ChatGPT pour la finance : ce qu'un DAF en fait réellement, et les limites à connaître

Les quatre cas d'usage qui fonctionnent

Rédiger les commentaires de clôture. Vous fournissez au modèle un tableau d'écarts (budget contre réel, N contre N-1) anonymisé, et il produit un premier jet de commentaire structuré. Le DAF relit, corrige les erreurs d'interprétation, ajoute le contexte que le modèle ne peut pas avoir. Le commentaire final reste signé par un humain qui en assume la responsabilité.

Préparer les questions de board. À partir d'un reporting finalisé, le modèle génère la liste des questions qu'un administrateur ou un investisseur est susceptible de poser. C'est un excellent exercice de préparation, parce que le modèle ne connaît pas vos angles morts — et pose parfois la question que vous espériez éviter.

Structurer des analyses ponctuelles. Comparer deux scénarios de budget, rédiger une note sur l'impact d'une hausse de prix, préparer un plan de trésorerie à 13 semaines : le modèle produit une structure et des hypothèses à challenger, ce qui fait gagner du temps sur la page blanche.

Traduire la finance pour les non-financiers. Expliquer le BFR à un directeur commercial, ou la différence entre EBITDA et trésorerie à un fondateur technique : le modèle est bon vulgarisateur, à condition de vérifier chaque chiffre qu'il cite. Notre glossaire finance fait le même travail, sans risque d'erreur.

Les trois usages à proscrire

Ne jamais y mettre de données nominatives ou confidentielles. Ni les salaires, ni les données clients, ni les chiffres non publiés de l'entreprise dans la version grand public de l'outil. Si votre entreprise veut un usage récurrent, il faut une offre professionnelle avec engagement de non-entraînement des données, ou un modèle hébergé. C'est non négociable, et c'est la première règle que nous posons en mission.

Ne jamais lui faire produire un chiffre. Un LLM ne calcule pas, il prédit du texte. Il peut vous écrire une formule Excel correcte, mais si vous lui demandez le résultat d'un calcul, il peut répondre un nombre faux avec un ton parfaitement assuré. Tout chiffre produit ou cité par le modèle doit être recalculé.

Ne jamais l'utiliser pour de la conformité. TVA, règles fiscales, normes comptables : le modèle mélange les régimes, les pays et les millésimes. Sur ces sujets, une erreur coûte plus cher que le temps gagné. Pour la fiscalité France-Espagne par exemple, nos guides fiscaux sont vérifiés et sourcés, ce qu'aucun LLM ne garantit.

La méthode que nous posons en mission

Quatre règles, écrites dans une charte d'une page que signe l'équipe finance : des données anonymisées ou agrégées uniquement ; un usage limité à la rédaction et à la structuration, jamais au calcul ; une relecture systématique par le responsable financier ; et une offre professionnelle dès que l'usage devient hebdomadaire. Les fiches pratiques de la CNIL sur l'IA (en sources) donnent le cadre juridique de cette charte.

Avec ce cadre, ChatGPT devient ce qu'il doit être : un assistant de rédaction rapide, pas un oracle financier. Le jugement reste du côté du DAF. C'est d'ailleurs l'un des sujets que nous abordons dans notre guide sur l'automatisation du reporting financier, où le LLM intervient en fin de chaîne, sur la rédaction des commentaires.

Version grand public ou offre professionnelle ?

La différence n'est pas la qualité des réponses, c'est le sort de vos données. OpenAI documente que les conversations de la version grand public peuvent servir à améliorer les modèles, sauf désactivation ; les offres Team et Enterprise excluent cet usage par défaut (liens en sources). Pour une direction financière, la question est donc tranchée avant même de parler de prix : dès que l'usage sort du test personnel, c'est l'offre professionnelle. Le comparatif des trois grands modèles et de leurs offres pro est dans notre analyse des LLM en finance.