ChatGPT devient un poste de travail pour les professionnels de la finance

OpenAI lance ChatGPT for Financial Services, une version spécialisée qui associe GPT-6 Astra, données financières sous licence, citations détaillées et modèles de documents internes.

Retrouver un chiffre dans une annexe, vérifier le calcul d’un EBITDA ajusté, comparer plusieurs entreprises puis transformer l’analyse en présentation conforme aux habitudes de la banque. OpenAI veut réunir ces opérations dans un même environnement avec ChatGPT for Financial Services.

Présenté le 10 septembre 2026, ce nouveau service correspond à une version de ChatGPT Work adaptée aux établissements financiers. Il combine GPT-6 Astra, des données professionnelles intégrées, les abonnements déjà détenus par l’entreprise et des fonctions de création de modèles financiers, de documents et de présentations.

Le produit vise d’abord la banque d’investissement et la recherche sur les actions. OpenAI cite notamment l’analyse de valorisation, la modélisation d’un LBO, la sélection d’acquéreurs potentiels, l’étude des résultats financiers et la préparation de pitchbooks.

ChatGPT for Financial Services n’a pas été conçu uniquement à partir de scénarios imaginés par OpenAI. Morgan Stanley et Evercore ont servi de partenaires de conception afin d’identifier les tâches les plus longues, les sources les plus utilisées et les formats attendus par les équipes.

Ces collaborations ne signifient pas que les deux établissements ont confié l’ensemble de leurs opérations au service. OpenAI indique qu’ils ont contribué à orienter sa conception et ses premiers usages. Aucun chiffre ne mesure encore le nombre d’employés concernés, le temps économisé ou la part des documents produits avec la plateforme.

La différence avec une version généraliste de ChatGPT repose d’abord sur les données. Un modèle peut connaître les principes d’une valorisation, mais il a besoin de chiffres récents, détaillés et correctement attribués pour travailler sur une entreprise réelle.

OpenAI intègre directement des informations fournies par Daloopa, PitchBook, LSEG News et Crunchbase. Ces ensembles couvrent notamment les publications de résultats, les états financiers, les données fondamentales, les entreprises privées, les levées de fonds, les investisseurs et les acquisitions.

Les établissements éligibles peuvent les utiliser sans négocier séparément un contrat avec chacun de ces fournisseurs ni configurer une connexion supplémentaire. Les données sont indexées et hébergées sur l’infrastructure d’OpenAI afin d’améliorer leur recherche, leur restitution et leur association avec les réponses du modèle.

Cette organisation distingue le produit d’un chatbot qui effectuerait seulement une recherche sur le Web. Une information financière peut dépendre d’une note de bas de page, d’une méthode comptable, d’un retraitement ou d’une période précise. Une valeur isolée ne suffit pas toujours à comprendre ce qu’elle représente.

Lors d’une normalisation du compte de résultat, ChatGPT peut par exemple retrouver la réconciliation utilisée pour calculer un EBITDA ajusté, afficher les notes associées et identifier les charges exclues. L’utilisateur conserve ensuite la responsabilité de décider si ces ajustements sont pertinents pour sa valorisation.

Les réponses peuvent comporter des citations renvoyant à une table ou à un passage précis. L’interface met en évidence l’information utilisée afin que l’analyste puisse contrôler le chiffre et son contexte sans rechercher manuellement la source dans l’intégralité du document.

La citation réduit le risque de recevoir un nombre impossible à retracer, mais elle ne garantit pas que l’interprétation soit correcte. Une source authentique peut être associée à la mauvaise période, à une autre entité du groupe ou à un indicateur calculé selon une définition différente. La vérification humaine demeure donc nécessaire, particulièrement lorsqu’un résultat doit être transmis à un client ou utilisé dans une transaction.

Les données incluses ne remplacent pas non plus toutes les bases déjà achetées par les établissements. De nombreuses banques disposent de contrats couvrant des informations plus spécialisées, des historiques particuliers ou des droits d’usage négociés pour leurs équipes.

OpenAI prépare pour cette raison des intégrations avec S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva et Moody’s. Ces fournisseurs pourront reconnaître les droits d’un utilisateur grâce à son identification dans ChatGPT, puis lui donner accès aux contenus auxquels son entreprise est déjà abonnée.

Le service sépare ainsi deux catégories. Certaines données sont fournies directement avec ChatGPT for Financial Services. D’autres restent liées aux contrats existants de l’établissement et nécessitent que le fournisseur confirme les autorisations de la personne connectée.

Cette distinction compte pour la conformité comme pour la facturation. La présence du nom d’un fournisseur dans l’annonce ne signifie pas nécessairement que tout son catalogue est inclus dans le prix du service. La couverture exacte dépendra de la source, des droits détenus et des intégrations activées par l’administrateur.

À ces accords s’ajoute un ensemble de plus de cinquante connexions comprenant notamment Datasite, Box, Preqin, FactSet et Intapp. Elles permettent de rapprocher les données externes des documents, dossiers et outils déjà utilisés par l’établissement.

OpenAI explique avoir optimisé certaines connexions reposant sur MCP, le protocole qui permet à un modèle d’interroger un service ou une base externe. L’objectif est de réduire les erreurs de configuration et les échecs rencontrés lorsqu’une requête doit traverser plusieurs systèmes.

Cette promesse devra être vérifiée dans les environnements réels. Les autorisations peuvent varier entre deux employés, les fournisseurs imposer leurs propres limites et les documents internes adopter des structures difficiles à interpréter. L’annonce ne fournit ni taux d’échec des connexions, ni mesure de leur disponibilité, ni comparaison avec une configuration MCP classique.

Le raisonnement et la production des réponses reposent notamment sur GPT-6 Astra. Le modèle peut parcourir des documents financiers, interpréter leurs tableaux et leurs notes,