Conseils financiers de l'IA : ChatGPT et Gemini se trompent sur 40 % des chiffres du CAC 40, pour votre épargne, l'AMF recommande de croiser vos sources

Poser une question à ChatGPT ou à Gemini sur un placement, un dividende ou le bénéfice d'une grande entreprise cotée prend dix secondes. La réponse arrive aussitôt, formulée avec la précision apparente d'un analyste financier. C'est exactement ce registre de confiance — ce ton sans hésitation — qui rend le résultat d'une étude récente particulièrement instructif : sur les données comptables des sociétés du CAC 40, ces outils se trompent dans environ quatre cas sur dix.

Ce que l'étude a mesuré

Fin août, au lendemain de la publication des résultats semestriels des grandes entreprises françaises, une agence de communication financière a soumis à ChatGPT et à Gemini une série de questions précises : chiffre d'affaires, résultat net, dette, marge opérationnelle. Des données publiques, disponibles dans les communiqués de presse officiels et sur les sites des sociétés concernées. Le protocole était simple : comparer les réponses des modèles aux chiffres publiés.

Le taux d'erreur constaté avoisine les 40 %. Certaines erreurs sont mineures — un arrondi, une confusion entre résultat net et résultat opérationnel. D'autres sont substantielles : des chiffres qui correspondent à un exercice antérieur, ou qui ne correspondent à rien de vérifiable. Dans tous les cas, l'IA ne signale pas l'incertitude. Elle ne dit pas "je ne suis pas sûr". Elle affirme.

Ce comportement a un nom dans le vocabulaire des chercheurs en intelligence artificielle : l'hallucination. Le modèle génère une réponse plausible, cohérente en surface, mais factuellement fausse. Ce n'est pas un bug que les prochaines versions corrigeront nécessairement — c'est une caractéristique structurelle des grands modèles de langage, qui fonctionnent par prédiction statistique, non par consultation d'une base de données vérifiée en temps réel.

Pourquoi les données financières sont particulièrement exposées

Les chiffres financiers cumulent plusieurs facteurs de risque pour ces modèles. Ils changent à chaque publication trimestrielle ou semestrielle. Ils exigent une distinction rigoureuse entre des notions proches — résultat courant, résultat exceptionnel, EBITDA, résultat net part du groupe. Et ils sont abondamment commentés sur le web, ce qui signifie que les modèles ont ingéré des analyses, des estimations, des prévisions, parfois des erreurs de presse — autant de sources qui peuvent contaminer la réponse.

Les données boursières posent un problème supplémentaire : les modèles grand public n'ont pas accès aux cours en temps réel. ChatGPT dans sa version standard travaille à partir d'un entraînement figé à une date donnée. Demander le cours actuel d'une action, c'est interroger quelqu'un qui n'a pas ouvert un journal depuis plusieurs mois — et qui ne le sait pas toujours lui-même.

La position de l'AMF

L'Autorité des marchés financiers suit ce dossier avec attention. Dans ses communications récentes, elle rappelle que les outils d'intelligence artificielle générative ne constituent pas des conseillers financiers au sens réglementaire du terme. Ils ne sont pas enregistrés, ne sont soumis à aucune obligation de conseil, et n'engagent aucune responsabilité en cas d'erreur. Un conseiller en gestion de patrimoine agréé, lui, est soumis au devoir de conseil, à l'obligation de connaissance client, et peut être mis en cause.

L'AMF recommande de croiser systématiquement toute information financière obtenue via une IA avec des sources primaires : les documents de référence déposés auprès du régulateur, les communiqués officiels des sociétés, les sites spécialisés qui agrègent des données vérifiées. Cette recommandation vaut pour tous les épargnants, mais elle prend un relief particulier pour ceux qui gèrent un patrimoine constitué sur plusieurs décennies — où une erreur d'appréciation sur un rendement ou une valorisation peut avoir des conséquences durables.

Un outil utile, à condition de savoir ce qu'il fait

Rien de tout cela ne condamne l'usage de l'IA pour les questions financières. Ces outils peuvent rendre de vrais services : expliquer le fonctionnement d'un PEA, clarifier la différence entre une SCPI et une SCI, rappeler les grandes lignes de la fiscalité de l'assurance-vie. Pour des questions de principe, de vocabulaire, de logique générale, ils sont souvent fiables et pédagogiques.

C'est sur les chiffres précis, les données actualisées, les comparaisons de performance que la prudence s'impose. La règle pourrait tenir en une phrase : utiliser l'IA pour comprendre, et les sources primaires pour décider.

Un modèle de langage ne consulte pas les marchés. Il prédit ce qu'une réponse plausible devrait ressembler — ce qui n'est pas la même chose.

La distinction est facile à oublier quand la réponse arrive en trois secondes, sans la moindre nuance. C'est précisément ce confort apparent qui mérite d'être regardé avec un peu de distance.

Source : Senioractu.com.