Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Cet article apporte la preuve que la sortie de l'IA générative, plus précisément de ChatGPT, a réduit les coûts de traitement des investisseurs pour les informations financières complexes, atténuant ainsi le dérive post-annonce de résultats (post-earnings-announcement drift) principalement pour les entreprises présentant une complexité informationnelle élevée et une faible détention institutionnelle, ce qui soutient l'explication du coût de traitement par rapport aux théories concurrentes du risque ou des limites d'arbitrage.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Pendant des décennies, les marchés financiers ont fonctionné selon une vérité simple et frustrante : l'information n'a de valeur que si quelqu'un peut la lire. Lorsqu'une entreprise publie ses résultats trimestriels, les chiffres sont publics, mais les rapports qui les accompagnent sont souvent longs, denses et difficiles à parcourir. Pendant des années, des chercheurs ont observé un schéma particulier où le cours de l'action de ces sociétés ne réagissait pas pleinement à la nouvelle immédiatement. Au lieu de cela, le cours continuait de dériver dans la même direction pendant des semaines après coup, comme si le marché digérait lentement l'information. Ce retard, connu sous le nom de dérive post-annonce de résultats (post-earnings-announcement drift), a longtemps intrigué les économistes. Certains soutenaient qu'il s'agissait d'une récompense pour la prise de risque supplémentaire, tandis que d'autres y voyaient une friction empêchant les investisseurs avisés de corriger rapidement les prix. Un troisième groupe soupçonnait toutefois que le retard était simplement une question d'effort humain : lire des rapports complexes prend du temps et de l'attention, et les investisseurs étaient simplement lents à traiter les détails.
La question de savoir pourquoi ce délai existe est restée sans réponse car il était impossible de séparer le coût de la lecture d'autres facteurs. Les études précédentes reposaient sur la comparaison de sociétés ayant écrit des rapports difficiles avec celles ayant écrit des rapports faciles, mais les entreprises choisissent leur propre style d'écriture, ce qui rend difficile de savoir si la difficulté a causé le délai ou si autre chose était en jeu. De plus, les changements technologiques passés modifiaient généralement les rapports eux-mêmes ou les outils utilisés par les analystes professionnels, plutôt que de changer la façon dont l'investisseur moyen lit. Cela signifiait que personne ne pouvait prouver de manière définitive que le délai était causé par la simple difficulté de traitement du texte.
Fin 2022, un nouvel outil est arrivé, changeant le paysage pour chaque investisseur simultanément. OpenAI a publié ChatGPT, une intelligence artificielle générative capable de résumer, de reformuler et de répondre à des questions sur de longs documents en quelques secondes. Cet événement a offert une opportunité unique de tester la théorie selon laquelle les coûts de traitement des rapports entraînent des retards de marché. Les chercheurs ont utilisé ce moment pour poser une question directe : si le coût de lecture des rapports complexes chute soudainement pour tout le monde, le marché commence-t-il à réagir plus vite ? En traitant la sortie de cet outil comme une expérience naturelle, ils pouvaient observer si la lente dérive des prix disparaissait pour les entreprises ayant les rapports les plus difficiles, tout en restant inchangée pour celles ayant des rapports plus simples.
Les chercheurs ont mis au point un système pour mesurer la complexité des rapports annuels déposés par des entreprises aux États-Unis et à l'étranger. Ils ont analysé le texte de milliers de documents, examinant des facteurs tels que la longueur des phrases, la difficulté du vocabulaire et la densité des chiffres, créant ainsi un score représentant la difficulté de lecture pour un humain. Crucialement, ils ont calculé ces scores en utilisant uniquement des données antérieures à la sortie de l'outil d'IA, garantissant que la mesure de la difficulté était fixe et non influencée par l'événement lui-même. Ils ont ensuite suivi le cours des actions de ces entreprises autour de leurs annonces de résultats, comparant la rapidité de réaction du marché avant la disponibilité de l'outil par rapport à celle après sa disponibilité.
Les résultats ont montré un changement clair de comportement. Après la sortie de l'outil d'IA, la lente dérive des prix qui suivait habituellement les annonces de résultats pour les entreprises aux rapports complexes a considérablement diminué. Pour ces entreprises difficiles à lire, le marché a commencé à intégrer l'information beaucoup plus rapidement, une part plus importante de l'ajustement du prix se produisant immédiatement le jour de l'annonce. En revanche, les entreprises aux rapports plus simples, qui étaient déjà faciles à traiter, n'ont montré aucun changement dans leur vitesse de réaction. Ce schéma suggère que le délai était effectivement causé par l'effort requis pour lire les rapports, et que lorsque cet effort a été réduit par la technologie, le marché s'est corrigé de lui-même.
L'effet n'était pas uniforme pour tous les types d'investisseurs. Les chercheurs ont constaté que l'accélération était plus prononcée dans les entreprises ayant une faible détention institutionnelle, où les investisseurs particuliers constituent une part plus importante de l'activité de trading. Ce sont ces investisseurs qui sont les plus susceptibles de lutter avec des documents longs et techniques, et qui bénéficient le plus d'un outil capable de les résumer. L'étude a également examiné les sociétés cotées sur les bourses américaines mais basées dans d'autres pays, dont les rapports sont souvent les plus difficiles à traiter en raison des différences de langue et de formatage. Ces entreprises ont montré la plus forte réduction du délai, soutenant davantage l'idée que la technologie avait aidé à surmonter la barrière spécifique de la difficulté de lecture.
Pour s'assurer que ces conclusions n'étaient pas une simple coïncidence, les chercheurs ont testé si le changement se maintenait sous différentes conditions. Ils ont examiné un second événement, la sortie d'une version application mobile de l'outil, qui rendait la technologie encore plus accessible. Cette seconde sortie a conduit à une réduction supplémentaire du délai pour les entreprises complexes. Ils ont également observé les périodes où l'outil était temporairement indisponible en raison de pannes techniques. Bien que les données durant ces pannes aient été trop rares pour tirer une conclusion définitive, la tendance ne s'est pas inversée, suggérant que le changement était structurel plutôt qu'une réaction éphémère. De plus, ils ont testé si l'outil faisait simplement en sorte que les investisseurs commercent moins ou s'il changeait la qualité de l'information. Les preuves indiquaient la seconde option : la quantité totale d'information absorbée par le marché restait la même, mais la vitesse à laquelle elle était absorbée augmentait.
L'étude a également abordé la question de savoir si le changement était dû à des entreprises écrivant de meilleurs rapports ou à des analystes utilisant l'outil pour créer de meilleures prévisions. Les chercheurs ont constaté que les résultats se maintenaient même en excluant les entreprises du secteur technologique, qui étaient les plus susceptibles d'avoir adopté l'outil pour leurs propres rapports internes. Cela indiquait que le changement était piloté par la façon dont les investisseurs consommaient l'information, et non par des changements dans la façon dont l'information était produite. Les conclusions suggèrent que l'anomalie de la « dérive » n'était pas une caractéristique permanente du marché ou une récompense pour le risque, mais plutôt une friction causée par les limites de l'attention humaine et de la vitesse de lecture.
Bien que les preuves soutiennent fortement l'idée que les coûts de traitement étaient la cause du délai, les chercheurs notent que les résultats sont suggestifs plutôt qu'une preuve finale. Un contrôle statistique a révélé certaines tendances sous-jacentes dans les données qui prédatent la sortie de l'outil, ce qui signifie que les résultats doivent être considérés comme une forte indication plutôt que comme une certitude absolue. Cependant, la cohérence du schéma à travers différents types d'entreprises, différents segments de marché et différentes périodes temporelles constitue un argument convaincant. L'étude démontre que lorsque la barrière de compréhension des informations complexes est abaissée, le marché devient plus efficace, et les ajustements de prix lents et persistants qui récompensaient autrefois ceux qui avaient la patience de lire disparaissent.
Ce travail offre une nouvelle perspective sur le fonctionnement des marchés financiers. Il suggère que la valeur d'un rapport financier ne réside pas seulement dans les chiffres qu'il contient, mais dans la technologie disponible pour les lire. Un rapport trop difficile à utiliser une année peut devenir instantanément utile l'année suivante sans qu'un seul mot ne change. Pour les régulateurs et les organismes de normalisation, cela implique que l'amélioration de la lisibilité et de la capacité de traitement par machine des rapports n'est pas seulement un exercice cosmétique, mais un moyen direct d'améliorer l'efficacité du marché. Pour les investisseurs, cela signale que les profits autrefois disponibles pour ceux qui pouvaient traiter manuellement des données complexes sont comprimés par la technologie, égalisant le terrain de jeu mais supprimant l'avantage qui provenait du pur effort. L'étude conclut qu'à mesure que l'intelligence artificielle continue d'évoluer, la nature des anomalies de marché changera, et que les chercheurs devront chercher de nouvelles façons de mesurer la rapidité avec laquelle l'information est réellement absorbée.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.