Chatham Financial étend son conseil en marchés de capitaux avec OpenAI : Codex ramène la validation des transactions de 30 à moins de 4 minutes

Ce qui a été annoncé

Le 2 octobre 2026, OpenAI a publié une étude de cas sur Chatham Financial, un cabinet qui conseille ses clients sur des décisions complexes de marchés de capitaux. Dans ce métier, l'exactitude et la capacité d'audit passent avant tout. Le chiffre central est simple : une application de validation des transactions, développée avec Codex, a réduit le temps de contrôle d'environ 30 minutes à moins de 4 minutes par transaction.

Une réserve d'emblée. Il s'agit d'une étude de cas publiée par le fournisseur. Le chiffre provient de la mesure préliminaire de Chatham, pas d'une évaluation indépendante. Chatham précise lui-même qu'il compare encore les résultats de l'application à ceux de contrôleurs expérimentés, et qu'il validera les performances sur des transactions réelles avant d'étendre l'automatisation. Le passage de 30 à 4 minutes est donc un signal précoce prometteur, pas un résultat établi.

Trois chantiers, une seule méthode

Le travail de Chatham sur l'IA se divise en trois volets. Le premier concerne les applications créées par les employés sur une plateforme interne, Chatham Vibes. Le deuxième est Chatham Onyx, le système d'exploitation de nouvelle génération pour les marchés de capitaux. Le troisième est Process Zero, un service de conseil en réingénierie des processus destiné aux clients. Tous reposent sur la même idée : partir du résultat souhaité, repérer où le jugement humain compte, puis concevoir la meilleure façon de livrer le travail avec les capacités disponibles.

OpenAI joue deux rôles. Codex est l'outil de développement qui sert à construire des logiciels internes et destinés aux clients. Les modèles de la famille GPT-5.6 alimentent les fonctions d'IA de ces applications.

Le directeur général, Matt Henry, résume l'état d'esprit : l'IA n'est pas vue comme un moyen d'accélérer chaque processus. On part du résultat, on identifie où le jugement est nécessaire, et on conçoit la livraison en conséquence.

Le fonctionnement de Process Zero et de la validation des transactions

Process Zero repense les flux de travail autour des résultats. Pour chaque flux, Chatham détermine les entrées et les preuves minimales requises, décide où le jugement humain est indispensable, et précise le rôle de l'IA et des outils qu'elle a aidé à construire. La validation des transactions en est le premier exemple. L'équipe Controls and Data Integrity de Chatham protège l'exactitude des données de transaction. Elle vérifie que chaque enregistrement du système reflète ce que le client a autorisé et ce qui a été exécuté. Auparavant, une personne le faisait transaction par transaction, en environ 30 minutes chacune.

Avec Codex, Chatham a développé une application qui fait trois choses : elle rassemble les preuves à l'appui de la transaction, compare les conditions clés et signale les écarts pour examen. Le dernier point compte. L'application signale, et un humain examine. La piste d'audit reste claire, car chaque constat remonte à des preuves précises et à une comparaison précise. Alex Nordlinger, codirigeant de la pratique AI Advisory, indique que la mesure préliminaire montre un contrôle passé d'environ 30 minutes à moins de 4. Il ajoute que la validation sur des transactions réelles, face à des contrôleurs expérimentés, est tout aussi importante, et que l'extension attendra ces preuves. Chatham prévoit d'étendre l'application à d'autres types de transactions et d'automatiser davantage le flux, en conservant des contrôles appropriés et une supervision professionnelle.

Les applications créées par les employés : Chatham Vibes

Le travail de Chatham en IA pour ses clients est né de sa propre expérience opérationnelle. Les employés utilisent ChatGPT et Codex pour la recherche, l'analyse, la rédaction, le développement logiciel et d'autres tâches quotidiennes. Grâce à Chatham Vibes, une plateforme interne pour créer des applications adaptées à leur travail, ils sont aussi devenus des concepteurs.

Ils peuvent construire avec plusieurs modèles. Les fonctions d'IA des applications Vibes tournent par défaut sur GPT-5.6 Terra, avec GPT-5.6 Sol en option, selon la configuration de chaque application. C'est un schéma de niveaux courant : un modèle par défaut adapté au coût, et un modèle plus puissant quand la tâche l'exige.

Ces applications soutiennent de plus en plus des flux destinés aux clients. L'étude de cas en cite plusieurs : l'une aide les équipes à examiner les transactions de cap arrivant à échéance et à préparer les classeurs de tarification et les communications client ; d'autres produisent des grilles de taux pour les produits de taux fixe, préparent des tableaux de bord de couverture et vérifient des confirmations de transactions. Les professionnels de Chatham apportent le contexte de marché, la connaissance du client et le jugement. Ils évaluent le résultat, le corrigent si besoin et décident de ce qui parvient au client.

L'orientation des modèles dans Chatham Onyx

Chatham Onyx réunit actifs, dette et produits dérivés dans un même environnement. Clients et conseillers travaillent à partir de données reliées et gouvernées, et peuvent utiliser l'IA sans perdre la traçabilité vers la source. Chatham emploie Codex sur tout le cycle de développement d'Onyx : planifier, construire, tester, documenter et relire le logiciel, ce qui raccourcit le chemin entre le concept et une fonctionnalité durable. Le directeur technique, John DeGuenther, explique que Codex aide à transformer plus vite la vision produit en capacités opérationnelles, tandis que les exigences d'exactitude, de sécurité et de responsabilité restent les mêmes.

La plateforme Onyx s'appuie sur GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.4 et GPT-4.1. Les analyses simples et les tests hors production vont vers les modèles les plus économiques. GPT-5.6 traite les tâches complexes où l'exactitude et la valeur doivent être maximales. ChatFIN en est un exemple : il résume les tendances des données de marché historiques, aide à comprendre un portefeuille, et retrouve puis relie les documents juridiques relatifs aux conditions de dette, de dérivés et de location. Pour les développeurs en entreprise, cette orientation est instructive. Le choix du modèle devient une décision d'ingénierie fondée sur le risque et le coût de la tâche, plutôt qu'un réglage unique pour toute l'entreprise.

Ce que cela implique pour les entreprises et les développeurs

D'abord, les secteurs réglementés et soumis à l'audit disposent d'un schéma de référence. Chatham ne traite pas l'IA comme une boîte noire qui remplace les experts. Elle sert à comparer de façon structurée, à organiser les preuves et à repérer les exceptions, et l'humain garde l'étape de jugement. Mike Noonan, codirecteur des opérations, formule bien la contrainte : ce n'est pas l'expertise qui manque, ce sont les heures passées avant de pouvoir l'appliquer.

Ensuite, les outils de génération de code entrent dans tout le cycle de vie des logiciels financiers. Codex sert à planifier, tester, documenter et relire, pas seulement à écrire du code. Les équipes doivent maintenir leurs critères de revue, leur couverture de tests et leur chaîne de responsabilité, même quand les outils vont plus vite.

Enfin, les applications créées par les employés posent des questions de gouvernance. Une plateforme comme Vibes accélère la livraison, mais elle exige aussi des règles sur le choix des modèles, l'accès aux données et la validation avant mise en service. L'étude de cas ne décrit pas les contrôles précis de Chatham sur ce point, et le lecteur doit le noter.

Limites et perspectives

Plusieurs points demandent de la prudence. Le résultat de 30 à 4 minutes est une mesure préliminaire. La taille de l'échantillon, les types de transactions et la méthode de comparaison ne sont pas publics. L'étude ne donne ni taux d'erreur, ni taux d'omission, ni chiffre de coût. Une meilleure auditabilité et une meilleure exactitude sont des objectifs affichés, pas des résultats publiés.

Chatham prévoit d'étendre la validation à d'autres produits, d'affiner les applications créées par les employés et d'utiliser Codex pour développer de nouvelles capacités d'Onyx. Deux points à suivre : la date de publication des données de validation, et la manière de traiter les désaccords entre contrôleurs humains et résultat automatique à mesure que l'automatisation progresse.

Pour le secteur, ce cas illustre un changement de question. On ne demande plus seulement de combien un processus existant peut accélérer, mais comment le concevoir si l'on part du résultat. Savoir si cette approche s'applique à d'autres flux financiers dépendra de la qualité des données, des cadres de contrôle et d'une frontière claire autour du jugement humain.