Après l'interview récente consacrée au trading agentique côté particuliers, voici la version institutionnelle du même mouvement. Elle mérite qu'on s'y arrête, moins pour l'outil lui-même, auquel très peu d'entre nous auront accès, que pour ce qu'elle révèle de la direction prise par le métier.
Ce qu'est ASKB
ASKB est présenté comme un système « agentique » : derrière la fenêtre de conversation, un réseau d'agents IA travaille en parallèle pour aller chercher, interpréter et synthétiser l'information dans l'ensemble de l'univers Bloomberg. Les sources mobilisées sont considérables :
- les données de marché et les données fondamentales, sur toutes les classes d'actifs ;
- l'actualité Bloomberg, soit environ 5 000 articles originaux et plus de 1,1 million d'articles sélectionnés chaque jour ;
- la recherche de plus de 800 fournisseurs, dont les grandes banques d'investissement ;
- les analyses de Bloomberg Intelligence, BloombergNEF et Bloomberg Economics.
Ce qu'il sait faire
- Répondre à des questions complexes sur une entreprise, un secteur ou un thème d'investissement, en croisant chiffres, documents, actualités et recherche.
- Produire des graphiques et des tableaux annotés.
- Citer ses sources : chaque réponse renvoie aux documents de recherche et aux articles d'origine.
- Fournir le code BQL, le langage de requête de Bloomberg, derrière chaque analyse chiffrée, pour la reprendre dans Excel ou dans l'environnement de programmation BQuant.
- Automatiser des tâches en plusieurs étapes grâce aux ASKB Workflows : préparation d'une publication de résultats, analyse après publication, préparation d'un rendez-vous. Ces modèles de travail sont réutilisables et partageables au sein d'une équipe.
Le choix le plus révélateur : pas de modèle maison unique
En 2023, Bloomberg avait fait sensation avec BloombergGPT, un modèle de langage de 50 milliards de paramètres entraîné en grande partie sur des données financières. L'idée paraissait logique : qui mieux que Bloomberg pour construire l'IA de la finance ?
Trois ans plus tard, ASKB ne repose pas sur ce modèle unique. Bloomberg indique l'avoir construit en combinant plusieurs grands modèles de langage, commerciaux et à poids ouverts. Entre-temps, les modèles généralistes ont progressé si vite qu'entraîner son propre modèle spécialisé a perdu une grande partie de son intérêt.
La conclusion est importante. La valeur ne se situe plus dans le modèle, que tout le monde peut désormais louer. Elle se situe dans la donnée, dans les liens entre entités construits depuis des décennies (qui fournit qui, qui détient quoi, quel émetteur dépend de quelle devise), et dans l'intégration aux outils de travail existants.
Ce que cela change pour le particulier
1. L'écart de modèle se referme, l'écart de données demeure
Un particulier qui utilise Claude, ChatGPT ou Gemini travaille avec la même famille de modèles que celle qu'orchestre Bloomberg. Ce qui lui manque, c'est la matière : la recherche de 800 brokers, un flux d'actualité trié et relié aux entités, des données alternatives payées à prix d'or.
Il dispose pourtant de sources publiques considérables et largement sous-exploitées : rapports annuels et documents d'enregistrement universels, dépôts auprès de la SEC, déclarations de franchissement de seuil, retranscriptions de conférences de résultats, communiqués et conférences de presse des banques centrales. Un modèle de langage bien utilisé sur ces documents fait en quelques minutes une grande partie du travail de lecture qui prenait des heures.
2. L'information sera intégrée plus vite dans les prix
Quand des dizaines de milliers de professionnels peuvent synthétiser en quelques secondes une publication de résultats, une décision de banque centrale ou une rafale d'actualités, le délai entre l'information et son intégration dans les prix se raccourcit encore.
C'est à mettre en regard de l'AI Trading Arena présentée dans l'interview avec Benjamin Sultan : les modèles nourris d'actualités y faisaient nettement mieux que ceux nourris d'indicateurs techniques. Reste à savoir combien de temps un avantage fondé sur la lecture rapide des nouvelles peut survivre quand toute l'industrie s'équipe des mêmes outils. En finance, un avantage accessible à tous a tendance à disparaître.
3. La traçabilité devient la norme
Le point le plus intéressant de la conception d'ASKB est peut-être celui-ci : chaque réponse cite ses sources, et chaque chiffre s'accompagne du code qui a permis de le calculer. Bloomberg sait que ses clients ne peuvent pas décider sur la base d'une réponse invérifiable.
La leçon vaut pour tout utilisateur d'IA en finance. Un modèle de langage peut inventer un chiffre avec un aplomb parfait. Exigez des sources, vérifiez les chiffres clés dans le document d'origine, et pour tout calcul, demandez le code ou la formule plutôt que le résultat seul.
4. La compétence se déplace
Maîtriser les fonctions du Terminal était une compétence recherchée, qui prenait des mois à acquérir. Le langage naturel la rend en partie obsolète. La compétence qui prend sa place consiste à poser la bonne question, puis à juger la réponse. C'est vrai pour l'analyste junior en banque comme pour le particulier devant son assistant IA.
Les limites et les questions ouvertes
- ASKB est encore en bêta, et Bloomberg ne détaille pas publiquement les modèles de langage qu'il utilise.
- Un agent qui synthétise des centaines de documents peut se tromper, et plus la réponse est fluide, moins l'erreur se voit.
- Si une large part des professionnels posent les mêmes questions aux mêmes agents, alimentés par les mêmes données, leurs conclusions risquent de converger. Plusieurs régulateurs ont déjà soulevé ce risque de comportements moutonniers amplifiés par l'IA.
- Enfin, le Terminal reste un outil institutionnel, facturé plusieurs dizaines de milliers de dollars par an et par poste. ASKB ne change rien à cette barrière d'entrée.
- Même Bloomberg, qui avait construit son propre modèle financier, a choisi d'orchestrer des modèles existants : l'avantage est dans la donnée et l'intégration, plus dans le modèle.
- L'information sera digérée plus vite par les institutions, ce qui rend plus difficile d'en faire un avantage de vitesse pour le particulier.
- La traçabilité des réponses, sources et calculs compris, est la règle que tout utilisateur d'IA en finance devrait s'imposer.
Message à visée pédagogique et informative, qui ne constitue ni un conseil en investissement ni une recommandation.