« Slang chez Goldman Sachs, c’est top. C’est comme Python, mais en plus simple »
Goldman Sachs utilise beaucoup Slang. Et chez Goldman, Slang a une signification bien particulière – c’est le langage de programmation propriétaire (Securities LANGuage) utilisé en interne par la plupart des postes en front office. Slang est assez similaire à Python, sauf qu’à de multiples égards, il est plus facile à apprendre et à utiliser.
Pour comprendre Slang, il faut d’abord comprendre son histoire. Il a été inventé chez Goldman il y a plus de 30 ans et avait plusieurs décennies d’avance. Un groupe de technologues, parmi lesquels se trouvaient Armen Avanessians, Mike Dubno, Glenn Gribble et Kevin Lundeen, ont créé un langage destiné à soutenir SecDB, le moteur de risque et de pricing de Goldman en construction à l’époque. Toutefois, contrairement à la plupart des autres grandes banques et structures qui aspiraient aussi à créer leur propre langage de programmation en interne, Goldman l’a conservé quand les autres ont migré vers d’autres langages plus universels comme C++ ou Java.
Cela ne signifie pas pour autant que Goldman n’utilise que Slang. – Java est aussi un langage de base pour la plupart des équipes de technologie au sein de la banque. Python aussi est utilisé couramment de nos jours pour tout ce qui touche au Machine Learning. D’autres le sont également, en fonction des exigences de chaque équipe. Mais il fut un temps, il y a plus de 10 ans, où le mandat philosophique de la direction demandait à utiliser au maximum Slang et SecDB.
Certes, Slang n’est pas bon pour tout : au fil des années, les gens se sont efforcés de l’utiliser pour des tâches pour lesquelles il n’avait pas été conçu – comme tout ce qui touche aux interfaces graphiques, mais il a rapidement été abandonné au profit de frameworks UX en ligne plus modernes, comme Angular/React. Slang ne traite pas non plus très bien la parallélisation à grande échelle et peut être horriblement lent lorsqu’il est utilisé pour des choses pour lesquelles il n’a jamais été prévu qu’il soit rapide. Slang est connu en interne pour son interface utilisateur au fond bleu – que les plus expérimentés adorent, mais dont les jeunes diplômés tout juste sortis de l’école ou les intervenants extérieurs trouvent l’apprentissage frustrant.
Il y a eu récemment des efforts afin d’intégrer Slang dans un IDE plus moderne, mais cela a pris du temps en raison du nombre actuellement limité d’ensembles de fonctionnalités hors de l’écran bleu classique. Slang utilise aussi toujours CVS comme référentiel de code de validation, en retard de plusieurs générations sur Git.
La force essentielle de Slang réside dans sa manière de s’intégrer à SecDB (SECurities Databade). SecDB et le graphe de dépendance sur lequel sont construites les fonctions de modélisation du risque - ont été les éléments-clés de la capacité de Goldman à gérer efficacement le risque sur l’ensemble de la banque. SecDB permet un accès bitemporal à toutes les transactions, positions, données produit et données de marché au sein d’un seul framework unifié.
Slang a été créé à ces fins, et c’est pour cette raison qu’il est très bon dans ses capacités de base. Slang a été conçu pour une analyse de sensibilité et pour faire tourner le moteur de risque de Goldman. Quand en présence d’un produit financier, comme un swap ou une obligation, on veut voir l’évolution de sa valeur actuelle nette (NPV) compte tenu des changements apportés aux paramètres sous-jacents, comme les taux de changes ou les taux d’intérêt, Slang et SecDB sont capables de réaliser ce calcul très rapidement. Il dispose d’une technologie de graphe incroyablement puissante, qui invalide tout simplement quelques paramètres pour donner une nouvelle NPV en fonction d’un scénario de marché bien spécifique. Cela permet donc d’avoir une vision rapide et à jour de votre pnl.
Pour qui travaille chez Goldman, Slang est quasi intégralement open source en interne. Toute personne disposant d’un accès Slang peut voir tout ce qui a été écrit en Slang par chaque équipe de la banque dans son intégralité (à quelques exceptions près pour les rares bibliothèques responsables des autorisations de données). Slang présente l’avantage qu’il est la plupart du temps exécuté côté client, ce qui signifie que les développeurs ont la possibilité de tester rapidement leur code localement avant de l’envoyer en production.
Pendant des années, c’est là que résidait l’avantage de Goldman sur la concurrence. Slang et SecDB ont été créés entièrement en interne, et Goldman n’avait pas cet inconvénient qui s’imposait aux autres banques en cas de fusion avec des concurrentes : devoir réécrire les systèmes ou mixer l’existant. Au lieu de cela, il y avait Slang et SecDB, et Slang a rendu SecDB rapide et facile à développer. Et du fait que ce système était open source en interne, toute personne de la division Activités de marché pouvait y accéder indépendamment de ce qui avait déjà été construit – il n’était donc pas nécessaire que les différentes équipes dupliquent les efforts en reconstruisant le même produit de multiples fois alors qu’il leur suffisait d’utiliser directement ce qui existait déjà (qu’il s’agisse d’écrans d’ordres ou de négociables).
Voilà pourquoi Slang et SecDB sont longtemps restés le secret qui a permis à Goldman de gérer efficacement le risque de toutes ses positions de façon cohérente. Pourtant, les autres banques ont rapidement rattrapé leur retard (JPM, BofA, etc.) en embauchant depuis des années des transfuges de Goldman pour mettre en œuvre en interne leurs propres versions de SecDB. Il existe même aujourd’hui plusieurs solutions commercialisées qui proposent des plateformes inspirées de Slang/SecDB (Coremont.com, beacon.io, etc.), conçues en partant de rien pour tirer parti de capacités technologiques plus récentes et pallier certaines des limitations de base de SecDB.
Certaines personnes ne veulent pas rejoindre Goldman et travailler en Slang car elles craignent de limiter leurs compétences transférables, utiles et valorisables ailleurs. Mais les bons développeurs peuvent toujours se lancer dans de nouveaux langages. Slang présente par ailleurs énormément d’avantages. Je l’ai utilisé pour coder pendant plus de dix ans, et je suis resté un grand fan.
Slang a sa place et la conservera dans l’immédiat. Oui, Goldman s’efforce de s’en détacher et utilise bien plus Python et Java, mais il existe des millions de lignes de code en Slang au sein de la banque, et les rendre caduques prendra des décennies. En attendant, les développeurs qui entrent chez Goldman devraient adopter ce langage. Je ne suis sans doute pas objectif, mais je pense que Slang est excellent.
Xavier Baume is a pseudonym
Have a confidential story, tip, or comment you’d like to share? Contact: sbutcher@efinancialcareers.com in the first instance. Whatsapp/Signal/Telegram also available (Telegram: @SarahButcher)
Bear with us if you leave a comment at the bottom of this article: all our comments are moderated by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. Eventually it will – unless it’s offensive or libelous (in which case it won’t.)
