Vous avez une question sur un placement financier à venir ? Peut-être que, comme de plus en plus d'épargnants, votre premier réflexe est désormais de vous tourner vers ChatGPT, Claude ou une autre intelligence artificielle. « Je viens de recevoir 10 000 euros, comment dois-je les placer ? » En quelques secondes, l'IA semble pouvoir vous proposer, de prime abord, plusieurs solutions, voire une répartition précise de votre argent.

Mais comment arrive-t-elle à cette réponse ? Sur quelles informations s'appuie-t-elle ? Et surtout, peut-on réellement lui faire confiance lorsqu'il s'agit de placer ses économies ? Pour le savoir, MoneyVox a interrogé ChatGPT sur sa propre manière de fonctionner, effectué plusieurs tests et confronté ses réponses à deux spécialistes. Mais derrière des réponses souvent très convaincantes se cachent pourtant quelques biais et angles morts.

« J'ai 10 000 euros, comment je les place ? »

Commençons donc par poser la question au principal intéressé. « Je viens de recevoir 10 000 euros, comment je les place ? » Avant même de parler de Livret A, d'assurance vie ou de Bourse, ChatGPT cherche à en savoir plus : Quand en aurons-nous besoin ? Quelle est notre appétence au risque ?

Placement : « Dis-moi ChatGPT, comment investir 10 000 euros ? »

Sur le papier, le raisonnement tient la route. Et il ressemble même à celui que pourrait avoir un professionnel. Fidel Martin, président d'Exoé, a lui aussi effectué le test avant notre entretien. « La réaction de ChatGPT, c'est la réaction un peu classique de gestionnaire de portefeuille. Il vous demande d'abord quel est le montant à investir, la durée sur laquelle vous voulez l'investir et les risques que vous souhaitez prendre », constate-t-il.

« La première chose qu'il vous demande, c'est la durée d'investissement », poursuit Fidel Martin. Une fois ces renseignements obtenus, l'IA peut commencer à proposer une répartition entre plusieurs poches : liquidités, obligations, actions... « Jusqu'à là, je trouvais qu'il faisait ça plutôt bien », juge le président d'Exoé.

Sauf que les différents agents conversationnels comme ChatGPT n'ont pas toujours ce réflexe. Marie Brière, responsable de la recherche investisseurs chez Amundi Investment Institute et Directrice générale de l'Institut Louis Bachelier, a elle aussi multiplié les tests. Et ses conclusions sont plus nuancées. « À minima, il doit vous interroger sur votre horizon de placement, sur votre devise de référence, sur votre aversion au risque ou votre tolérance aux pertes », explique-t-elle. Et ce n'est qu'un début. Pour fournir une véritable allocation personnalisée, il faudrait également connaître les autres placements de l'épargnant, son patrimoine immobilier, son endettement, ses remboursements ou encore ses besoins futurs.

Car 10 000 euros ne se placent évidemment pas de la même façon en fonction de votre patrimoine existant. « On ne construit pas la même allocation si c'est l'intégralité de votre capital ou si par ailleurs vous avez déjà de l'immobilier ou des placements en actions. Dans le second cas, cette nouvelle poche de 10 000 euros devrait diversifier les autres placements », détaille Marie Brière.

Placement : ChatGPT, meilleur qu'un CGP pour gérer votre épargne ?

Problème : l'IA ne va pas nécessairement aussi loin. Parfois, elle demande la tolérance au risque et l'horizon de placement, mais ce n'est pas toujours le cas.

Mais comment ChatGPT fabrique-t-il sa réponse ?

Nous avons alors posé directement la question à ChatGPT : comment fais-tu, « en tant que machine », pour construire ton conseil ? Première précision : l'IA ne possède pas une immense fiche cachée sur laquelle serait inscrit « pour 10 000 euros, placer 3 000 euros ici, 5 000 euros là et 2 000 euros ailleurs ».

Un modèle de langage a d'abord été entraîné sur d'immenses quantités de textes afin d'apprendre les relations entre les mots, mais également entre des concepts. Dans notre exemple : épargne de précaution, horizon de placement, risque, rendement, diversification...

Lorsqu'on lui pose une question, le modèle utilise ce qu'il a appris, les informations présentes dans la conversation et les instructions qui lui sont données pour construire sa réponse. Certains modèles peuvent également effectuer une recherche sur internet pour récupérer des informations plus récentes.

« Il est d'abord pré-entraîné sur un corpus de textes », confirme Marie Brière. Ce corpus peut comprendre des contenus financiers, des informations sur les entreprises ou encore des documents réglementaires. Une deuxième phase d'entraînement permet ensuite notamment d'ajuster les réponses du modèle à partir de retours humains.

Et c'est là qu'apparaît une première difficulté : nous ne savons pas précisément ce que la machine a « lu ». « Nous n'avons malheureusement aucune connaissance exhaustive du corpus, et il est donc difficile de savoir si certains biais existent vis-à-vis de cela », souligne Marie Brière.

Un simple mot peut-il changer votre placement ?

Autre découverte : la réponse dépend énormément... de la question. Nous l'avons constaté pendant nos essais. Demander simplement « j'ai 10 000 euros, comment les placer ? » et demander à l'IA de « se comporter comme un conseiller en gestion de patrimoine pour construire la réponse » ne déclenche pas nécessairement le même niveau de précaution. Dans le second cas, le modèle peut notamment chercher davantage à connaître la situation de l'épargnant avant de proposer une allocation.

Et le phénomène va beaucoup plus loin. Les travaux menés par Marie Brière et ses équipes montrent que la façon de présenter les possibilités à l'IA peut modifier son choix. « Selon les termes utilisés mais aussi selon l'ordre des options », les réponses peuvent différer, explique-t-elle.

Un détail qui pose une question très concrète pour l'épargnant. Celui-ci vient chercher une réponse parce qu'il ne sait justement pas nécessairement comment placer son argent. Comment pourrait-il savoir qu'il doit également maîtriser l'art du « prompt » pour obtenir un résultat pertinent ?

« Nos tests montrent que l'IA a tendance à favoriser [...] les actions américaines, probablement parce qu'elle les connaît mieux »

« C'est vraiment problématique pour les particuliers, parce qu'ils n'ont naturellement pas en tête qu'il faut envoyer une série de prompts avec des variations dans les termes et la manière dont ils présentent les choses avant d'avoir une réponse à peu près robuste », estime Marie Brière. Mais d'autres biais, moins connus encore, existent.

L'IA a-t-elle un faible pour les placements américains ?

Imaginez deux investisseurs présentant des caractéristiques similaires. L'un indique à l'IA qu'il est américain, l'autre qu'il est européen. Les deux obtiendront-ils la même allocation ? Pas nécessairement. Et Marie Brière travaille justement sur cette question. « Une grosse question qui se pose, notamment du point de vue de la souveraineté européenne, c'est qu'il est très vraisemblable que ce corpus de textes soit biaisé envers des textes américains, sur des entreprises américaines ».

La raison n'est pas forcément idéologique. Les données américaines sont notamment plus facilement disponibles et standardisées que certaines données européennes. Résultat : « nos tests montrent que l'IA a tendance à favoriser [...] les actions américaines, probablement parce qu'elle les connaît mieux et a plus d'informations là-dessus », développe Marie Brière.

Le constat se retrouve également lorsque ses équipes demandent aux LLM de formuler des recommandations sur des actions individuelles. « Beaucoup de LLM favorisent les titres américains. C'est-à-dire que, quand on ne donne aucune information, ils ont tendance à dire plus systématiquement d'acheter les titres américains qu'ils ne le font avec des titres européens », poursuit Marie Brière.

Même après avoir tenu compte de certaines caractéristiques des entreprises et de leurs performances passées, ses travaux font toujours apparaître « un petit biais ». Impossible en revanche, à ce stade, d'en déterminer précisément l'origine.

Plus on parle d'un placement, plus l'IA risque-t-elle de vous le conseiller ?

Autre interrogation : l'IA ne risque-t-elle pas de privilégier ce qu'elle connaît le mieux ? ETF, bitcoin, or ou grandes valeurs technologiques font l'objet de milliers d'articles, publications et commentaires. À l'inverse, une petite entreprise cotée française peut laisser beaucoup moins de traces sur internet.

Pour Fidel Martin, le risque existe. « Il y a beaucoup d'informations sur le net concernant certains ETF cryptos par exemple, ou sur certaines valeurs et obligations », explique-t-il. Selon lui, l'IA peut alors avoir tendance à se focaliser davantage sur cette masse d'informations.

Lors de son propre test, un nom est d'ailleurs rapidement apparu lorsque l'IA lui a proposé des actions : Nvidia. À l'inverse, « aller chercher des smalls ou des très petites valeurs qui peuvent avoir un rendement intéressant sur du long terme », lui paraît plus difficile pour la machine, faute d'une quantité comparable d'informations disponibles.

Attention cependant à ne pas confondre entraînement et recherche internet. Un LLM ne parcourt pas nécessairement Google à chaque fois que vous lui posez une question. Mais lorsqu'une recherche web est déclenchée, une autre question apparaît : quelles sources sélectionne-t-il et quel poids leur accorde-t-il ? « Il n'y a pas beaucoup de transparence sur la façon dont sont faites les recherches ni sur le poids attribué aux différentes sources qu'il utilise lorsqu'il effectue des recherches en ligne », relève Marie Brière.

Homme ou femme : l'IA peut-elle vous conseiller différemment ?

Plus surprenant encore : des informations personnelles peuvent influer sur la recommandation. L'âge, tout d'abord, peut avoir une justification financière. Un épargnant de 25 ans investissant pour plusieurs décennies n'est pas nécessairement dans la même situation qu'un épargnant proche de la retraite. Mais qu'en est-il du genre de l'utilisateur ?

« Tous les biais humains, [l'IA] a tendance à les reproduire de manière générale. »

« Il y a bien un biais de genre », répond Marie Brière. « Un agent conversationnel a appris par exemple que les femmes placent moins en actions que les hommes, qu'elles sont plus averses au risque, et donc il a tendance à ne pas proposer la même chose à des hommes qu'à des femmes. »

L'IA peut ainsi reproduire dans ses recommandations des comportements observés dans les données sur lesquelles elle s'est entraînée. Ce qui pose une question autrement plus délicate : constater statistiquement un comportement différent entre deux populations justifie-t-il de l'appliquer à chaque individu ?

« C'est vrai que les femmes placent de manière moins risquée que les hommes, mais est-ce qu'il faut les renforcer là-dedans et, à chaque recommandation, leur proposer systématiquement moins d'actions ? Ce n'est pas sûr », interroge Marie Brière. « Tous les biais humains, [l'IA] a tendance à les reproduire de manière générale. »

Et parfois, l'IA invente tout simplement

Reste enfin un risque désormais bien connu : les « hallucinations ». Autrement dit, la capacité d'un modèle à produire une information fausse avec la même assurance qu'une information exacte. « Cela se produit moins qu'avant, mais certaines références ou chiffres peuvent encore parfois être inventés », constate Marie Brière. Un problème particulièrement sensible lorsqu'un épargnant demande un taux, un plafond ou une règle fiscale précise.

Fidel Martin en a lui-même fait l'expérience dans un autre contexte. Exoé utilise notamment l'IA pour améliorer certains reportings destinés à ses clients. Dans l'immense majorité des cas, explique-t-il, les tâches précises à partir de chiffres précis fonctionnent correctement. Jusqu'au moment où ce n'est plus le cas. « À un moment donné, il est possible de se retrouver avec une phrase ou un chiffre complètement incohérent », raconte-t-il après avoir notamment constaté des chiffres manifestement faux lors de la relecture de certains documents.

Mais pour Marie Brière, l'hallucination n'est peut-être même pas le principal danger lorsqu'il s'agit d'un conseil général d'investissement. Elle cite davantage les biais géographiques ou sectoriels, la tendance à extrapoler les performances passées ou encore le biais de sicophantie des LLM : vouloir faire plaisir à son interlocuteur.

« Quand on contredit l'IA, en lui disant qu'on n'est pas d'accord avec elle, elle a très vite tendance à nous dire qu'on a raison », illustre-t-elle. Autrement dit, à force de challenger l'IA, encore faut-il veiller à ne pas simplement l'amener à confirmer ce que l'on voulait entendre.

Alors, faut-il demander à ChatGPT où placer son argent ?

Faut-il, pour autant, bannir ChatGPT ou Claude de vos réflexions financières ? Pas nécessairement. « Les conseils qu'il donne ne sont pas toujours idiots », reconnaît Marie Brière. L'IA dispose d'une quantité considérable d'informations et peut permettre à un particulier de découvrir des placements, d'en comprendre le fonctionnement ou d'obtenir une première proposition d'allocation.

« L'IA m'aide à y voir clair » : ces Français qui utilisent ChatGPT pour gérer leur argent

Mais la responsable chez Amundi invite à considérer la machine davantage comme un interlocuteur à interroger que comme un conseiller dont il suffirait d'exécuter les recommandations. « Il faut les challenger. Il faut avoir un regard critique et rentrer dans une discussion pour prendre conscience de ses limites et de ses biais. »

Elle distingue également les usages. Obtenir une première réflexion sur la répartition de son patrimoine n'est pas la même chose que demander à ChatGPT quelles actions acheter demain. « Si c'est pour du stock picking individuel (une stratégie d'investissement en bourse où l'investisseur sélectionne directement les titres qu'il souhaite détenir en portefeuille, NDLR), aller faire un choix de titres pour constituer un portefeuille, là, ça devient plus problématique », estime-t-elle.

Comparer plusieurs réponses, modifier son prompt, demander à l'IA de justifier ses choix, vérifier les chiffres et remonter aux sources utilisées : autant de précautions qui permettent de profiter de l'outil sans lui abandonner la décision.

Car derrière une réponse bien écrite et une allocation affichée au pourcentage près se cache toujours une machine nourrie de données imparfaites. « Il ne faut jamais prendre [la réponse] pour argent comptant », résume Marie Brière. D'autant plus lorsqu'il s'agit de placer votre épargne.