Sortie de GPT-5.2 : un nouveau palier franchi dans la course à l’IA côté finance

À voir aujourd’hui dans AI for Finance

🔥Les nouveautés de la semaine :
Sortie de GPT-5.2 : un nouveau palier franchi dans la course à l’IA côté finance ; Présentation d’un nouvel outil : Quadratic, le tableur qui brouille la frontière entre data, code et IA ; CFA : en deux ans, l’IA est passée de l’échec aux scores quasi parfaits
💡Cas d’usage : Accélérer l’analyse de trésorerie : d’une balance générale à un tableau de flux de trésorerie
📆 Replay Webinaire : CGP - Doublez votre nombre de clients en 2026 grâce à l’IA

Et pour découvrir toutes les newsletters précédentes, c’est ici !

Suite à l’évocation par Sam Altman d’un « code rouge » interne, et alors que les modèles concurrents gagnent rapidement en maturité : de Gemini chez Google aux usages avancés de Claude for Excel, OpenAI a dévoilé GPT-5.2. Cette sortie intervient à un stade où la compétition ne se joue plus seulement sur la qualité conversationnelle des modèles, mais sur leur capacité à s’intégrer efficacement dans les outils et les workflows professionnels.

Sur le fond, GPT-5.2 apporte des améliorations ciblées plutôt qu’une rupture spectaculaire. Le modèle progresse en raisonnement multi-étapes, en gestion de contextes longs et en stabilité des réponses, avec une réduction notable des hallucinations. Ces évolutions renforcent sa fiabilité pour des usages exigeants, notamment la lecture et l’analyse de documents volumineux, la manipulation de données structurées et la production de livrables cohérents sur des chaînes de travail complètes.

Les effets sont particulièrement visibles dans des environnements comme Excel. GPT-5.2 comprend mieux la logique d’un classeur complexe, identifie les dépendances entre feuilles, corrige ou génère des formules avancées et recalcule des agrégats sans dégrader le modèle existant. Il facilite la consolidation de données hétérogènes, la production de comparatifs financiers ou l’ajustement d’hypothèses en langage naturel. Pour les équipes finance, contrôle de gestion ou conseil, cette version marque une étape supplémentaire vers une automatisation plus fiable et plus continue du travail analytique, où l’IA devient un véritable support opérationnel plutôt qu’un simple outil ponctuel.

Les derniers modèles de raisonnement en intelligence artificielle viennent de franchir un cap symbolique : ils sont désormais capables de réussir l’intégralité des trois niveaux du CFA, l’un des examens les plus exigeants de la finance. Une étude récente montre que plusieurs modèles de premier plan, dont GPT-5, Gemini 3.0 Pro et Claude Opus 4.1, atteignent des taux de réussite proches de la perfection sur près de mille questions couvrant l’ensemble du programme. Gemini 3.0 Pro affiche même 97,6 % de réussite au niveau I, tandis que GPT-5 domine le niveau II avec plus de 94 %.

La progression est d’autant plus marquante qu’elle s’est produite en un temps très court. En 2023, GPT-3.5 échouait aux deux premiers niveaux du CFA et GPT-4 ne validait que le premier. En moins de deux ans, les modèles sont passés de performances limitées à une maîtrise quasi complète des fondamentaux financiers, y compris sur les questions à réponse construite, traditionnellement plus complexes. Cette accélération dépasse largement les résultats observés dans des études antérieures, où les scores plafonnaient encore autour de 70%.

Pour le secteur financier, les implications sont claires. Réussir un examen standardisé ne signifie pas remplacer un analyste, mais cela confirme que l’IA maîtrise désormais les bases techniques de la finance à un niveau très élevé. À mesure que ces compétences se généralisent, la valeur ajoutée humaine se déplace. Le différentiel ne se jouera plus sur la connaissance théorique ou le calcul, mais sur le jugement, la capacité à gérer l’incertitude, l’interaction avec les clients et la prise de décision dans des contextes complexes. Pour les institutions financières, cette évolution pose moins la question du remplacement que celle de la redéfinition des rôles et des compétences clés.

Quadratic s’impose comme l’un des nouveaux entrants les plus intéressants dans l’univers des tableurs, en proposant une approche radicalement différente d’Excel ou de Google Sheets. Pensé comme un environnement de travail unifié, l’outil combine tableur, intelligence artificielle et langages de programmation, Python, SQL et JavaScript, au sein d’une même interface. L’utilisateur peut aussi bien manipuler des cellules classiques que se connecter directement à des bases de données ou interroger ses données en langage naturel, sans quitter le tableur.

Sur le plan fonctionnel, Quadratic reflète une évolution claire des usages. L’IA permet de générer des analyses, des graphiques ou des insights à partir d’instructions simples, tandis que le code peut être exécuté directement dans les cellules pour des traitements avancés. La connexion native à des bases comme PostgreSQL, MySQL ou Snowflake rapproche le tableur des outils de data engineering, tout en conservant une interface accessible à des profils non techniques. L’ensemble repose sur une architecture moderne exploitant le CPU et le GPU via WebGL, ce qui autorise des performances élevées sur de grands volumes de données, loin des limites traditionnelles des tableurs classiques.

Pour le monde de la finance, les implications sont significatives. Quadratic réduit la distance entre données brutes, analyse et décision : un analyste peut interroger une base transactionnelle, produire une visualisation, tester des hypothèses et documenter ses résultats dans un même espace collaboratif. Là où Excel impose souvent une séparation entre extraction, nettoyage, modélisation et restitution, Quadratic favorise des workflows plus continus et plus rapides. Couplé à l’IA, le tableur devient un environnement d’analyse augmentée, capable d’accélérer la production d’insights tout en ouvrant ses capacités à un public plus large. Cette convergence entre tableur, code et IA illustre une tendance de fond : l’outillage financier et data s’oriente vers des plateformes hybrides, où la valeur se déplace de la manipulation technique vers l’interprétation et la prise de décision.

Cette semaine, découvrez comment produire un tableau de flux de trésorerie fiable et réutilisable, directement à partir d’une balance générale, au moyen de Claude.
À partir d’un export comptable brut (Excel, CSV), Claude est capable de reconstituer une vision claire des flux opérationnels, d’investissement et de financement, sans avoir à faire des retraitements, tableaux intermédiaires qui bien souvent prennent du temps pour arriver à ce livrable final.

Ce cas d’usage vous montrera comment :

Résultat : Un tableau de flux de trésorerie construit en quelques minutes,
À partir d’une simple balance générale, sans retraitements manuels,
Une structure claire et réutilisable,
Et une vision immédiate des dynamiques de trésorerie.

📹 Cas d’usage complet et prompts disponibles ici

Les précédents cas d'usage

Retrouvez le replay : "CGP : Doublez votre nombre de clients en 2026 grâce à l’IA"

Objectif : doubler votre nombre de clients en 2026 grâce à l'IA.

Au programme (60 min) : Prospection & qualification

🎯 Résultat : plus de rendez-vous qualifiés, plus de signatures, un process réplicable.

Le programme de parrainage AI for Finance permet de remercier celles et ceux qui contribuent à faire grandir notre communauté de professionnels de la finance et de l'IA.

Le fonctionnement est simple :

Pour chaque recommandation que vous générez, vous débloquerez des récompenses lorsque vous atteindrez des étapes clés.

🎉 Les récompenses à gagner :

👉 A vous de jouer  

Invitez vos collègues, partenaires ou contacts intéressés par l’IA dans la finance :
➡️ vous débloquerez vos récompenses au fur et à mesure des inscriptions !