innovation et de la formation de capital dans les marchés privés augmente, la recherche sur les marchés cotés, si elle manque de repères du secteur privé, laissera apparaître des lacunes dans le jugement sur la structure sectorielle. C’est aussi l’une des raisons, sur le plan de la méthodologie de recherche, pour lesquelles les investisseurs institutionnels s’intéressent continuellement, ces dernières années, au capital-investissement et aux actifs alternatifs.

Quatrièmement, les données alternatives et les outils quantitatifs deviennent une infrastructure de recherche. UBS Evidence Lab fournit des « jeux de données directement exploitables pour l’analyse » couvrant plus de 55 domaines spécialisés, et sa bibliothèque d’actifs couvre plus de 5,000 sociétés ; la base de données UBS HOLT contient plus de 20,000 sociétés, utilisées pour la comparaison et l’évaluation des entreprises au niveau mondial ; Quant Answers propose quant à lui des modules de prévision du risque de portefeuille, d’analyse du style de portefeuille et d’analyse fondamentale. Ces outils convergent vers un même point : les conclusions de recherche doivent être traçables, reproductibles et vérifiables au niveau du portefeuille.Cinquièmement, les enjeux de consommation et de culture entrent dans l’analyse de la valeur de marque à long terme. Les analystes d’UBS Jay Sole et Michael Lasser ont discuté de la manière dont les moments sportifs et culturels sont transformés par les entreprises de consommation en valeur de marque à long terme, ainsi que des opportunités de croissance offertes par l’évolution des tendances de participation. Cela peut sembler sans lien avec la macroéconomie, mais il s’agit d’un maillon important pour comprendre la rentabilité à long terme du secteur de la consommation — le capital de marque, l’engagement des utilisateurs et la pertinence culturelle constituent des barrières concurrentielles difficiles à mesurer avec des indicateurs financiers de court terme.

En rassemblant ces thèmes, on voit apparaître un fil conducteur clair : l’attention des institutions passe de la « rotation des classes d’actifs » aux « thèmes structurels + preuves vérifiables ».

Analyse de la logique d’investissement : les facteurs structurels à l’origine du changement

Premièrement, la baisse de la courbe des coûts technologiques modifie la durabilité des thèmes d’investissement. Lorsque l’IA passe de l’expérimentation au déploiement à grande échelle, le coût d’inférence, la consommation d’énergie, la gouvernance des données et la capacité d’adaptation organisationnelle deviennent des variables clés pour déterminer qui pourra réellement en tirer un rendement. Cela signifie que le thème de l’IA n’existera pas sous la forme d’un seul secteur, mais qu’il pénétrera les structures de coûts de multiples secteurs sous la forme d’un « gain d’efficacité ». Pour les allocateurs d’actifs, ces thèmes se rapprochent davantage d’une infrastructure de long terme que d’un phénomène de mode conjoncturel.

Deuxièmement, la frontière entre marchés cotés et marchés privés devient floue. Le cycle de maturation des entreprises innovantes s’allonge, et un décalage apparaît entre la couverture sectorielle investissable des marchés cotés et la répartition de l’activité d’innovation. Cela explique pourquoi la recherche systématique sur les entreprises privées, le capital-investissement et les investissements alternatifs sont intégrés à des discussions plus larges sur l’allocation d’actifs, et non plus seulement en tant qu’allocations satellites.

Troisièmement, la capacité en données et en modèles devient la « fonction de production » des instituts de recherche. Lorsque la couverture des données, les cadres quantitatifs et les outils de valorisation deviennent des infrastructures réutilisables, le coût marginal de la production de recherche diminue, mais les exigences de validation augmentent. La combinaison d’UBS Evidence Lab, de HOLT et de Quant Answers reflète précisément cette répartition des rôles : l’étendue des données, la cohérence de la valorisation et la quantification du risque de portefeuille sont trois éléments indispensables.

Quatrièmement, la structure de passif des capitaux institutionnels de long terme exige des « sources de rendement explicables ». Les fonds de pension, les fonds souverains et les family offices, lorsqu’ils sont confrontés à leurs responsabilités fiduciaires et à leur gouvernance interne, ont besoin de cadres permettant d’expliquer les sources de rendement et les expositions au risque. C’est précisément pourquoi des travaux de long terme tels que le « Global Investment Returns Yearbook », ainsi que de nouveaux modes de diffusion de contenu comme les podcasts, sont de plus en plus valorisés — la recherche ne doit pas seulement être correcte ; elle doit aussi pouvoir être comprise, discutée et intégrée au processus de décision.

Pris dans leur ensemble, ces facteurs ne sont pas des phénomènes de court terme. Ils convergent vers une tendance de long terme : la recherche en investissement passe de l’« offre d’opinions » à une « infrastructure de preuves », tandis que les décisions d’allocation d’actifs passent d’une répartition par classes d’actifs à un cadre centré sur les thèmes, les facteurs de risque et les moteurs structurels.

Facteurs de risqueRisque macroéconomique. La trajectoire des taux d’intérêt et la structure de l’inflation demeurent incertaines. En cas de décalage entre le rythme de baisse de l’inflation et celui de l’ajustement des politiques, les corrélations entre actifs peuvent évoluer sensiblement en peu de temps, rendant caduques les hypothèses de portefeuille fondées sur les corrélations historiques.

Risque politique et réglementaire. L’évolution de la réglementation de l’IA, des règles de circulation transfrontalière des données, des contrôles des exportations technologiques et de la politique fiscale peut redessiner le paysage concurrentiel et la structure de coûts du secteur technologique. Pour les portefeuilles dont l’exposition est centrée sur les thèmes technologiques, les variables politiques sont devenues une source de risque aussi importante que les fondamentaux.

Risque géopolitique. La fragmentation de l’écosystème technologique, la recomposition des chaînes d’approvisionnement et les restrictions aux flux de capitaux régionaux influencent la manière dont les entreprises accèdent aux marchés et les voies de réalisation des rendements du capital. Si l’évolution de l’écosystème chinois de l’IA retient l’attention des chercheurs, c’est en partie parce qu’elle pourrait révéler le caractère régionalisé des paysages concurrentiels.

Risque de valorisation et d’anticipations. Lorsqu’un thème fait l’objet d’un large consensus, les prix s’ajustent souvent avant l’amélioration des flux de trésorerie. Le principal risque des investissements thématiques n’est généralement pas une erreur de direction, mais un décalage temporel et une valorisation excessive.

Risque lié aux modèles et aux données. Le recours croissant aux données alternatives, aux modèles quantitatifs et aux cadres d’évaluation systématique introduit également de nouveaux risques : la qualité des données, les biais d’échantillonnage, les hypothèses des modèles et les limites de l’extrapolation historique peuvent tous être sous-estimés. Plus les outils sont puissants, plus les exigences de transparence méthodologique sont élevées.

Risque de liquidité. L’approfondissement de la recherche sur les marchés privés et les actifs alternatifs ne se traduit pas automatiquement par une amélioration de la liquidité. Pour les capitaux à long terme, la fréquence de valorisation, les voies de sortie et le rythme des appels de capitaux demeurent des dimensions de risque à gérer de manière indépendante.

Risque de timing des technologies de pointe telles que l’informatique quantique. Il a été clairement établi dans les discussions que l’informatique quantique n’en est actuellement qu’à un stade principalement expérimental. L’implication d’investissement de ces technologies est plus proche de celle d’une option à long terme que d’une source de flux de trésorerie à court terme pouvant être extrapolée linéairement.

Perspectives à long terme

À l’horizon de 3 à 5 ans : industrialisation de la recherche et structuration des thèmes. L’infrastructure de données, les outils quantitatifs et la recherche sur les marchés privés passeront progressivement du statut de « capacité différenciante » à celui d’« allocation de base ». En parallèle, le thème de l’IA passera plus nettement du récit sectoriel aux indicateurs de coût et d’efficacité, et les investisseurs se concentreront davantage sur la mesurabilité du retour sur déploiement que sur la démonstration des capacités des modèles.

À l’horizon de 5 à 10 ans : l’IA devient une infrastructure, et non un thème autonome. Si le coût de l’inférence continue de baisser et si l’intégration de l’IA aux processus métier s’approfondit, l’IA deviendra plus probablement, comme l’électricité et Internet, une variable de contexte pour l’analyse des autres secteurs. À ce moment-là, ce qui déterminera réellement les écarts de rendement pourrait être des facteurs « non-IA », tels que l’approvisionnement énergétique, la gouvernance des données, la structure des talents et l’efficacité organisationnelle.

Valeur d’option à long terme des technologies de pointe. L’avenir de la convergence entre l’informatique quantique et l’IA relève d’un thème typique à long cycle et à forte incertitude. Son intérêt de recherche réside dans l’identification des secteurs susceptibles de voir leur courbe de coûts modifiée par un saut de capacité de calcul, plutôt que dans la prédiction précise du moment de la commercialisation.Poursuite de l’évolution du cadre d’allocation d’actifs. Avec l’intégration de la recherche sur les marchés cotés et non cotés et la standardisation des données alternatives, les décisions d’allocation pourraient être davantage organisées autour de facteurs de risque, d’expositions thématiques et de moteurs de long terme, plutôt qu’autour des traditionnelles proportions par classe d’actifs.

Évolution de la distribution de la recherche et des processus décisionnels. Les podcasts, les plateformes de données et les portails clients (par exemple, les canaux d’information macroéconomique et de marché local proposés par UBS Neo) montrent que la recherche s’intègre à un nombre croissant d’étapes du processus d’investissement. Pour les institutions, cela signifie que les critères d’évaluation de la recherche passeront de « la conclusion est-elle séduisante ? » à « le processus est-il vérifiable ? ».

Conclusion : la valeur à long terme de la recherche tient à sa vérifiabilité

Dans le paysage mondial de l’investissement, les changements dans les flux de capitaux sont souvent observés avant les variations de prix, et cette capacité d’observation dépend de l’ampleur et de la profondeur du système de recherche. La structure de compétences présentée publiquement par UBS Global Research — équipes d’économie et de stratégie multi-actifs, couverture d’analyse d’environ 4 000 actions sur plus de 50 marchés, actifs de données couvrant plus de 55 domaines spécialisés, base de données de valorisation de plus de 20 000 entreprises et recherche systématique sur les sociétés privées — reflète essentiellement une même tendance : ce dont les investisseurs institutionnels ont besoin n’est pas davantage d’opinions, mais une chaîne de preuves plus vérifiable.

Pour les allocateurs de capital à long terme, la question qui mérite réellement un suivi continu n’est pas de savoir si un thème sera recherché au cours du prochain trimestre, mais : quels facteurs structurels modifient la courbe de coûts et les barrières concurrentielles d’un secteur ? Ces changements s’appuient-ils sur des données mesurables ? Les prix actuels les reflètent-ils déjà ? Et, en présence simultanée de risques macroéconomiques, politiques et géopolitiques, le portefeuille présente-t-il une diversification et un pouvoir explicatif suffisants ?

En ce sens, la valeur de la recherche en investissement ne réside pas dans la prédiction, mais dans le fait d’organiser l’incertitude sous une forme gérable. C’est à la fois une question de long terme pour les stratégies d’investissement institutionnelles et la logique profonde de l’évolution continue des marchés de capitaux mondiaux.