ChatGPT for Financial Services : l’espace de travail d’OpenAI pour la recherche, les modèles et les pitchbooks

OpenAI a lancé, le 10 septembre, ChatGPT for Financial Services, une version de ChatGPT Work adaptée aux institutions financières. Le produit combine GPT-6 Astra, des données financières intégrées, une administration d’entreprise et des outils destinés notamment aux équipes de banque d’investissement et de recherche actions. Morgan Stanley et Evercore ont participé à sa conception en tant que partenaires de design. 15

Les tâches qu’il vise à accélérer

Le produit cible les processus longs et fortement documentaires souvent confiés aux analystes juniors en banque d’affaires ou en recherche. OpenAI le présente comme un outil pour préparer des recherches, des modèles financiers et des supports clients personnalisés — pas comme un substitut autonome au jugement professionnel. 56

Les usages annoncés comprennent :

• Recherche sur les entreprises et les marchés : synthèse d’informations financières, y compris les chiffres figurant dans les documents réglementaires, les transcriptions d’appels de résultats et les sources sous-jacentes.
• Modélisation financière : création, mise à jour et analyse de modèles Excel complexes en conservant les formules et la structure des classeurs existants. OpenAI cite notamment les valorisations, les analyses de scénarios et le suivi des moteurs d’un modèle. 2
• Fusions-acquisitions : aide au filtrage de cibles ou d’acquéreurs potentiels, à la sélection de comparables, à l’analyse financière et à la préparation d’une présentation à partir de ces éléments.
• Pitchbooks et documents clients : production de notes de recherche, graphiques, documents et présentations PowerPoint à partir de modèles Excel, Word et PowerPoint validés par l’entreprise, ainsi que de ses règles de mise en forme. 5

La promesse est donc de réduire le temps passé à rassembler, remettre en forme et produire des premières versions. La banque demeure toutefois responsable du modèle, du conseil, de la relation client et de la décision d’utiliser ou non un résultat généré.

Données financières et citations au niveau des sources

L’un des arguments centraux est de réunir des données financières premium et les capacités de raisonnement de l’IA dans un même espace de travail. OpenAI indique que le produit intègre des données financières ; les informations publiées au lancement citent notamment Daloopa, PitchBook et LSEG parmi les fournisseurs. 12

L’outil met aussi en avant des citations détaillées : un utilisateur doit pouvoir remonter d’un chiffre ou d’une affirmation générés vers les éléments qui les étayent, plutôt que de se fier à une réponse sans justification. C’est crucial en finance : une différence apparemment mineure de période, d’ajustement ou de définition peut changer sensiblement une valorisation ou une recommandation. 5

La visibilité des citations améliore la capacité de contrôle, mais ne garantit pas l’exactitude. Les analystes doivent toujours vérifier que l’extrait cité étaye réellement l’affirmation, contrôler les unités et les périodes de reporting, puis rapprocher les résultats du modèle avec les données source.

Intégrations, connecteurs et gouvernance

OpenAI indique que les établissements peuvent gérer de façon centralisée les accès et les connexions aux données via sa plateforme d’entreprise. L’offre plus large pour les services financiers met en avant le travail dans Excel et l’utilisation des relations existantes avec les fournisseurs de données, plutôt que l’imposition d’un nouvel environnement de recherche. 25

Les documents de lancement évoquent des intégrations et connexions avec des fournisseurs tels que S&P Global, FactSet et LSEG, en plus d’un écosystème de connecteurs plus large. Les exemples de connecteurs mentionnés dans les publications comprennent également Datasite, Box, Preqin et Intapp. 78

La nuance est importante : les éléments disponibles placent Intapp dans l’écosystème de connecteurs, sans documenter séparément un plug-in Intapp dédié avec un périmètre fonctionnel précis. Les institutions qui envisagent le produit doivent confirmer directement auprès d’OpenAI leurs droits d’accès aux données, leurs barrières informationnelles, leurs paramètres de conservation et le comportement des connecteurs.

Pour les flux de travail réglementés, le produit s’appuie sur les contrôles d’entreprise de ChatGPT : gestion des identités et des accès, contrôles par rôle, conservation configurable, chiffrement, journaux utiles aux audits et espaces de travail distincts pour les barrières informationnelles. OpenAI précise également que les données métier des clients ne servent pas, par défaut, à entraîner ses modèles. 5

Accès et prix

ChatGPT for Financial Services est accessible aux institutions financières éligibles, via les équipes commerciales d’OpenAI ou un interlocuteur de compte existant. Au lancement, OpenAI n’avait pas publié de tarif standard par utilisateur, d’engagement minimal ni d’offre autonome clairement tarifée. 39

Il s’agit donc d’une décision d’achat d’entreprise, et non d’un abonnement ChatGPT grand public. Les établissements devront l’évaluer au regard de leurs licences de données de marché, de leurs règles internes sur les données et de leurs exigences de contrôle.

Face à Claude for Financial Services d’Anthropic

Anthropic est le concurrent le plus visible sur ce créneau. Son offre Claude for Financial Services comprend des agents pour des tâches telles que la production de supports commerciaux, l’examen des résultats, le travail sur les modèles et des processus orientés conformité.

Les deux entreprises visent la même opportunité : faire d’un assistant d’IA généraliste un espace de travail gouverné, capable d’opérer sur des données propriétaires, des fichiers bureautiques et des processus financiers. OpenAI met en avant GPT-6 Astra, les données intégrées, les citations et une expérience ChatGPT Work adaptée ; les acheteurs doivent comparer ces capacités avec leur propre pile de données, leurs contrôles et leurs processus de production documentaire, sans supposer que les deux offres sont interchangeables. 5

L’enjeu de fond : gain de productivité ou apprentissage affaibli ?

À court terme, l’effet le plus probable n’est pas la disparition des banquiers, mais la réduction du travail répétitif : collecte des informations, rédaction de premières notes, mise à jour de classeurs, formatage de diapositives et assemblage de premiers supports clients. Les analystes pourraient ainsi consacrer davantage de temps au jugement, à la préparation des rendez-vous et à l’analyse approfondie.

L’argument inverse est que le travail junior constitue aussi un apprentissage. Rapprocher des chiffres, reconstruire un modèle, détecter une hypothèse erronée et défendre une conclusion sont autant d’exercices qui forgent l’intuition financière. Si les équipes acceptent des productions de l’IA sans les tester de manière indépendante, le gain de vitesse pourrait se faire au détriment de cette formation.

Le modèle d’utilisation le plus prudent reste donc supervisé : demander aux analystes d’examiner les citations, de comprendre les formules et hypothèses de chaque modèle, de rapprocher les résultats essentiels et de pouvoir expliquer la recommandation finale. La traçabilité des sources peut faciliter cette discipline ; mais c’est la gouvernance mise en place, et non l’outil seul, qui déterminera si l’automatisation renforce ou affaiblit le raisonnement financier.