L'IA peut-elle remplacer les analystes financiers ? Le nouveau test de Vals AI a totalement échoué, la précision de GPT 5.5 à peine au-dessus de la moitié

Selon le suivi Beating Monitoring, l’institution d’évaluation AI Vals AI a publié la deuxième génération de tests de référence pour l’agent financier intelligent (Finance Agent v2). Il s’agit d’un test de bout en bout simulant le flux de travail d’un analyste financier débutant, comprenant 927 questions examinées par des experts. La difficulté du nouveau test a considérablement augmenté, GPT 5.5 n’ayant atteint qu’une précision de 51,76 %, en tête, avec des scores très serrés par rapport à Claude Opus 4.7 (51,51 %) et Claude Sonnet 4.6 (51,03 %).

Contrairement aux questions à tour unique, ce test exige que le modèle recherche de manière autonome dans des centaines de pages de rapports financiers 10-K et 10-Q, ajuste les états financiers d’années différentes, et effectue des calculs multi-étapes avec des chiffres intermédiaires précis. Vals AI a révélé que, si l’on applique une norme stricte de « réponse totalement correcte », la précision de tous les modèles de pointe chute en dessous de 40 % ; dans les catégories les plus difficiles de « modélisation financière » et « analyse de précédents », le score maximum n’atteint que 23 %.

Concernant les autres modèles, Kimi K2.6 se classe cinquième avec 44,87 %, étant le modèle national le mieux noté ; suivi de près par GLM 5.1 (44,79 %) et DeepSeek V4 (44,08 %). De plus, l’équipe officielle a attribué le label « vitesse la plus rapide » à Claude Opus 4.7 (temps par question de 360 secondes), tandis que GLM 5.1 a obtenu le label « économie de budget » (coût par question de 0,62 dollar).

Ce déclin collectif des scores par rapport à la génération précédente (Opus 4.7 ayant obtenu 64,4 %) prouve une chose : l’IA actuelle peut gérer la recherche simple, mais dans le domaine complexe de la finance, où il faut respecter des pratiques sectorielles spécifiques et où la précision numérique est cruciale, elle est encore loin de pouvoir remplacer les analystes humains.