LSEG a élargi sa place de marché Models-as-a-Service en ajoutant Open Risk Analytics à partir de sa division Post Trade Solutions, offrant aux banques, hedge funds, gestionnaires d’actifs et équipes de trésorerie des analyses de risque multi-actifs accessibles via l’Analytics API de LSEG. Le service permet des calculs au niveau du portefeuille sur les taux d’intérêt, le change (FX), l’inflation, les matières premières et les actions, tout en prenant en charge des environnements compatibles avec l’IA, notamment Visual Studio Code, JupyterLab, Model Context Protocol, ainsi que des intégrations avec Microsoft Copilot.
Les évolutions de l’infrastructure de risque vers des modèles de service
Les grandes institutions financières ont historiquement exploité en interne des systèmes de risque gérés directement, construits à partir de combinaisons d’infrastructures propriétaires, de logiciels de fournisseurs et d’environnements d’analytique sur mesure. Ces systèmes deviennent souvent coûteux à opérer, fragmentés par classe d’actifs, et difficiles à mettre à l’échelle de manière efficace.
L’expansion de LSEG répond à cette transition en proposant des analyses de risque sous forme de services hébergés et accessibles via des API et des workflows cloud-native. L’environnement hébergé donne aux entreprises accès à des calculs incluant la Value at Risk (VaR), l’Exposition Potentielle Future, le Credit Valuation Adjustment (CVA), les stress tests, P&L Explain, l’analyse de sensibilité et la modélisation des cashflows, sans devoir maintenir l’ensemble de la pile analytique en interne.
Aysegul Erdem, responsable des solutions de modélisation chez LSEG, a déclaré : « Cette étape marque l’intégration des Risk Analytics de notre Post Trade Solutions dans LSEG MaaS, dans le cadre d’une vision plus large consistant à offrir des analyses multi-actifs à grande échelle. » Erdem a souligné que l’intégration d’analyses dans des workflows pilotés par l’IA pourrait aider les entreprises à automatiser les processus de risque traditionnels tout en améliorant l’efficacité et la génération d’informations sur les portefeuilles.
L’intégration de l’IA comme thème central d’infrastructure
L’aspect stratégiquement important du déploiement consiste à intégrer des analyses de risque dans des workflows assistés par l’IA. Les institutions financières testent de plus en plus des systèmes d’IA capables de résumer les expositions, d’interpréter des scénarios de marché, d’automatiser des processus de workflow et de générer dynamiquement une analyse de portefeuille.
En exposant des modèles de risque via des API compatibles avec des outils de développement et des intégrations IA, LSEG place son infrastructure d’analytique au sein de la transformation IA plus large en cours dans les services financiers. La mention de Microsoft Copilot et de standards ouverts de workflow reflète la manière dont les fournisseurs d’infrastructure conçoivent de plus en plus des produits axés sur l’interopérabilité avec des systèmes d’IA externes plutôt que sur des interfaces propriétaires isolées.
Ce changement compte car les logiciels financiers d’entreprise évoluent de plus en plus vers des environnements composables où l’analytique, les outils d’IA, les couches de données et les systèmes opérationnels interagissent dynamiquement via des API. Les analyses de risque deviennent donc des services lisibles par machine intégrés à des environnements d’automatisation plus larges, plutôt que des rapports statiques générés périodiquement par les équipes de risque.
L’accessibilité des analyses en temps réel, ou proche du temps réel, peut avoir un impact significatif sur la manière dont les entreprises suivent l’exposition aux contreparties, les exigences de marge, les risques de liquidité et la sensibilité des portefeuilles pendant des marchés volatils.
La complexité de la gestion du risque de portefeuille
Les institutions opèrent de plus en plus sur des portefeuilles multi-actifs englobant des dérivés cotés, des produits OTC, le FX, les matières premières, les actions et les instruments à revenu fixe, tout en faisant face à des attentes réglementaires plus strictes concernant les stress tests, la gestion des collatéraux et le reporting des expositions.
La Value at Risk reste l’un des outils principaux utilisés par les institutions pour estimer les pertes potentielles de portefeuille dans des conditions de marché normales. Les stress tests évaluent la résilience du portefeuille dans des scénarios extrêmes, tandis que le Credit Valuation Adjustment mesure l’exposition au crédit des contreparties intégrée dans les positions en dérivés. Les analyses P&L Explain aident les entreprises à décomposer les gains et pertes du portefeuille en facteurs de risque sous-jacents et en mouvements de marché.
Stuart Smith, directeur de Post Trade Solutions chez LSEG, a commenté : « Les analyses de risque ne créent de la valeur que lorsque les entreprises peuvent les opérationnaliser. » Smith a souligné que la livraison hébergée, les données de marché sélectionnées et des modèles transparents permettent aux entreprises d’exécuter des calculs au niveau du portefeuille et des analyses d’exposition à grande échelle.
De nombreuses entreprises disposent de grandes quantités de données de risque, mais ont encore du mal à intégrer efficacement l’analytique dans la prise de décision opérationnelle en temps réel, ce qui reflète un défi plus large au sein de la finance institutionnelle.
Extension de l’infrastructure post-trade
Le déploiement renforce la stratégie plus large de LSEG en matière d’infrastructure post-trade. La société a indiqué que le service prend en charge plus de 3 000 entreprises via des workflows liés à la gestion des collatéraux, au traitement des marges, au risque de contrepartie et aux opérations sur les dérivés OTC.
L’infrastructure post-trade est devenue stratégiquement importante à mesure que la réglementation sur les dérivés, les obligations de compensation centrale et les exigences de collatéral se sont étendues à l’échelle mondiale après la crise financière. Les institutions font désormais face à de lourdes contraintes opérationnelles autour de la réconciliation des transactions, de l’optimisation des marges, des workflows de règlement et du reporting réglementaire.
Des fournisseurs d’infrastructure comme LSEG se positionnent de plus en plus comme des plateformes centralisées capables de standardiser ces processus opérationnels à travers de vastes écosystèmes financiers. L’ajout d’analyses de risque évolutives renforce ce positionnement, car la gestion des risques et les workflows de collatéral fonctionnent de plus en plus ensemble au sein de l’infrastructure institutionnelle de dérivés.
Le changement reflète une consolidation plus large au sein de l’infrastructure des marchés financiers, où les bourses, les opérateurs de compensation, les entreprises de données de marché et les fournisseurs d’analytique fusionnent de plus en plus des couches opérationnelles en des écosystèmes d’entreprise intégrés. Le mix de LSEG entre données de marché, API d’analytique, infrastructure post-trade et workflows compatibles avec l’IA illustre comment les fournisseurs d’infrastructure financière cherchent de plus en plus à se différencier par la profondeur de l’écosystème plutôt que par de simples produits autonomes.
FAQ
Quelles analyses de risque spécifiques le service étendu de LSEG fournit-il ?
L’offre Models-as-a-Service de LSEG inclut la Value at Risk, l’Exposition Potentielle Future, le Credit Valuation Adjustment, les stress tests, P&L Explain, l’analyse de sensibilité et la modélisation des cashflows. Ces calculs couvrent des portefeuilles multi-actifs portant sur les taux d’intérêt, le FX, l’inflation, les matières premières et les actions.
Quels environnements de développement le service prend-il en charge ?
Les modèles hébergés fonctionnent via Visual Studio Code et JupyterLab tout en prenant aussi en charge des workflows activés par l’IA via Model Context Protocol et des intégrations avec des outils, notamment Microsoft Copilot.
Combien d’institutions financières utilisent actuellement l’infrastructure post-trade de LSEG ?
D’après LSEG, le service prend en charge plus de 3 000 entreprises via des workflows liés à la gestion des collatéraux, au traitement des marges, au risque de contrepartie et aux opérations sur les dérivés OTC.
Pourquoi l’accessibilité des analyses en temps réel est-elle importante pour la gestion du risque ?
L’accessibilité des analyses en temps réel ou proche du temps réel peut avoir un impact significatif sur la manière dont les entreprises suivent l’exposition aux contreparties, les exigences de marge, les risques de liquidité et la sensibilité des portefeuilles pendant des marchés volatils, permettant une prise de décision opérationnelle plus rapide.
