JPMorgan tente d’exploiter la puissance de l’informatique quantique pour résoudre des problèmes à la vitesse de l’éclair, de la tarification des options à la détection des fraudes
- JPMorgan expérimente l’informatique quantique, une alternative aux ordinateurs traditionnels.
- La technologie pourrait donner à JPM un énorme avantage en termes de vitesse avec des calculs complexes, la détection des fraudes, etc.
- Cela fait partie d’une histoire plus large qui explore les meilleurs projets technologiques de Wall Street. Voir plus ici.
Imaginez un Wall Street où des modèles de probabilité d’options complexes sont calculés instantanément et des simulations basées sur des ensembles de données volumineux s’exécutent facilement. Chez JPMorgan, cet avenir n’est peut-être pas trop éloigné, selon les dirigeants qui ont supervisé l’incursion de la banque dans l’informatique quantique.
En tant qu’alternative émergente à l’ordinateur traditionnel, les dirigeants de JPMorgan pensent que l’informatique quantique pourrait bouleverser la façon dont les entreprises financières effectuent leurs calculs. C’est pourquoi la plus grande banque américaine en termes d’actifs expérimente l’informatique quantique par le biais d’un groupe qu’elle appelle Global Technology Applied Research.
Contrairement aux ordinateurs classiques, qui ne peuvent stocker qu’un un ou un zéro, les ordinateurs quantiques utilisent des bits quantiques, ou qubits. Les qubits peuvent stocker plusieurs valeurs en même temps, ce qui donne théoriquement aux ordinateurs quantiques des avantages de grande vitesse.
C’est un pari qui porte ses fruits en aidant la banque à exécuter des calculs en millisecondes plus rapidement que la concurrence dans des fonctions allant de l’analyse des risques au trading algorithmique.
La capacité d’utiliser l’informatique quantique pour des applications pratiques est encore largement théorique, et les critiques disent que le matériel n’est pas encore assez avancé et que les machines quantiques nécessitent plus de ressources pour fonctionner qu’il n’en vaut la peine. Mais les chercheurs de JPMorgan disent qu’il y a des signes que l’industrie se rapproche du point où les ordinateurs quantiques peuvent traiter les problèmes du monde réel plus rapidement que les ordinateurs classiques, souvent appelés avantage quantique.
« Nous sommes encore à quelques années de l’avantage quantique ou de la suprématie quantique, mais il y a eu des progrès dans le matériel, et nous avons dépassé les conversations théoriques maintenant », a déclaré Marco Pistoia, responsable de la recherche appliquée sur la technologie mondiale, à Insider. « C’est le bon moment pour expérimenter afin que nous puissions être prêts pour le quantum. »
L’informatique quantique rencontre l’intelligence artificielle
Global Technology Applied Research a été créé en 2020 et est dirigé par Pistoia et Andrew Lang, directeur mondial de la technologie de la banque. Certains cas d’utilisation que la banque explore sont l’optimisation du portefeuille, la tarification des options, l’analyse des risques, la détection des fraudes et le traitement du langage naturel, a déclaré Pistoia.
Le groupe travaille en étroite collaboration avec les équipes d’intelligence artificielle et d’apprentissage automatique de la banque, a déclaré Lang à Insider par e-mail.
« Il existe également de nombreuses similitudes du point de vue de la plate-forme logicielle, car la meilleure façon de tirer parti des avantages de l’informatique quantique ou de l’IA/ML est un cadre basé sur le cloud, indépendant du matériel, qui permet à différentes équipes de chercheurs et de développeurs de partager le même environnement de programmation. « , a déclaré Lang.
Les problèmes d’apprentissage automatique et d’IA ont tendance à présenter une grande complexité, ce qui en fait des candidats de choix pour la capacité du quantique à traiter les calculs à une vitesse vertigineuse. Par exemple, un blog de recherche 2019 d’IBM, qui a mené des recherches quantiques avec JPMorgan, a déclaré que la banque pourrait exécuter un algorithme utilisé pour prédire les prix des options en temps quasi réel, par opposition à la nuit. De plus, de nombreux algorithmes quantiques de la banque intègrent une logique d’intelligence artificielle et d’apprentissage automatique.
La plate-forme partagée, supervisée par Castillo, est également indépendante du matériel, ce qui signifie qu’elle peut s’interfacer avec des ordinateurs quantiques de différents fournisseurs sans avoir à réécrire le code de l’application.
La course quantique de Wall Street s’intensifie
Investir dans l’informatique quantique n’est pas sans risques. En août dernier, le Financial Times a publié un article d’opinion écrit par le physicien de l’Université d’Oxford Nikita Gourianov. Le cœur de l’argument de Gourianov est que la promesse future et les applications actuelles de l’informatique quantique sont surestimées et que trop de dollars poursuivent peu de gains productifs.
Mais JPMorgan est loin d’être la seule entreprise de Wall Street à parier que ces investissements s’avéreront payants. L’équipe d’ingénieurs en recherche et développement de Goldman Sachs développe des outils pour évaluer plus rapidement les marchés et affiner la tarification de certains instruments financiers. La banque a également investi dans des startups quantiques en herbe, telles que QC Ware, qui développe des bases de code comprenant des éléments de traitement quantique pouvant fonctionner sur l’un des quatre principaux fournisseurs de cloud public.
Pendant ce temps, Fidelity a exploré le potentiel de l’informatique quantique dans la gestion de patrimoine. En collaboration avec Amazon Web Services, Fidelity a construit un algorithme qui imite le comportement d’un indice de marché, que Fidelity a ensuite utilisé comme terrain de formation pour apprendre aux employés à réfléchir à des algos quantiques et à écrire des programmes pour des ordinateurs quantiques.
Wells Fargo a également investi dans l’informatique quantique pour traiter des structures de données complexes utilisées pour la détection des fraudes. Quantum devrait réduire le délai de plusieurs semaines nécessaire à l’intégration de nouveaux clients.