OpenAI a dévoilé jeudi ChatGPT for Financial Services, une version de son assistant spécifiquement conçue pour les banques, les gestionnaires d'actifs et les sociétés de capital-investissement. Selon CNBC, l'outil cible directement les tâches à forte intensité de main-d'œuvre — recherche, modélisation financière, préparation de pitchbooks — traditionnellement confiées aux analystes juniors des banques d'investissement. Business Insider ajoute que le produit intègre davantage de sources de données propriétaires sous le capot et de nouveaux mécanismes de vérification d'exactitude, deux irritants majeurs qui freinaient jusqu'ici l'adoption dans les salles de marché.
Le geste n'est pas anodin. Il ne s'agit plus d'un chatbot généraliste que des banquiers utilisent en douce pour reformuler un courriel, mais d'un produit vendu comme une couche de travail intégrée aux flux de la finance. Et il arrive dans un contexte où l'appétit du marché pour tout ce qui touche l'intelligence artificielle demeure vorace : Oracle a rapporté cette semaine une croissance de 121 % de ses revenus d'infrastructure infonuagique et plus de 30 milliards de dollars américains en nouveaux contrats liés à l'IA, selon Estadão.
Pourquoi le poste d'analyste junior est la cible parfaite
Depuis des décennies, l'analyste junior — le « premier cycle » de la banque d'affaires — occupe une fonction précise dans la chaîne de valeur : il extrait les données des états financiers, monte des modèles d'évaluation dans Excel, compile des tableaux de sociétés comparables et met en page des présentations de plusieurs dizaines de pages. Ce sont des tâches structurées, répétitives, à format standardisé. Autrement dit, exactement le genre de travail que les grands modèles de langage exécutent le mieux quand on leur donne des données fiables et un gabarit.
Le secteur ne découvre pas la chose. Goldman Sachs déploie depuis 2025 son assistant interne GS AI Assistant à l'échelle de ses employés, et son chef de la direction David Solomon a répété publiquement que l'IA pouvait rédiger une part substantielle d'un prospectus d'appel public à l'épargne. Morgan Stanley travaille avec OpenAI depuis 2023 pour outiller ses conseillers en gestion de patrimoine. JPMorgan a généralisé son LLM Suite auprès de dizaines de milliers d'employés. La nouveauté, avec l'annonce de jeudi, c'est le passage d'outils maison bricolés par chaque institution à un produit commercial standardisé — donc accessible aux petites boutiques qui n'ont pas les moyens d'une équipe d'ingénieurs en IA.
C'est précisément ce point qui devrait intéresser Montréal.
Une deuxième industrie d'emplois qualifiés dans la mire
Le secteur financier constitue l'un des principaux bassins d'emplois qualifiés de la métropole. Finance Montréal, la grappe financière québécoise, chiffre à plus de 100 000 le nombre de personnes qui y travaillent dans la région, un écosystème qui va de la Banque Nationale à Desjardins, en passant par la Caisse de dépôt et placement du Québec, PSP Investments, Fiera Capital et une constellation de boutiques de fusions-acquisitions et de firmes de capital de risque.
Ce bassin est alimenté chaque année par les cohortes de HEC Montréal, de l'École de gestion John-Molson de Concordia, de la Faculté Desautels de McGill et de la Faculté des sciences de l'administration de l'Université Laval. Le parcours type était bien balisé : baccalauréat, stage, poste d'analyste, deux ou trois ans de nuits blanches sur des modèles, puis passage vers l'associé, le fonds, le corporatif ou la maîtrise.
Si la portion « modélisation et recherche primaire » de ce parcours s'exécute en quelques secondes, deux questions se posent. La première est quantitative : combien d'analystes une banque embauchera-t-elle encore? La seconde est plus troublante : comment forme-t-on un banquier senior si personne ne fait plus les heures d'apprentissage douloureuses qui produisaient le jugement?
Car c'est là le vrai enjeu. L'analyste junior ne produisait pas seulement des livrables : il apprenait, par la friction, à sentir quand un chiffre ne tient pas debout, quand une hypothèse de croissance est fantaisiste, quand un comparable n'en est pas un. C'est ce jugement que les employeurs achètent chez un directeur de dix ans d'expérience. Retirer l'école de formation sans la remplacer, c'est hypothéquer le bassin de talents de la prochaine décennie.
Le problème de l'exactitude n'est pas réglé
Business Insider souligne que l'annonce d'OpenAI comporte de nouvelles vérifications d'exactitude. C'est un aveu implicite : la fiabilité demeure le talon d'Achille. En finance, une erreur dans une hypothèse de flux de trésorerie actualisés ne se traduit pas par une phrase maladroite, mais par une évaluation d'entreprise erronée de plusieurs dizaines de millions.
Le risque de manipulation est lui aussi bien réel dans les marchés. Le Financial Times rapportait cette semaine qu'un Britannique, Christopher Woolcott, a admis avoir fabriqué une fausse offre de rachat sur l'explorateur pétrolier canadien Touchstone Exploration, à l'aide de fausses identités et de documents falsifiés, dans l'espoir de profiter de la hausse du titre. Dans un monde où l'analyse s'automatise à partir de sources numériques, la capacité d'un modèle à distinguer un document authentique d'un faux devient une compétence de conformité, pas un détail technique.
À cela s'ajoute la confidentialité. Une banque montréalaise qui téléverse des données de fusion-acquisition non publiques, des livres de commandes ou des dossiers de clients dans un service infonuagique américain s'expose à des questions sérieuses sous la Loi sur la protection des renseignements personnels dans le secteur privé, telle que modifiée par la Loi 25, qui impose depuis 2023 des évaluations des facteurs relatifs à la vie privée avant toute communication de renseignements hors Québec.
L'AMF n'est pas restée les bras croisés
L'Autorité des marchés financiers a publié en 2024, avec l'Autorité de régulation professionnelle des conseillers en investissement de France, un rapport conjoint sur l'intelligence artificielle dans le secteur financier, insistant sur l'explicabilité des modèles et la responsabilité humaine finale. Les Autorités canadiennes en valeurs mobilières, dont l'AMF fait partie, ont pour leur part publié un avis consultatif sur l'usage de l'IA par les participants au marché, rappelant que les obligations existantes — devoir d'agir avec honnêteté et compétence, supervision, tenue de dossiers — s'appliquent intégralement, peu importe l'outil.
Le message réglementaire est clair : personne ne pourra invoquer « c'est le modèle qui l'a dit ». La signature humaine, et la responsabilité qui vient avec, restent au bas de la page. Ce qui, paradoxalement, plaide pour le maintien d'un certain nombre de professionnels capables de valider le travail de la machine — donc formés autrement.
Ce qui change concrètement pour un diplômé de 2026
Plusieurs déplacements sont déjà observables ailleurs et gagneront Montréal. Le premier : la valeur migre du calcul vers la relation. Un modèle ne va pas déjeuner avec le chef des finances d'une entreprise manufacturière de Drummondville pour comprendre pourquoi son carnet de commandes ralentit. Le deuxième : la capacité de valider devient centrale. Savoir repérer l'erreur d'un modèle exige d'en comprendre la mécanique — la formation technique ne disparaît pas, elle se déplace vers l'audit du résultat. Le troisième : les fonctions de conformité, de gestion des risques, de gouvernance des données et de protection des renseignements personnels prennent du galon, précisément parce que l'automatisation les rend critiques.
Pour les universités québécoises, l'ajustement est déjà amorcé du côté des programmes en analytique d'affaires et en science des données appliquée à la finance. Mais l'écart entre un cursus révisé et une cohorte diplômée reste de trois à quatre ans, alors que le produit d'OpenAI, lui, se déploie ce mois-ci.
Un pari, pas une certitude
Il faut se garder du déterminisme. Le secteur financier a intégré la calculatrice, le tableur, le terminal Bloomberg et le trading algorithmique sans que l'emploi qualifié s'effondre; chaque fois, le volume de travail analytique exigé a plutôt augmenté. Il est plausible que les mêmes équipes produisent simplement davantage de mandats.
Il est aussi possible que les valorisations actuelles du secteur technologique reposent sur des attentes de productivité qui ne se matérialiseront pas au rythme annoncé — un débat que résume bien Estadão dans son analyse des multiples du S&P 500, où les bénéfices et les marges progressent réellement, ce qui complique la thèse de la bulle sans l'invalider.
Entre-temps, un conseil s'impose pour qui entre en finance à Montréal cet automne : le diplôme ne suffira plus à ouvrir la porte. Ce sera l'aptitude à faire ce que la machine ne fait pas — juger, convaincre, assumer.