En mai 2023, lors d’un épisode de stress du marché, notre équipe a observé un algorithme réagir en renforçant la pondération de certains actifs jugés plus résilients. La rapidité de l’ajustement a été remarquable : le modèle, entraîné sur des données séquentielles, a adapté ses paramètres sans intervention humaine immédiate. L’analyse a montré que les techniques d’apprentissage par renforcement sont particulièrement efficaces pour détecter et anticiper les ruptures de tendance, mais nécessitent un suivi continu pour éviter les excès d’ajustement. Cette page examine des scénarios réels où la technologie a permis d’optimiser la gestion du risque, tout en soulignant l’importance du jugement humain. Nos observations mettent en lumière l’équilibre délicat entre automatisation et intervention experte, surtout lors de chocs de marché. En documentant ces expériences, nous cherchons à offrir des perspectives concrètes sur l’évolution des pratiques institutionnelles et sur l’intégration progressive de l’intelligence artificielle dans la gestion des risques.