Un modèle IA surpasse GPT et Claude en finance à moindre coût
Un modèle open-weight affiné par Bridgewater et Thinking Machines Lab atteint 84,7% de précision dans l'évaluation de documents financiers, contre 78,2% pour les meilleurs modèles commerciaux. Ce modèle coûte 14 fois moins cher et utilise des données propriétaires pour améliorer les jugements financiers.
« the fine-tuned model hit 84.7 percent accuracy versus 78.2 percent for the best frontier model tested. » — The Decoder
Que faut-il retenir ?
- Les modèles GPT, Claude et Gemini n'ont atteint que 50% de précision avec une invite basique.
- Un modèle affiné sur des données propriétaires a atteint 84,7% de précision.
- Le coût d'exécution du modèle affiné est 14 fois inférieur à celui des modèles commerciaux.
- Les investisseurs ont corrigé uniquement les cas où le modèle et les étiquettes originales étaient en désaccord.
Pourquoi cette nouvelle compte-t-elle ?
Cet article montre comment l'affinage de modèles open-weight avec des données propriétaires peut surpasser les modèles commerciaux en précision et en coût. Cela ouvre des possibilités pour les entreprises souhaitant exploiter leurs données sans les partager avec des laboratoires externes. Les professionnels de la finance y trouveront une solution viable pour automatiser des tâches critiques.
84,7% de précision pour le modèle affiné contre 78,2% pour les modèles commerciaux.
💬 Mira Murati, ancienne CTO d'OpenAI et fondatrice de Thinking Machines Lab
Public concerné : entreprises
Comment un modèle open-weight peut-il surpasser GPT et Claude en finance ?
En utilisant des données propriétaires et l'expertise humaine pour affiner le modèle, Bridgewater et Thinking Machines Lab ont atteint une précision de 84,7%, contre 78,2% pour les modèles commerciaux, à un coût 14 fois inférieur.
