Face à la surcharge de saisie manuelle en finance d'entreprise, OpenAI lance ChatGPT for Financial Services. Connecté à PitchBook et LSEG via GPT-6 Astra, cet outil automatise la modélisation M&A et la génération de pitchbooks. Les analystes gagnent un temps précieux en se concentrant sur la validation stratégique. La recherche financière combine encore de nombreuses opérations de collecte, rapprochement, vérification et mise en forme de données. Avec cette offre lancée le 10 septembre 2026, OpenAI n'abandonne pas son approche généraliste : l'entreprise lui ajoute une couche métier dédiée aux institutions financières, dont le premier périmètre annoncé vise principalement l'investment banking et l'equity research. Ce mouvement stratégique intervient dans un marché où les plateformes financières, fournisseurs de données et éditeurs d'IA cherchent tous à rapprocher les données propriétaires des outils de raisonnement génératif. Morgan Stanley et Evercore ont agi comme partenaires de conception afin d'aider OpenAI à identifier les usages et difficultés rencontrés par les équipes financières, notamment l'accès fiable aux données et la création de livrables. L'évolution repose également sur les capacités de GPT-6 Astra . OpenAI indique que le modèle peut naviguer dans des figures, tableaux et notes financières, effectuer des analyses et synthétiser les résultats dans des documents, feuilles de calcul et présentations. Ces capacités renforcent l'automatisation de certaines étapes sans supprimer la nécessité de vérifier les données et raisonnements produits. Ce lancement pourrait intensifier la concurrence avec les terminaux et plateformes de recherche financière historiques en déplaçant une partie de l'expérience utilisateur vers une interface conversationnelle capable de combiner données, analyse et création documentaire. Ce qui me frappe dans cette annonce, c’est le changement de niveau d'intégration. OpenAI ne fournit plus seulement un modèle auquel chaque banque doit raccorder ses propres données : l'entreprise commence à assembler raisonnement, données financières licenciées, connecteurs, citations et production documentaire dans une même expérience. Cette approche ne condamne pas les terminaux financiers historiques, mais elle déplace une partie de la compétition vers l'interface capable de transformer le plus efficacement des données fiables en analyse exploitable. Pour les analystes juniors, la conséquence la plus crédible n'est probablement pas une disparition prochaine, mais une transformation du travail. Les opérations de collecte, de rapprochement et de mise en forme peuvent progressivement être davantage automatisées, tandis que la vérification des sources, l'interprétation des ajustements comptables et le jugement transactionnel prennent davantage de valeur. Le paradoxe est intéressant : plus l'IA devient performante et convaincante, plus la capacité humaine à auditer ses conclusions devient stratégique.