Depuis le 10 septembre 2026, « ChatGPT pour les services financiers » est un vrai produit, et plus seulement une expression. OpenAI a lancé une version de ChatGPT dédiée à la finance, conçue avec Morgan Stanley et Evercore, qui associe GPT-6 Astra à des données de marché intégrées et, point crucial pour une banque, à des citations traçables jusqu'à la source. En dessous se trouve ChatGPT Enterprise, déjà certifié SOC 2 Type 2, qui n'entraîne pas de modèle sur vos données par défaut et propose la résidence des données dans 10 pays.
La sécurité est donc solide. Le hic tient à ce qu'est l'outil : ChatGPT est un assistant qu'une personne pilote, une requête à la fois. Pour la recherche et la modélisation, c'est exactement ce qu'il faut. Pour une file de support face au client dans une entreprise réglementée, il vous faut quelque chose qui travaille seul, se trouve dans votre helpdesk et soit testé sur vos propres tickets avant de répondre à un vrai client. C'est un autre métier, et c'est celui pour lequel eesel est conçu.
J'ai passé assez de temps à mettre de l'IA devant des files de support réelles pour savoir que la différence compte. Un modèle qui semble sûr de lui et se trompe en silence est une gêne dans un brainstorming et un incident de conformité dans une banque. Ce guide explique ce que fait réellement ChatGPT pour les services financiers, la sécurité et les tarifs réels, et où se situe la limite.
Ce que « ChatGPT pour les services financiers » signifie désormais
Jusqu'à ce mois-ci, l'expression voulait surtout dire « utiliser ChatGPT classique pour du travail financier ». Elle recouvre maintenant deux choses qui se chevauchent, et mieux vaut les distinguer.
La première est le nouveau produit vertical. OpenAI le décrit comme "a tailored ChatGPT Work experience that combines built-in financial data with GPT-6 Astra's reasoning", façonné avec Morgan Stanley et Evercore. Son orientation initiale est volontairement étroite : banque d'investissement et analyse actions, parce que "reliable access to data and high quality artifact creation proved to be the biggest pain points for their teams." Il est livré avec des jeux de données intégrés de Daloopa, PitchBook, LSEG News et Crunchbase, indexés et hébergés par OpenAI, ainsi qu'une connexion partagée avec les droits que vous détenez déjà chez S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva et Moody's.
La seconde est la réalité plus large : ChatGPT Enterprise déployé dans toute une fonction finance, de la FP&A et la clôture mensuelle à la recherche côté acheteur et au support client. OpenAI propose une page de solutions pour les équipes finance côté direction financière, et des fintechs comme Klarna l'ont généralisé à toute l'entreprise. Les deux reposent sur la même famille de modèles, donc la sécurité et les tarifs ci-dessous valent pour l'une comme pour l'autre voie.
Une dernière précision de nomenclature : les offres d'OpenAI ont changé. L'échelle individuelle est désormais Free, Go, Plus et Pro, et l'ancienne offre « Team » s'appelle maintenant « ChatGPT Business », avec ChatGPT Enterprise au-dessus, qui revendique plus de 5 millions d'utilisateurs professionnels.
Ce qu'il peut réellement faire dans une équipe finance
C'est ici que le produit vertical justifie son prix. La fonction la plus importante pour une entreprise réglementée n'est pas le raisonnement, c'est la traçabilité : chaque chiffre produit par le modèle peut être ramené à sa source.
Dans l'exemple même d'OpenAI, un analyste qui rapproche l'EBITDA ajusté d'une entreprise obtient la réponse avec chaque affirmation reliée directement à la ligne de la transcription de la conférence sur les résultats dont elle provient. Ce comportement « montrez votre travail » fait la différence entre un outil qu'un banquier peut défendre devant un comité et un outil qu'il ne peut pas utiliser du tout.
Côté finance d'entreprise, les flux de travail ressemblent davantage à des opérations. ChatGPT Work peut se connecter à Excel, Snowflake, Salesforce, Stripe et Ramp et exécuter une clôture mensuelle, rapprocher budget et réalisé, ou construire un tableau de bord en direct à partir des chiffres.
Les preuves derrière tout cela sont d'une précision inhabituelle pour de l'IA d'entreprise. Morgan Stanley rapporte plus de 98 % d'adoption de son "AI @ Morgan Stanley Assistant" interne parmi les équipes de conseillers, avec un accès aux documents qui passe "from 20% to 80%" et des conseillers qui passent de 7 000 questions traitées à pratiquement n'importe quelle question sur un corpus de 100 000 documents.
Côté fintech, l'assistant de Klarna propulsé par OpenAI a géré 2,3 millions de conversations le premier mois, soit environ les deux tiers des chats de service client de l'entreprise, faisant le travail de 700 agents à temps plein et améliorant le bénéfice d'environ 40 M$ en 2024. Ce dernier chiffre est celui que tout responsable support retient, et il faut être précis sur la façon dont Klarna y est arrivée, car ce n'était pas « on a activé ChatGPT ». C'était un déploiement encadré avec des garde-fous, pas un chatbot brut braqué sur les clients.
Ce qui compte vraiment pour les responsables finance : sécurité et conformité
Voici la bonne nouvelle, et elle est réelle. Sur les offres professionnelles, la politique de données d'OpenAI est conçue pour des acheteurs réglementés.
Les faits essentiels, tous issus de la page données professionnelles d'OpenAI et de ses engagements de confidentialité pour les entreprises :
- Pas d'entraînement sur vos données par défaut. Les entrées et sorties de ChatGPT Enterprise, Business et de l'API ne servent pas à entraîner les modèles sauf si vous l'acceptez expressément. Ce fut le facteur décisif ici : "The OpenAI team's willingness to ensure zero data retention has been really impactful", selon David Wu de Morgan Stanley, Head of Firmwide AI Product & Architecture Strategy.
- Certifications. SOC 2 Type 2, ISO/IEC 27001, 27017, 27018 et 27701, et une inscription CSA STAR, avec un DPA signable pour le RGPD et le CCPA.
- Chiffrement et contrôle des clés. AES-256 au repos, TLS 1.2+ en transit et Enterprise Key Management pour détenir vos propres clés.
- Résidence des données. Contenu au repos aux États-Unis, en Europe, au Royaume-Uni, au Japon, au Canada, en Corée du Sud, à Singapour, en Australie, en Inde et aux Émirats arabes unis, avec des options d'inférence régionale aux États-Unis et en Europe.
- Auditabilité. Les conversations supprimées sont effacées sous 30 jours, et les administrateurs disposent d'un journal d'audit des conversations et de l'activité des agents via l'Enterprise Compliance API.
La seule réserve à nommer clairement : le traitement de type HIPAA via un BAA est limité à ChatGPT for Healthcare et à l'API, et non aux offres générales Business ou Enterprise. Pour la plupart des banques et assureurs, ce n'est pas la contrainte déterminante, mais si votre cas d'usage touche des informations de santé protégées, vérifiez avant de supposer.
Tout cela ne vaut que sur les offres encadrées, et cette distinction est celle qui fait vraiment perdre le sommeil aux praticiens. Le cauchemar n'est pas Enterprise, c'est un analyste qui colle le relevé d'un client dans l'application grand public gratuite depuis un compte personnel. Les spécialistes de la sécurité sont francs sur le risque :
"Just worked w/ @CNN on a piece about why I wouldn't upload full financial docs (tax docs, statements, etc) to AI tools due to leakage & hacking risk. I don't recommend connecting bank accounts to AI tools. It becomes a 1 stop shop for attackers looking to drain your accounts."
C'est une mise en garde sur les outils grand public, pas sur le produit professionnel, et c'est précisément pourquoi l'offre encadrée existe. Donc si la question est « l'équipe sécurité validera-t-elle le modèle ? », la réponse pour Enterprise est généralement oui. La question plus difficile vient ensuite.
Tarifs : ce que paie réellement une équipe finance
OpenAI ne publie pas de prix unique pour « ChatGPT pour les services financiers », car c'est une configuration posée sur Enterprise, vendue via les ventes services financiers. Voici l'échelle complète entre laquelle un acheteur finance choisit.
| Offre | Prix | Idéal en finance pour | Ce que vous obtenez |
|---|---|---|---|
| Free | 0 $ | Usage individuel occasionnel | Chats texte GPT-5.6 Luna, envois et outils limités |
| Go | Moins que Plus | Usage individuel léger | Plus de messages, d'envois et de mémoire que Free ; peut inclure des publicités |
| Plus | 20 $/mois | Un analyste individuel | Raisonnement GPT-6 Astra, Projects, GPT personnalisés, ChatGPT Work |
| Pro | À partir de 200 $/mois (confirmé) | Un utilisateur avancé | 5x d'usage, raisonnement Pro, recherche approfondie maximale et Codex |
| ChatGPT Business | Par utilisateur (en libre-service) | Une petite équipe finance | Espace dédié, SAML SSO, MFA, contrôles GPT, analyses |
| ChatGPT Enterprise | Sur mesure / contacter les ventes | Une entreprise réglementée, à l'échelle de l'organisation | Tout Business plus SCIM, RBAC, contrôles des dépenses, Compliance API, SLA |
| ChatGPT for Financial Services | Devis sur mesure | Banque d'investissement, analyse actions | Contrôles Enterprise plus données de marché intégrées et GPT-6 Astra natif |
Deux choses passent facilement inaperçues. D'abord, la facturation Enterprise n'est pas uniquement par siège : OpenAI documente des contrôles de dépenses centralisés avec "workspace defaults, group limits, individual overrides" pour l'usage de ChatGPT Work et Codex, ce qui signifie que les produits d'agents ajoutent un usage variable et encadré en plus des licences. Ensuite, si votre équipe d'ingénierie préfère construire qu'acheter, la plateforme d'API est facturée au jeton et tarifée séparément. La startup Endex a construit un analyste financier autonome sur l'API plutôt que d'acheter des licences, ce qui est le bon choix pour certaines équipes et excessif pour la plupart. Mon détail complet des tarifs de ChatGPT donne les chiffres à jour par offre, car OpenAI les affiche côté client et ils évoluent.
Le hic : un chatbot n'est pas un employé conforme
Tout ce qui précède concerne la recherche, l'analyse et la productivité interne, et pour cela ChatGPT pour les services financiers est un achat solide. Mais l'expression « ChatGPT pour les services financiers » est aussi tapée par des responsables support de banques, fintechs et assureurs qui veulent une IA répondant aux questions des clients. Pour ce travail, la forme de l'outil compte plus que le modèle qui se trouve derrière.
ChatGPT, même la version finance, est fondamentalement un assistant qu'une personne pilote. Il attend une requête, sert un utilisateur à la fois et ne se trouve pas dans votre helpdesk à surveiller l'arrivée des tickets. Un humain décide encore quand demander et s'il faut envoyer. C'est la bonne conception pour un analyste qui construit un modèle. C'est la mauvaise pour une file de support, où l'objectif est d'absorber le volume sans qu'une personne intervienne sur chaque message.
Il y a aussi un problème plus profond, et c'est celui qui a le plus fait mal sous mes yeux. Un grand modèle de langage produit de temps en temps une réponse assurée, bien écrite et complètement fausse. Dans un brouillon de recherche, une personne la repère. Braqué directement sur un client d'une entreprise réglementée, ce même comportement devient une déclaration erronée sur des frais, une éligibilité ou un paiement, exactement le type d'erreur qu'une équipe conformité est là pour empêcher. Ce n'est pas une critique du modèle d'OpenAI ; c'est vrai de tout LLM brut. C'est pourquoi, après des années à placer de l'IA sur des files de support réelles, j'ai appris à ne jamais laisser un modèle répondre à un vrai client avant de l'avoir testé sur vos propres tickets et noté sur la façon dont il aurait répondu.
Les praticiens qui ont essayé le ressentent directement. Le récit d'un ingénieur ayant branché ChatGPT sur son travail en finance vaut d'être lu avant de le déployer près de clients :
"Tried integrating chatgpt into my finance job to see how far I can get. Mega jikes... millions of dollars of hallucinated mistakes... You basically need to walk through everything it did to figure out what's real and what's hallucinations. Basically fails silently."
"Fails silently" résume tout le problème en trois mots. Le code vous donne une erreur de compilation ; une mauvaise réponse de support vous donne un client apparemment satisfait et une réclamation deux semaines plus tard.
Où cela laisse le support face au client dans la finance
Alors quelle surface utiliser vraiment ? Cela dépend entièrement du travail, et les confondre est l'erreur courante.
Pour rédiger un pitch ou un modèle, le nouveau produit services financiers est l'outil affûté. Pour la clôture des comptes et la FP&A, ChatGPT Enterprise avec les connecteurs Work fait le travail opérationnel. Pour les questions quotidiennes des analystes, Business ou Plus suffisent. Mais pour répondre aux tickets clients dans votre helpdesk, il vous faut un coéquipier conçu pour cette file, qui se connecte aux outils dans lesquels vos agents travaillent déjà.
La bonne nouvelle, c'est que vous n'avez pas à choisir le modèle pour obtenir l'encadrement. Un coéquipier de support peut tourner sur GPT, Claude ou Gemini en dessous et ajouter par-dessus ce dont un support réglementé a besoin : données sensibles masquées à l'entrée, une répétition à blanc sur votre historique réel de tickets avant la mise en service, et une étape de validation humaine pour tout ce qui est risqué. C'est la couche entre « un modèle puissant existe » et « je peux le placer sans danger devant mes clients », et c'est là qu'un helpdesk IA conçu pour cela fait le travail pour lequel ChatGPT n'a jamais été pensé.
Essayer eesel pour le support des services financiers
Si vous êtes arrivé ici parce que vous dirigez le support d'une banque, d'une fintech ou d'un assureur, voici le positionnement honnête. Utilisez ChatGPT pour la recherche et la modélisation pour lesquelles il a été conçu. Pour la file de support, eesel est le coéquipier IA qui se branche sur votre helpdesk existant, Zendesk, Freshdesk, Salesforce ou Front, et commence à traiter lui-même les tickets.
Ce qui compte pour une entreprise réglementée, c'est ce qui se passe avant la mise en service. eesel simule l'agent sur des centaines de vos tickets passés et note ses réponses par rapport à ce que votre équipe a réellement envoyé, afin que vous voyiez son comportement avant qu'un seul client ne soit touché. Les données personnelles sont masquées à l'ingestion, les modèles ne s'entraînent jamais sur vos données et vous pouvez conserver une étape de validation humaine sur les actions sensibles. Le tarif est un prix mensuel fixe à partir de 299 $ par mois pour 500 crédits (1 crédit par ticket ou chat), avec une offre gratuite de 100 crédits et sans frais par utilisateur, donc le coût reste prévisible quelle que soit la taille de votre équipe. C'est gratuit à essayer, et vous pouvez le brancher sur vos propres tickets en un après-midi.