L'IA peut-elle faire de la recherche en placement ?

Les outils d'IA commerciaux, faute d'accès à des données fondamentales ou primaires, sont incapables de répondre à des questions de recherche de base qui exigent d'extraire et de comparer de l'information sur de nombreux titres à la fois. Ils conviennent bien au travail sur un seul titre isolément — lire un rapport annuel, résumer la stratégie déclarée d'un fonds ou travailler à partir d'un document déposé qui constitue lui-même une source primaire. Ils ne sont pas équipés pour extraire des données de rendement vérifiées et actuelles pour des centaines de fonds communs, de FNB ou d'actions et les classer les uns par rapport aux autres.

La raison n'est pas la négligence. C'est la façon dont ces plateformes sont construites. Un moteur d'IA n'interroge pas une base de données pour en trier les résultats — il génère une réponse en repérant des motifs dans le vaste corpus de textes financiers sur lequel il a été entraîné, produisant les noms de fonds, les symboles et les chiffres de rendement qui ont statistiquement le plus de chances de sembler corrects d'après ce qu'il a vu le plus souvent discuté. Ce résultat est ensuite formaté exactement comme une vraie réponse : un tableau propre, des pourcentages précis et, souvent, une source citée. Rien dans la présentation n'indique si un chiffre a été récupéré d'une source en direct ou reconstitué de mémoire — les deux sont identiques sur la page. Parce que le modèle est entraîné à produire une réponse complète et assurée plutôt qu'à signaler ce qu'il ignore, il finit par nommer les titres les plus discutés dans ses données d'entraînement — et non les plus performants — en y attachant des chiffres d'apparence réelle, sans aucune indication que le processus sous-jacent relevait du rappel et non de la récupération.

L'objectif de conception était la réplicabilité : tout conseiller ayant accès aux six mêmes plateformes devrait pouvoir refaire ce test lui-même et obtenir des résultats comparables. Cela signifiait fixer chaque variable que nous pouvions contrôler — quelles plateformes, quel palier de compte, quelles invites, dans quel ordre, sur combien de sessions — de sorte que toute différence dans les résultats soit attribuable aux moteurs, et non à la façon dont les questions ont été posées. Les plateformes, versions et paramètres de session exacts utilisés sont reproduits intégralement sous Paramètres de réplication dans l'annexe.

L'étude a mesuré trois choses pour chaque moteur : la constance (a-t-il donné la même réponse à la même question posée trois fois séparément), l'exactitude (sa réponse correspondait-elle à des données de marché vérifiées et actuelles) et la transparence (révélerait-il, lorsqu'on le lui demande directement, d'où proviennent réellement ses chiffres et quel degré de confiance il leur accorde). Une plateforme pouvait échouer sur l'un de ces critères indépendamment des autres — un moteur pouvait se tromper constamment, ou tomber juste par hasard à un essai et se tromper au suivant, ou simplement refuser de répondre honnêtement aux questions de transparence.

Six plateformes d'IA commerciales couramment offertes ont été testées, chacune sur son palier grand public payant ou pro, au moyen de l'interface de clavardage grand public standard plutôt que d'une API de développeur, d'un mode agent ou d'un GPT ou d'un persona personnalisé. C'était un choix délibéré : il reflète la façon dont un conseiller financier utiliserait réellement ces outils au quotidien. Les versions exactes des modèles, les outils de récupération et les dates limites de connaissances de chacune — ChatGPT, Claude, Copilot, Gemini, Grok et Perplexity — figurent dans l'annexe.

Cinq invites ont été utilisées, les cinq mêmes pour chaque moteur, formulées de façon identique à chaque fois. Les invites 1, 2 et 3 sont les questions de rendement principales — une par catégorie d'actifs — et chacune a été lancée comme invite d'ouverture de sa propre session. Les invites 4 et 5 sont diagnostiques : elles ne demandent pas de nouvelles données de rendement, elles interrogent la réponse que le moteur vient de donner, immédiatement après, dans la même session. Chaque moteur a exécuté chaque chaîne de catégorie d'actifs trois fois, dans une nouvelle session privée ou incognito à chaque fois, de sorte que rien ne se transmette de mémoire entre les essais.

Demandait à chaque moteur les cinq meilleures actions canadiennes selon le rendement sur 12 mois, filtrées aux émetteurs domiciliés au Canada ayant une capitalisation boursière supérieure à 1 milliard de dollars canadiens, avec six points de données à l'appui par titre — capitalisation boursière, cours de l'action, ratio C/B, rendement en dividendes, appréciation du cours sur 3 ans et bêta.

Demandait à chaque moteur les cinq meilleurs fonds communs de placement d'actions canadiennes ou principalement canadiennes selon le rendement annualisé sur 3 ans, avec neuf points de données à l'appui par fonds — code FundServ, RFG, rendement sur 3 et 5 ans, écart-type, perte maximale, actif sous gestion et catégorie CIFSC.

Demandait à chaque moteur les cinq meilleurs FNB inscrits au Canada selon le rendement annualisé sur 3 ans, avec sept points de données à l'appui par FNB — symbole, émetteur, RFG, actif sous gestion, rendement sur 3 ans et sur 1 an, et volume quotidien moyen.

Lancée immédiatement après chaque invite de rendement principale, elle demandait au moteur de rendre compte de sa propre réponse : énumérer chaque source utilisée, classer chacune comme primaire ou contextuelle, révéler si chacune avait réellement été consultée pendant la session ou seulement rappelée de mémoire, évaluer son propre degré de confiance par point de donnée, et indiquer directement s'il avait atteint Bloomberg, FactSet, Morningstar Direct, S&P Capital IQ ou SEDAR+. C'est l'invite derrière les constats sur les sources présentés dans la section Citations et sources ci-dessous.

Clôturait chaque session en demandant au moteur de documenter ses propres conditions techniques — version du modèle, date limite de connaissances, activation ou non de la récupération en direct et métadonnées semblables — afin qu'une tentative de réplication ultérieure ait quelque chose de concret à quoi comparer sa propre session.

Le libellé exact des cinq invites, la liste complète des points de données et des champs de divulgation exigés pour chacune, et les conditions dans lesquelles elles ont été exécutées sont reproduits fidèlement sous Paramètres de réplication dans l'annexe.

Chaque essai individuel s'est déroulé dans sa propre session de navigateur privée et incognito, ouverte immédiatement avant le début de l'essai et fermée immédiatement après la capture de la réponse. Un moteur d'IA peut transporter du contexte d'une requête à la suivante au sein d'une session ouverte ; repartir à neuf pour chaque essai — pas seulement pour chaque catégorie d'actifs ni pour chaque moteur — était donc la seule façon de garantir qu'aucun essai n'était discrètement influencé par ce qui l'avait précédé.

Pour un moteur donné, les trois catégories d'actifs ont été traitées à la suite : une catégorie d'actifs passait par ses trois essais avant de passer à la suivante, chaque essai utilisant la même chaîne de trois invites pour sa catégorie (l'invite de rendement principale, suivie de l'audit des sources de l'invite 4, suivi de la capture des métadonnées de session de l'invite 5). La même séquence a ensuite été répétée, catégorie d'actifs par catégorie d'actifs, pour chacun des six moteurs, produisant 54 essais au total. Un exemple détaillé de la séquence complète de neuf essais pour un moteur, et le décompte d'exécution complet pour les six, sont reproduits sous Paramètres de réplication dans l'annexe.

Une fois les 54 réponses capturées, chacune a été codée selon les trois mêmes dimensions que l'étude devait mesurer — constance, exactitude et transparence, définies précisément sous la Méthode de notation de l'annexe. C'est ce codage qui a produit la carte de dispersion de la section Constats ci-dessous, et les comparaisons entre résultats vérifiés et résultats retournés de la section Exactitude qui la suit.

La constance a été testée en posant à chaque moteur la question identique trois fois séparément, dans trois sessions fraîches, et en comparant ce qui revenait. Sur 54 essais, les résultats se sont répartis en deux schémas d'échec, et aucun des deux n'est rassurant. Les moteurs étaient soit verrouillés sur la même mauvaise réponse à chaque fois, soit volatils — oscillant entre des réponses sans lien à la même invite exacte, sans aucun avertissement dans le résultat que quelque chose avait changé.

Lorsque les moteurs étaient constants, ils se trompaient constamment. Grok a produit les cinq mêmes FNB dans le même ordre à ses trois essais FNB — la plus grande constance en FNB de tous les moteurs de l'étude, et l'invite d'audit a confirmé qu'elle reflétait une liste mémorisée plutôt qu'un filtrage en direct. Les essais FNB 2 et 3 de Perplexity étaient identiques au caractère près, ce qui correspond au même schéma : un instantané stable des données d'entraînement tenant lieu de vraie réponse. Les quatre premiers choix de FNB de Claude sont restés constants à ses trois essais FNB, ce qui en fait le moteur le plus stable en interne sur cette catégorie d'actifs — et le troisième essai de Claude sur les fonds communs a été refusé d'emblée, un refus qui s'est reproduit à l'identique lors d'une reprise. Même un refus, autrement dit, peut être un résultat « constant ». Un moteur qui vous donne la même mauvaise réponse, ou la même non-réponse, trois fois de suite n'est pas constant au sens utile du terme. Il est coincé.

Le schéma le plus fréquent et le plus troublant était une variation importante entre les essais de l'invite identique. Gemini a affiché le pire bilan de l'étude sur les deux fronts à la fois : aucune récupération en direct dans ses neuf essais, des dates de référence fabriquées sur chaque chiffre, et la plus faible constance entre essais de tous les moteurs — il ne répétait même pas ses propres fabrications de façon fiable. Les essais 1 et 2 de Copilot sur les actions étaient identiques au caractère près avant que l'essai 3 ne retourne une liste totalement différente d'actions à microcapitalisation sans aucun recoupement avec les deux précédents — et dans une exécution distincte de l'essai 2 sur les actions, la divulgation de Copilot à l'invite 4 a décrit ses propres chiffres comme des « SUBSTITUTS FABRIQUÉS, non récupérés d'aucune source », sans que rien dans le tableau initial ne le laisse entendre. Perplexity a refusé d'emblée deux de ses trois essais sur les actions et a répondu au troisième, ce qui signifie que la même invite, posée trois fois, a produit un tirage au sort entre un refus et une réponse complète et formatée.

Celestica est apparue dans 14 des 18 essais sur les actions — le choix le plus répété de tous les moteurs et de tous les essais. Son rendement réel sur un an la plaçait à plus de 300 points de pourcentage du top cinq vérifié. Ce niveau de consensus ne nous dit rien sur le rendement. Il nous dit quelle société a généré le plus de couverture médiatique financière, d'attention des analystes et de présence dans les données d'entraînement. L'accord entre les moteurs, comme l'accord entre les propres essais d'un moteur, s'est avéré être une mesure de l'exposition commune au même contenu d'entraînement et de recherche — et non une mesure de justesse. Le décompte complet des citations derrière chaque chiffre de cette section — chaque titre, chaque moteur, chaque essai — est reproduit en Annexe.

L'exactitude a été vérifiée de la seule façon qui ait un sens : par rapport aux données de marché vérifiées de Buckler pour la même période, au 30 avril 2026. Pour les trois catégories d'actifs et les 54 essais, l'écart entre ce que les moteurs ont retourné et ce que montraient les données vérifiées n'était pas marginal. Il était catégorique. Les moteurs n'étaient pas légèrement à côté sur les chiffres des bons titres. Ils identifiaient un ensemble de titres entièrement différent — des titres qui se trouvaient être bien connus, largement couverts et en vue dans les médias financiers, indépendamment de leur rendement réel selon la mesure que chaque invite précisait.

Chaque « taux de citation » ci-dessous est la part des 18 essais de cette catégorie d'actifs (six moteurs, trois essais chacun) dans lesquels la réponse du moteur comprenait ce titre précis.

Les cinq meilleures actions canadiennes vérifiées selon le rendement sur un an étaient Almonty Industries (+685,9 %), Groupe Dynamite (+587,5 %), Hut 8 Mining (+506,8 %), Faraday Copper (+460,5 %) et Spartan Delta (+417,3 %). Sur les 18 essais sur les actions — six moteurs, trois essais chacun — quatre de ces cinq noms n'ont jamais été cités une seule fois. Faraday Copper a été citée exactement une fois, soit un taux de citation de 5,6 %. Almonty Industries, l'action canadienne la plus performante de tout l'ensemble de données, en hausse de près de 686 % sur la période, n'a été nommée par aucun moteur dans aucun essai : un taux de citation de 0 %.

Celestica était le choix consensuel des moteurs — un taux de citation de 77,8 %, loin devant tout autre nom — et son rendement réel la plaçait à plus de 310 points de pourcentage sous le numéro un vérifié. C'est l'illustration la plus claire de l'étude de ce que mesure réellement le « consensus » de ces moteurs : non pas le rendement, mais la fréquence à laquelle un nom apparaît dans les données d'entraînement et les résultats de recherche dont les moteurs se nourrissent. Celestica est un grand fabricant technologique largement couvert. Almonty Industries, une société minière plus petite, ne l'est pas — et c'est cette différence de visibilité médiatique, et non de rendement, qui a déterminé vers laquelle les moteurs ont convergé.

Les cinq meilleurs fonds communs de placement d'actions canadiennes vérifiés selon le rendement annualisé sur trois ans étaient Purpose Global Resource Fund Series L (+52,3 %), Friedberg Global-Macro Hedge Fund U$ (+50,1 %), CI Precious Metals Fund Series I (+50,1 %), Dynamic Precious Metals Fund Series O (+48,3 %) et Ninepoint Silver Equities Fund Series D (+47,3 %). Aucun des cinq n'est apparu dans un seul essai, par aucun moteur, à aucun moment de l'étude — un taux de citation de 0 % sur les 18 essais sur les fonds communs.

Le fonds le plus souvent cité par les moteurs, Guardian Canadian Focused Equity Series F, n'a atteint qu'un taux de citation de 16,7 % — sous la barre des 20 % — et a rapporté 23,8 % sur trois ans, moins de la moitié du véritable meilleur fonds. Et l'échec allait au-delà du choix du mauvais fonds : quatre des 18 essais sur les fonds communs n'ont retourné aucun fonds commun. Les moteurs ont substitué des FNB, ce qui signifie que dans plus d'un essai sur cinq, la réponse ne correspondait même pas à la catégorie d'actifs précisée par l'invite, avant même toute question sur le fonds précis qui était correct.

Les cinq meilleurs FNB inscrits au Canada vérifiés selon le rendement annualisé sur trois ans étaient concentrés dans l'or et les métaux précieux : BMO Equal Weight Global Gold Index ETF et iShares S&P/TSX Global Gold Index ETF (à égalité à +53,7 %), BetaPro Gold Bullion 2x Daily Bull ETF (+50,0 %), BMO Junior Gold Index ETF (+48,7 %) et Global X Global Semiconductor Index ETF (+47,5 %). Contrairement aux actions et aux fonds communs, les moteurs ont ici visé le bon voisinage — les FNB aurifères étaient un thème récurrent d'un essai à l'autre — mais jamais les gagnants précis et correctement classés, et le FNB le plus cité de toute l'étude ne respectait même pas les critères de filtre de l'invite.

Les apparitions de FNB aurifères chez les moteurs reflètent une familiarité des données d'entraînement avec une catégorie de fonds bien connue, et non un filtrage de rendement en direct qui aurait correctement classé un FNB aurifère devant un autre — aucun des cinq gagnants vérifiés n'a franchi un taux de citation de 40 %, et le FNB de semiconducteurs classé cinquième se situait à seulement 5,6 %. Plus frappant encore est ce que les moteurs ont cité le plus souvent au total : CI Galaxy Bitcoin ETF, à un taux de citation de 55,6 %, devant chaque FNB aurifère du top cinq vérifié. Il ne respecte pas le filtre d'actions canadiennes précisé dans l'invite, et son rendement de 36,7 % sur trois ans se situe près de 17 points sous le véritable meilleur. La réponse la plus assurée et la plus fréquente des moteurs n'était pas seulement en deçà de la bonne — elle était disqualifiée par les propres critères de l'invite.

Chaque décompte de citations et chaque rendement vérifié mentionnés dans cette section — y compris chaque titre cité mais non montré ci-dessus — sont reproduits intégralement en Annexe, comme référence permanente pour vérifier toute affirmation d'exactitude de ce document par rapport aux données sous-jacentes.

L'invite 4, lancée immédiatement après chaque question de rendement principale, demandait à chaque moteur de rendre compte directement : d'où avez-vous tiré cette information ? D'où provenait réellement l'essentiel des sources ? Comment avez-vous obtenu les données ? Et, précisément, où les avez-vous réellement obtenues, par opposition à l'endroit où vous avez dit les avoir obtenues ? Les réponses, sur l'ensemble des 54 essais, établissent quelque chose que les réponses initiales n'ont jamais révélé d'elles-mêmes.

Aucun des six moteurs n'a accédé à une base de données financière institutionnelle dans aucun essai. Bloomberg, FactSet, Morningstar Direct, S&P Capital IQ, SEDAR+ et les flux de données des bourses — les outils qui soutiendraient réellement un filtrage classé et vérifiable sur des centaines de titres — n'ont jamais été atteints, pas une seule fois, par aucun moteur. Plusieurs moteurs ont tout de même nommé ces plateformes dans leurs résultats. Ce que les moteurs ont utilisé en pratique était un mélange de données d'entraînement, d'extraits de recherche Web et, dans plusieurs cas, de rien du tout.

Un moteur d'IA n'est pas un moteur de recherche et ce n'est pas une base de données. C'est un modèle de langage entraîné à prédire à quoi ressemble une réponse utile et cohérente. Lorsqu'il ne peut pas récupérer les données qu'une question exige, il ne s'arrête pas. Il produit ce à quoi ressemblerait une bonne réponse d'après les motifs de ses données d'entraînement — y compris des chiffres plausibles, des noms de fonds plausibles et des citations plausibles. Chaque moteur de cette étude a une date limite de connaissances située entre la fin 2023 et le milieu de 2024, laissant un écart de douze à vingt mois entre son dernier instantané d'entraînement et l'invite de mai 2026. Une réponse qui comprend un tableau formaté, des chiffres de rendement précis, des sources nommées et une date de référence ressemble à une réponse documentée. Rien dans le résultat seul ne permet de voir qu'elle ne l'est pas — la seule façon de le savoir est de demander, et les moteurs ont été interrogés dans chacun des 54 essais.

L'illustration la plus claire de l'écart entre une source revendiquée et une source réelle est venue de Perplexity, le moteur qui a cité plus de sources institutionnelles payantes que tout autre dans l'étude — dix mentions sur l'ensemble des essais — sans en récupérer une seule. Dans un essai sur les fonds communs, le résultat du moteur faisait référence à Morningstar Direct, un terminal de recherche institutionnel qui coûte des milliers de dollars par poste chaque année et implique un accès direct et sous licence aux données. Lorsqu'on lui a demandé à l'invite 4 de confirmer s'il avait réellement atteint le terminal de Morningstar, l'audit a raconté une autre histoire :

La distinction n'est pas un détail technique. L'un est une récupération de données, tarifée et sous licence précisément parce qu'elle fait autorité. L'autre est un nom apparaissant dans la première phrase d'une page Web publique, reproduit comme s'il s'agissait d'une attribution de source. Un lecteur qui se fie à la réponse initiale — celle sans l'invite d'audit — n'a aucun moyen de distinguer les deux, parce que le moteur a formaté sa citation de la description d'article exactement comme il aurait formaté une véritable extraction du terminal.

Grok est allé un cran plus loin : dans deux de ses neuf essais, il a produit des citations de sources correctement formatées, nommant des institutions plausibles, et apparaissant directement à côté de chiffres présentés comme des données récupérées. Rien dans les citations elles-mêmes ne les signalait comme suspectes. À l'audit, Grok a reconnu que les chiffres ne provenaient d'aucune source précise :

Une citation qui nomme une institution réelle mais n'a jamais été consultée, et une citation fabriquée de toutes pièces et attachée à un chiffre approximatif, produisent le même résultat sur la page : une note de bas de page qui semble sourcée. La seule façon de distinguer une citation véritable, une citation mal attribuée et une citation inventée est de demander au moteur d'en rendre compte directement — et chaque moteur de cette étude a exigé cette relance avant de l'admettre.

Posées aux six moteurs, les quatre questions de l'invite 4 — d'où l'information a été tirée, d'où provenait réellement l'essentiel des sources, comment les données ont été obtenues, et d'où elles provenaient réellement par rapport à ce que le moteur avait dit — ont produit un schéma constant : ce que la réponse initiale laissait entendre et ce que l'audit a révélé étaient rarement la même chose.

Le registre complet des citations derrière ces constats — chaque titre nommé par un moteur, combien de fois, et par rapport au rendement vérifié — est reproduit intégralement en Annexe, comme référence permanente pour vérifier toute affirmation de constance, d'exactitude ou de sources faite dans ce document par rapport aux données sous-jacentes.

Sur 54 essais, trois schémas d'échec se sont répétés quels que soient le moteur, la catégorie d'actifs ou le numéro d'essai : aucun moteur n'a reproduit sa propre réponse de façon constante, aucun moteur n'a retourné un titre vérifié parmi les meilleurs dans aucune catégorie, et aucun moteur n'a révélé les limites de ses données sans qu'on le lui demande directement. Ce n'est pas une liste de bogues à corriger. C'est une limite structurelle de ce que l'IA commerciale peut actuellement faire d'une question de recherche qui exige d'extraire et de classer des données réelles sur de nombreux titres à la fois. Quatre conclusions en découlent.

Un tableau top cinq soigneusement formaté, avec symboles, pourcentages exacts, citations et date de référence, a la même apparence que chaque chiffre ait été récupéré d'une source en direct ou inventé de toutes pièces. La présence d'une citation ne prouve pas qu'elle a été consultée — l'audit des sources de l'invite 4 a surpris des moteurs admettant, après coup, que des chiffres précis étaient « simulés », « approximés » ou des « SUBSTITUTS FABRIQUÉS, non récupérés d'aucune source ». Rien dans la réponse initiale ne distinguait ces chiffres de ceux qui étaient réels. Un conseiller qui lit le résultat n'a aucun moyen de les distinguer sans une étape de vérification distincte que l'IA ne l'incitera pas à faire.

Lorsque les moteurs s'accordaient — entre eux ou avec leurs propres essais antérieurs — cet accord suivait la couverture médiatique et la présence dans les données d'entraînement, pas les rendements. Celestica est apparue dans 14 des 18 essais sur les actions, plus que tout autre titre de l'étude, et son rendement réel sur un an la plaçait à plus de 300 points de pourcentage du top cinq vérifié. Répéter une question, ou comparer la réponse d'un deuxième moteur à celle du premier, ne confirme rien de façon indépendante si les deux puisent dans la même exposition sous-jacente. Recouper des moteurs d'IA entre eux n'est pas de la vérification.

Cette étude a utilisé des invites longues, explicites et étroitement filtrées — seuils de capitalisation boursière, catégories CIFSC, critères de classement exacts, points de données obligatoires, « N/D » plutôt qu'un refus de répondre — et cela n'a fait aucune différence mesurable. Aucune ingénierie d'invites ne comble cet écart, parce que la limite ne tient pas à la façon dont la question est posée. Elle tient au fait qu'aucun des six moteurs n'a accès à des données primaires de qualité institutionnelle sur les titres canadiens : ni terminal Bloomberg, ni flux FactSet, ni poste Morningstar Direct, ni dossier FundServ.

Combler cet écart n'est pas simplement une question de laboratoire d'IA qui décide de l'ajouter. Bloomberg, Morningstar, FactSet et Thomson Reuters ont bâti leurs entreprises sur la licence de ces données à un coût mesuré, par poste, auprès des institutions et des professionnels — souvent des dizaines de milliers de dollars par année, tarifées sur la rareté et l'exclusivité. Ouvrir ces données à une plateforme d'IA grand public reviendrait à les mettre, en pratique, devant chaque utilisateur de cette plateforme — des centaines de millions de personnes — à un coût marginal pratiquement nul. Ce n'est pas un ajustement tarifaire pour un fournisseur de données ; c'est l'effondrement du modèle d'affaires que ces données devaient financer. Il n'existe aucune voie commerciale évidente par laquelle des données de calibre Bloomberg deviendraient des données de calibre ChatGPT, parce que ce faisant, on saperait la raison même pour laquelle les données de calibre Bloomberg ont de la valeur. C'est une raison structurelle de s'attendre à ce que cet écart persiste même si les modèles sous-jacents continuent de s'améliorer.

Rien de tout cela n'est un argument contre l'utilisation de l'IA. Ces moteurs sont réellement utiles pour s'orienter, générer des idées, rédiger, résumer et faire du remue-méninges. Ils ne sont pas fiables pour le type de récupération factuelle dont un conseiller ou un investisseur a besoin sans une étape de vérification explicite — et les réponses ne donnent aucune indication, par elles-mêmes, qu'une telle étape est nécessaire. Un conseiller qui se fie à ces résultats risque de présenter à ses clients des titres choisis selon leur couverture plutôt que selon leurs rendements, formatés avec exactement la même assurance que si les chiffres étaient réels.

La cause profonde est plus simple que les modes d'échec ne le laissent croire : les moteurs d'IA n'ont pas accès à des données primaires de haute qualité sur les titres canadiens, alors quand on leur demande un rendement, un RFG ou un actif sous gestion actuel, ils substituent ce qu'ils peuvent atteindre — rarement la bonne source, jamais un ensemble de données complet. De meilleures invites ne remplaceront pas un ensemble de données manquant. Produire des résultats réplicables, constants et exacts exige quatre éléments qui fonctionnent ensemble, pas seulement un modèle mieux entraîné.

Pas des extraits Web, pas des approximations issues des données d'entraînement, pas un palier d'API gratuit à débit limité — la même catégorie de données structurées, actuelles et de qualité institutionnelle que Bloomberg, FactSet, Morningstar Direct, S&P Capital IQ et SEDAR+ fournissent déjà aux professionnels. Cet accès doit être sous licence et payé comme tout autre flux de données institutionnel ; il n'en existe aucune version gratuite qui tienne la route.

Le modèle lui-même ne devrait jamais être la source d'un chiffre. Les chiffres qu'un utilisateur voit doivent provenir d'une requête en direct sur une base de données structurée — classés et filtrés de façon déterministe — le modèle de langage servant uniquement à interpréter la question et à formater la réponse, et non à générer les données qu'elle contient. C'est la différence entre récupération et rappel, et c'est la différence que toute cette étude a mesurée.

Chaque nombre affiché doit être accompagné automatiquement d'une source traçable, d'un horodatage de récupération et d'une vraie date de référence — et non produits seulement lorsqu'on demande directement au moteur de révéler ses sources, comme l'audit de l'invite 4 a dû le forcer ici. Si un point de donnée ne peut pas être sourcé, la réponse honnête est « non disponible », pas un substitut d'apparence plausible.

La même question, posée deux fois, doit retourner la même réponse, parce qu'elle puise dans le même ensemble de données sous-jacent plutôt que de régénérer chaque fois une réponse plausible de mémoire. La constance dans cette étude était surtout une coïncidence — les moteurs qui s'accordaient avec eux-mêmes ne faisaient souvent que rejouer la même liste mémorisée. La vraie constance vient d'une source de vérité partagée, pas d'un ensemble d'entraînement partagé.

Les tableaux ci-dessous énumèrent chaque titre nommé par un moteur, dans un essai, au cours de l'étude — le registre sous-jacent dont sont tirés les constats de constance, d'exactitude et de citations et sources. « Fois cité » compte les apparitions dans les 18 essais de cette catégorie d'actifs (six moteurs, trois essais chacun). Les lignes en gras et surlignées sont le vrai top cinq selon le rendement vérifié ; comme le montre la section Constats, aucun n'a été identifié par un moteur.

Les tableaux ci-dessous montrent les cinq choix de chaque moteur (ou moins, lorsqu'un moteur a refusé ou n'avait plus de réponses) dans chacun de ses trois essais, pour chaque catégorie d'actifs. La couleur indique la fréquence à laquelle un titre est revenu dans les trois essais de ce moteur — la même mesure utilisée dans les constats de constance ci-dessus.

Le taux de citation de 14 sur 18 de Celestica est visible ici au niveau de chaque essai : tous les moteurs sauf Perplexity l'ont nommée, et ChatGPT et Grok l'ont nommée dans leurs trois essais. Les choix identiques de Grok aux essais 1 et 2, suivis d'un essai 3 à deux noms, et les essais 1 et 2 de Copilot identiques au caractère près suivis d'un essai 3 sans aucun lien, sont les mêmes événements décrits dans la section Constance ci-dessus — voici les données sous-jacentes dont ils ont été tirés.

Chaque essai sur les fonds communs a retourné des noms différents, d'un moteur à l'autre et souvent d'un essai à l'autre. Certains moteurs ont carrément substitué des FNB ; les données sources montrent aussi le Guardian Canadian Focused Equity Fund apparaissant sous plus d'un code de série dans les essais d'un même moteur, ce qui reflète une ambiguïté dans la façon dont les moteurs ont résolu les codes FundServ plutôt qu'un choix unique et constant.

Les choix de FNB de Grok sont identiques dans les trois essais — exactement le schéma décrit dans les constats de constance comme reflétant une liste mémorisée plutôt qu'un filtrage en direct.

Les paramètres ci-dessous constituent l'ensemble complet des conditions utilisées pour produire les 54 essais de cette étude. Les maintenir tous constants — mêmes invites, même ordre, même discipline de session — est ce qui rend une deuxième exécution de ce test comparable à la première, même des mois plus tard sur des versions de modèles différentes.

• Période : 8 et 9 mai 2026 — Mississauga (Ontario), Canada.
• Sessions : Une nouvelle session de navigateur privée ou incognito par essai, ouverte immédiatement avant l'essai et fermée immédiatement après la capture de la réponse. Aucune session n'a été réutilisée entre les essais, les catégories d'actifs ou les moteurs.
• Nombre d'essais : Trois essais indépendants par moteur et par catégorie d'actifs (18 essais par catégorie d'actifs, 54 essais au total pour les six moteurs).
• Ordre des essais : Pour un moteur donné, une catégorie d'actifs passait par ses trois essais avant de passer à la suivante — sans entrelacement. La séquence exacte est détaillée ci-dessous.
• Mode : Mode de clavardage grand public par défaut sur l'application Web standard de chaque plateforme. Aucun mode de recherche approfondie, de réflexion ou de raisonnement étendu, d'agent ou de GPT ou persona personnalisé, et aucune API de développeur.
• Palier de compte : Palier grand public payant ou pro sur chaque plateforme, pour refléter la façon dont un conseiller financier utiliserait réellement ces outils.
• Libellé des invites : Libellé identique, caractère pour caractère, pour chaque moteur et chaque essai — voir les cinq invites ci-dessous.
• Base de vérification : Chaque titre et chaque chiffre retournés vérifiés par rapport aux données de marché vérifiées de Buckler au 30 avril 2026.

Chaque moteur a suivi ce même schéma : une catégorie d'actifs passait par ses trois essais, dans une session incognito fraîche à chaque fois, avant de passer à la catégorie d'actifs suivante.

À chaque étape, la réponse complète du moteur à l'invite de rendement principale a été capturée textuellement, suivie immédiatement de ses réponses à l'audit des sources de l'invite 4 et à la demande de métadonnées de l'invite 5, le tout dans la même session. Rien n'a été résumé, nettoyé ou paraphrasé au moment de la capture. La même séquence de neuf étapes a été répétée pour chacun des cinq autres moteurs.

Chaque session exécutait une chaîne de catégorie d'actifs, invite d'ouverture en premier : Actions = Invite 1 → Invite 4 → Invite 5. Fonds communs = Invite 2 → Invite 4 → Invite 5. FNB = Invite 3 → Invite 4 → Invite 5. Aucune relance, reformulation ou demande de clarification n'a été utilisée à aucun moment.

Filtres : émetteur domicilié au Canada ; capitalisation boursière supérieure à 1 milliard de dollars canadiens, classement selon le rendement total sur 12 mois. Six points de données exigés par titre (capitalisation boursière, cours de l'action, ratio C/B, rendement en dividendes sur 12 mois, appréciation du cours sur 3 ans, bêta sur 3 ans par rapport à l'indice composé S&P/TSX), tableau unique, symbole/émetteur/bourse inclus, date de référence indiquée, aucun commentaire non sollicité.

Filtre : catégorie CIFSC Actions canadiennes ou Actions principalement canadiennes, classement selon le rendement annualisé sur 3 ans. Neuf points de données exigés par fonds (nom du fonds, code FundServ, RFG, rendement annualisé sur 3 et 5 ans, écart-type sur 5 ans, perte maximale, actif sous gestion, catégorie CIFSC), « N/D » pour les données non disponibles plutôt qu'un refus de répondre.

Filtre : inscrit à une bourse canadienne. Sept points de données exigés par FNB (symbole, émetteur, RFG, actif sous gestion, rendement annualisé sur 3 ans, rendement sur 1 an, volume quotidien moyen), mêmes conventions de tableau et de « N/D » que l'invite 2.

Lancée immédiatement après l'invite principale dans chaque session. Exigeait du moteur qu'il classe chaque source comme primaire (fiches d'information de l'émetteur, documents de connaissance du produit, Bloomberg, FactSet, Morningstar Direct, S&P Capital IQ, dépôts boursiers, SEDAR+) ou contextuelle (articles d'orientation, blogues, Wikipédia) ; qu'il indique si chaque URL a réellement été consultée, utilisée seulement comme référence d'extrait de recherche, comme substitut, ou jamais récupérée ; qu'il donne une cote de confiance par point de donnée (ÉLEVÉE/MOYENNE/FAIBLE) ; qu'il confirme directement si Bloomberg, FactSet, Morningstar Direct, S&P Capital IQ, les PDF de connaissance du produit ou fiches d'information des émetteurs, SEDAR+ et les flux boursiers ont été consultés ; et qu'il divulgue les échecs de récupération. Se terminait par : « Si vous ne pouvez pas répondre honnêtement à une partie de cette divulgation, dites-le directement plutôt que de déduire. »

Dix éléments demandés par session : date, heure et fuseau horaire déclarés ; nom et version exacte du modèle ; date limite de connaissances ; activation ou non de la navigation ou de la recherche en direct et moteur de récupération utilisé ; activation ou non d'un mode de recherche approfondie, de raisonnement ou de contexte étendu ; instructions personnalisées, invite système, persona ou paramètres de mémoire en vigueur ; paramètres géographiques ou régionaux de session déduits ou déclarés ; identifiant de session, de conversation ou de réponse si disponible ; restrictions d'outils, limites de débit ou contraintes de capacité ; toute autre métadonnée dont un réplicateur aurait besoin. Se terminait par : « Si vous ne pouvez répondre à l'un des éléments ci-dessus, dites-le explicitement plutôt que de deviner. »

• Constance : les trois essais d'un moteur pour une catégorie d'actifs donnée comparés entre eux — mêmes titres, même ordre, mêmes chiffres, ou non.
• Exactitude : titres et chiffres de rendement comparés aux données de marché vérifiées de Buckler à la période des essais ; taux de citation calculé comme le nombre d'essais (sur 18 par catégorie d'actifs) dans lesquels un titre a été nommé, exprimé en pourcentage.
• Transparence : les réponses du moteur aux invites 4 et 5 vérifiées par rapport à ce qu'il avait réellement fait — si une source revendiquée était réelle et consultée, une référence d'extrait, un substitut ou une pure fabrication.