Bloomberg repense le Terminal autour de l'IA : le chat ASKB deviendra sa nouvelle interface principale

Bloomberg prépare la mise à jour la plus visible du Terminal depuis des années : la plateforme légendaire des traders et des analystes accueille l'interface de chat ASKB. L'idée est que l'utilisateur n'ait plus à se frayer un chemin à travers des couches de commandes, d'écrans et de notes collées sur le moniteur, mais pose une question en langage courant et obtienne aussitôt une réponse construite sur les marchés, les entreprises et les documents.

Pourquoi le Terminal change

La force du Bloomberg Terminal a toujours été la densité de ses données et de ses fonctions, mais avec le temps, cela est devenu un problème. Pendant des décennies, la plateforme a accumulé de nouvelles couches d'information : en plus des cotations et des états financiers, on y trouve désormais des prévisions météo, des données logistiques, des informations sur les usines, les dépenses des consommateurs et le crédit privé. Résultat : même les utilisateurs expérimentés ont de plus en plus de mal à repérer rapidement le bon signal dans cette masse.

Selon le CTO de Bloomberg, Shawn Edwards, le rôle principal de l'IA générative ici n'est pas de « penser » à la place de l'analyste, mais de trouver plus vite les insights clés et de bâtir une vision d'ensemble autour d'une idée d'investissement.

La bêta d'ASKB est actuellement ouverte à environ un tiers des 375 000 utilisateurs du Terminal, mais Bloomberg ne donne pas encore de date pour le lancement complet.

Point essentiel : ASKB n'est pas conçu comme une fonction annexe, mais comme la nouvelle porte d'entrée principale du système. Bloomberg affirme sans détour que l'interface graphique ne disparaîtra pas, mais que la plupart des usages commenceront par un dialogue. Pour le Terminal, c'est presque une révolution culturelle : au lieu de mémoriser des commandes et des chemins d'écran en écran, l'utilisateur formule une thèse et reçoit une réponse construite.

«

Ce sera le nouveau Terminal : la plupart des interactions commenceront par ASKB. »

Comment fonctionne ASKB

Vu de l'extérieur, ASKB ressemble à un chat, mais en interne, ce n'est pas un bot universel unique. Bloomberg décrit le système comme un réseau d'agents d'IA qui parcourent en parallèle les données, l'actualité, les études, les documents et les analyses, puis composent une réponse contextualisée. Pour les professionnels de la finance, c'est important : on peut poser sa question non pas dans le langage des tickers et des commandes, mais dans celui d'une hypothèse, par exemple comment un conflit géopolitique et les mouvements du prix du pétrole peuvent affecter un portefeuille.

En pratique, Bloomberg présente ASKB comme un accélérateur du travail de recherche, surtout dans des périodes comme la saison des résultats, quand les analystes doivent passer en revue en peu de temps une masse de documents et comparer les entreprises à leurs concurrentes.

• Recherche en langage naturel dans les données et les documents
• Synthèses des scénarios haussiers et baissiers autour d'une entreprise
• Modèles de workflow pour la préparation des résultats et les tâches récurrentes
• Liens transparents vers les passages sources et citations vérifiables
• Génération de code BQL pour poursuivre l'analyse dans Excel et BQuant

Edwards souligne que ces outils ne font pas automatiquement d'un analyste moyen un grand analyste. Mais ils permettent aux experts de tester plus d'idées dans le même temps : non pas une hypothèse par jour, mais dix d'un coup. Autrement dit, l'avantage concurrentiel se déplace de celui qui retient le mieux les fonctions internes du Terminal vers celui qui pose de meilleures questions et interprète plus vite la réponse.

Risques et résistances

Pour un logiciel financier, le principal risque est évident : une erreur énoncée avec aplomb peut coûter trop cher. C'est pourquoi Bloomberg met l'accent non sur un chat spectaculaire, mais sur les garde-fous. Selon l'entreprise, le système vérifie si les faits de la synthèse figurent dans les paragraphes sources, traque séparément les inversions de sens que les modèles de langage affectionnent et valide les citations. L'approche est décrite comme conservatrice : mieux vaut sous-répondre que livrer une hallucination convaincante.

De là découle un autre principe : ASKB doit mener l'utilisateur vers les sources, et non les cacher derrière un joli paragraphe. C'est une différence notable avec les chats d'IA grand public. Dans l'investissement, on valorise non seulement la rapidité de la réponse, mais aussi la possibilité d'ouvrir vite le document d'origine, de vérifier la formulation et de comprendre sur quoi repose précisément une conclusion. Bloomberg promet aussi une attribution transparente et, dans certains scénarios, affiche des extraits du texte original à côté de la réponse.

Il y a aussi une question d'organisation. Si l'IA se met à automatiser la routine que faisaient auparavant les analystes juniors, la logique même de la formation dans le secteur change. Edwards reconnaît que le marché n'a pas encore apporté de réponse claire sur la manière de former les débutants si une grande part du travail de recherche « de base » revient aux agents. Bloomberg se prépare en outre manifestement au mécontentement de la vieille garde, pour qui la maîtrise des fonctions du Terminal faisait partie de l'identité professionnelle.

Ce que cela signifie

Bloomberg montre que l'IA générative en finance sort du mode expérimental et devient l'interface d'un système critique. Si ASKB s'impose, le marché disposera d'un nouveau standard : il ne suffit plus de donner accès aux données, il faut savoir en tirer rapidement des conclusions, en montrer l'origine et automatiser la routine de recherche sans perdre le contrôle.