L'intelligence artificielle peut mener une conversation, sonner comme un analyste financier et livrer une prédiction du prix du bitcoin sans broncher. Mais le fait de parler à une IA produit-il un raisonnement de la même qualité que lorsqu'on lui tape une question ? Une expérience documentée par Bitcoin.com News le 23 octobre 2026 a mis cette question à l'épreuve, et les réponses ont été loin d'être simples.

ChatGPT et Grok ont été interrogés via des interfaces vocales, tandis que Claude Opus 5.5 travaillait d'abord par écrit. Une session vocale ultérieure de Claude Opus 5.5 a ajouté une comparaison révélatrice. Les quatre sessions ont fourni des prix du bitcoin précis pour la fin de l'année. Aucune n'a démontré de calcul reproductible derrière son chiffre final, mais les différences en matière d'exactitude factuelle, de cohérence et de volonté d'admettre l'incertitude étaient frappantes. Cette dernière distinction a un poids pratique maintenant que les trois entreprises proposent des interfaces vocales en plus de leurs produits textuels.

Quatre sessions, trois entreprises d'IA et une question sur le bitcoin

L'exercice impliquait le ChatGPT d'OpenAI, le Grok de xAI et le Claude Opus 5.5 d'Anthropic. Chacun a été invité à prédire le prix de clôture du bitcoin au 31 décembre 2026, à l'aide de cinq invites mettant l'accent sur les cycles historiques, l'activité onchain, l'adoption institutionnelle et les conditions économiques.

Le bitcoin se négociait autour de 81 200 $ le 23 octobre, offrant à l'expérience une référence de marché commune. La session vocale de ChatGPT a commencé à 89 500 $ avant de se fixer à 82 000 $. L'estimation orale de Grok est passée de 88 000 $ à 82 000 $. Le modèle textuel de Claude a maintenu 78 000 $ tout au long de ses invites, tandis que sa session vocale ultérieure a débuté à 88 000 $ avant de se stabiliser à 85 000 $.

L'exercice n'était pas un benchmark scientifique contrôlé. Différentes entreprises utilisent des architectures différentes, et les sessions n'avaient pas un accès vérifié identique aux informations en temps réel. Néanmoins, les conversations ont offert un éclairage révélateur sur la capacité ces systèmes à présenter un raisonnement financier de manière convaincante et sur la solidité de ce raisonnement face à un examen attentif.

La voix de ChatGPT semblait affairée, mais les chiffres n'arrêtaient pas de bouger

La session vocale de ChatGPT a produit l'un des exemples les plus clairs de fluidité conversationnelle dépassant largement l'analyse démontrée. Sa prévision est passée de 89 500 $ à 86 500 $ après que Bitcoin.com News a introduit des facteurs analytiques supplémentaires. Une autre invite orale a laissé le chiffre inchangé, mais une question ultérieure concernant une perspective de 18 à 24 mois a fait descendre la prédiction à 82 000 $.

L'examen n'a trouvé aucune preuve de récupération récente de données de marché entre ces révisions. Les changements suivaient plutôt des variations dans la formulation des questions. Le langage parlé donnait au processus une apparence plus consistante qu'il ne l'était réellement. En mode vocal, ChatGPT a utilisé des expressions comme « laissez-moi rassembler ces éléments » et « Je vérifie cela maintenant » — des formules qui suggèrent normalement qu'une consultation d'informations est en cours. L'expérience n'a pas établi qu'une telle recherche ait eu lieu. Il semblait mentir. Ce comportement correspond à une limite documentée pour les grands modèles de langage en général : un output fluide peut être produit que des faits sous-jacents aient été consultés ou non.

Une conversation textuelle ultérieure avec ChatGPT a offert une évaluation plus sceptique de l'échange vocal précédent, incluant l'aveu : « J'ai traité la plausibilité comme une preuve. » Cette distinction importe, car les expériences vocale et textuelle de ChatGPT peuvent utiliser des modèles sous-jacents différents. L'explication ultérieure de l'assistant textuel ne peut, à elle seule, établir précisément ce que le système vocal a fait en interne.

L'épisode a montré à quel point une conversation d'apparence naturelle peut créer une impression de travail d'investigation, même lorsque la réponse fournit peu de preuves à l'appui.

La voix de Grok a livré des détails mais s'est trompée sur un chiffre crucial

Les réponses orales de Grok semblaient plus minutieusement documentées, fournissant des chiffres sur les baisses historiques du bitcoin, l'inflation, l'activité institutionnelle et le récent retard de remboursement de Mt Gox. Une grande partie de ces informations correspondait aux faits et aux sources. Puis est survenue une erreur majeure.

Grok aurait attribué une probabilité d'environ 90 % à une hausse des taux de la Réserve fédérale lors de la réunion des 27-28 octobre. Les références de marché consultées par l'examen plaçaient plutôt ces probabilités autour de 6 % à 18 %, selon la source et la date d'observation. La différence était substantielle : une hausse de taux à faible probabilité avait été présentée comme quasi certaine, apparemment tirée d'un point de référence plus ancien. Les références obsolètes sont un mode de défaillance reconnu des systèmes d'IA : des chiffres exacts à une date antérieure peuvent persister dans l'output d'un modèle et être présentés comme actuels.

D'autres problèmes incluaient un objectif bitcoin Bernstein obsolète de 150 000 $ et une descriptione de la position de la fourchette de prix projetée par Fidelity par rapport au marché. Grok a fini par corriger ses probabilités de taux, mais seulement après avoir été mis au défi.

Son affirmation ultérieure selon laquelle il n'avait pas récupéré de données en temps réel était également difficile à concilier avec ses références aux évolutions récentes de l'inflation et de Mt Gox. L'interrogatoire ultérieur n'a pas pu établir si ces informations provenaient d'une récupération, d'un contexte antérieur ou d'une autre source. Pour la comparaison vocale, le constat important n'était pas simplement que Grok a commis une erreur. C'est que des affirmations financières correctes et incorrectes sont arrivées avec essentiellement la même assurance conversationnelle.

Le modèle textuel de Claude a cherché des preuves mais a quand même inventé une méthode

La session textuelle initiale de Claude Opus 5.5 avait un avantage documenté : elle a effectué quatre recherches web avant de répondre. Sa prédiction de 78 000 $ s'appuyait en partie sur le True Market Mean du bitcoin, estimé autour de 77 600 $ — une référence de marché concrète que la session vocale de ChatGPT n'avait pour l'essentiel pas. Pourtant, la réponse écrite avait ses propres problèmes.

Claude a déformé la chronologie historique des cycles de halving, sous-estimé la baisse d'environ 54 % du bitcoin entre sommet et creux, et omis le choc pétrolier de la guerre en Iran dans sa discussion économique. Il a également privilégié un récit de sorties de fonds d'exchange-traded malgré des informations récupérées indiquant un tableau différent pour octobre.

Plus révélatrice encore était la manière dont le système décrivait son travail. Claude a évoqué « les points de données que j'ai pondérés le plus lourdement » et affirmé avoir intégré une hausse de taux de décembre dans sa prévision. Cependant, sous questions supplémentaires, il a admis qu'il n'avait calculé ni pondérations numériques ni probabilités. L'estimation de 78 000 $ était un jugement ancré sur une mesure de marché, et non le résultat d'un modèle quantitatif démontré.

Il a fallu trois rounds de questions avant que la session textuelle de Claude ne sépare correctement les informations sourcées des hypothèses non étayées. La récupération web avait fourni plus de matière à discuter, mais elle n'avait pas garanti une analyse solide.

Le modèle vocal de Claude a livré la plus grande surprise de l'expérience

La session vocale ultérieure de Claude Opus 5.5 a changé la comparaison. Sa prédiction initiale était de 88 000 $, révisée ensuite à 85 000 $. Contrairement à la session vocale de ChatGPT, qui a modifié sa réponse à plusieurs reprises, Claude a maintenu ce chiffre révisé tout au long des invites restantes et a résisté à l'ajuster simplement pour produire une prévision plus accrocheuse.

Plus important encore, la réponse vocale de Claude a révélé ses limites plus tôt que les autres sessions. Dès sa deuxième réponse, il a reconnu qu'il ne pouvait pas accéder aux métriques onchain en temps réel et a décrit sa prédiction comme une estimation plutôt que comme le résultat d'un modèle calculé. Lorsqu'on lui a demandé d'identifier les informations non étayées, a séparé les chiffres récupérés, les connaissances générales, les calculs et les opinions dès la première demande.

C'était une meilleure performance de divulgation que la propre session textuelle de Claude, qui avait nécessité trois rounds de questions pour atteindre un niveau comparable de franchise. Le modèle parlé a également correctement décrit les pics historiques des cycles du bitcoin comme survenant généralement 12 à 18 mois après les halvings, évitant une erreur de chronologie commise à la fois par la session vocale de Grok et par la réponse textuelle initiale de Claude.

Néanmoins, la performance vocale de Claude était loin d'être irréprochable. Il a cité le pétrole au-dessus de 110 $ en utilisant un chiffre jugé obsolète par l'examen, a surestimé les achats institutionnels continus de bitcoin et a omis le repli de marché plus prononcé de juin 2026 en évoquant le drawdown actuel. Il n'a jamais non plus montré de calcul aboutissant à son objectif de 85 000 $.

La surprise n'était donc pas que le modèle vocal de Claude soit devenu un meilleur prévisionniste financier. C'est que, dans cette session particulière, l'assistant vocal s'est montré plus transparent sur ses limites que son homologue textuel.

Pourquoi l'IA vocale et l'IA textuelle ne sont pas nécessairement le même système

La comparaison soulève un problème technique que les utilisateurs occasionnels ne considèrent peut-être jamais : parler à une IA n'équivaut pas toujours à taper une question. L'expérience vocale de ChatGPT d'OpenAI utilise une famille de modèles distincte de son expérience textuelle principale. Anthropic, quant à elle, décrit la voix de Claude comme fonctionnant via la version la plus rapide du modèle sélectionné, y compris les options Sonnet et Opus prises en charge.

Cette différence complique les comparaisons directes. Même lorsque l'interface affiche le même nom de modèle, l'expérience vocale peut impliquer des paramètres d'exécution, des contraintes de latence et des composants de traitement de la parole différents. L'expérience n'a pas établi de manière indépendante comment ces facteurs ont affecté les réponses.

L'architecture vocale de Grok n'a pas été vérifiée dans le rapport, laissant un autre élément important de la comparaison technique non résolu. Tant que les trois entreprises ne publieront pas de détails techniques comparables sur leurs chaînes vocales, le nom d'un produit en soi en dit peu aux utilisateurs sur la configuration qui répond. Les sessions ne peuvent donc pas établir que l'IA vocale est intrinsèquement moins précise, plus sujette à la fabrication ou plus transparente que l'IA textuelle générative. Ce qu'elles montrent, c'est que l'interface et la configuration sous-jacente comptent, et qu'un nom de marque familier ne garantit pas à lui seul un comportement équivalent.

Claude a fourni la comparaison intra-entreprise la plus utile, mais même là, les sessions textuelle et vocale ont eu lieu séparément et ne constituaient pas des essais répétés et contrôlés.

Le vrai test arrive après que l'IA a cessé de parler

Sur les quatre sessions, les prévisions finales se situaient entre 78 000 $ et 85 000 $, toutes relativement proches du prix de marché en vigueur du bitcoin. Aucune n'a démontré comment ses hypothèses se traduisaient dans le chiffre exact retenu.

L'examen a également identifié des limites dans sa propre méthodologie. Claude est l'auteur de l'évaluation de sa propre performance, et plusieurs affirmations de marché ont été vérifiées via des extraits de recherche plutôt que des sources primaires complètes. Aucun journal d'outils indépendant n'a établi précisément ce que chaque assistant vocal avait récupéré. Ces réserves comptent, et une vérification plus approfondie incombe à xAI, OpenAI et Anthropic.

Il s'agissait d'une expérience exploratoire, non de la preuve qu'une entreprise ou un mode d'interaction surpasse systématiquement un autre. Mais elle a exposé une différence importante entre paraître analytique et montrer une analyse réelle. Les assistants vocaux peuvent livrer des commentaires financiers avec le rythme et l'assurance d'un présentateur professionnel. Les modèles textuels peuvent assembler des explications détaillées appuyées par des sources récupérées. L'un comme l'autre peuvent toujours produire une conclusion non étayée, des hallucinations ou des mensonges purs et simples, et l'un comme l'autre peuvent s'améliorer lorsqu'on les presse de distinguer les preuves des inférences.

La session vocale ultérieure de Claude a montré que parler à une IA ne signifie pas automatiquement sacrifier la transparence. Dans le même temps, ChatGPT et Grok ont montré pourquoi les réponses orales soignées méritent le même examen que les réponses écrites. Pour quiconque utilise l'IA pour évaluer des investissements, le prochain test devrait exiger des invites identiques, une activité de récupération documentée, des sessions répétées et des chiffres vérifiés de manière indépendante. Ce n'est qu'alors que les chercheurs pourront commencer à séparer les effets de l'interaction vocale des capacités de raisonnement du modèle sous-jacent. Ce qui rendrait ce test possible est simple sur le papier : la divulgation par les fournisseurs des spécificités de leurs chaînes vocales, et des comparaisons publiées atteignant le barre méthodologique définie par cet examen.

Le résultat le plus révélateur de l'expérience n'était pas de savoir si le bitcoin terminera 2026 à 78 000 $, 82 000 $ ou 85 000 $. C'est que quatre performances convaincantes en mode vocal ont produit quatre raisonnements financiers — et pas un seul n'a pu montrer les calculs derrière sa réponse finale.