Premièrement, il est important de noter que l’IA a des limites en matière de planification financière, selon les experts.

L’IA est généralement efficace pour fournir des aperçus de haut niveau sur des sujets financiers : par exemple, pourquoi il est important de diversifier les investissements, ou pourquoi les fonds négociés en bourse peuvent être meilleurs que les fonds communs de placement dans certains cas mais pas dans d’autres, a déclaré Lo à CNBC dans une interview.

Cependant, il connaît des difficultés dans d’autres domaines. La planification fiscale en est un bon exemple, a déclaré Lo.

Peut-être contre-intuitivement, l’IA n’est pas douée pour analyser des chiffres et effectuer des calculs financiers précis, a-t-il déclaré. Même si l’IA peut fournir des conseils généraux sur les types de déductions fiscales ou de règles fiscales que les gens pourraient envisager, il est risqué de demander à l’IA de faire une évaluation numérique de leurs propres impôts, a-t-il déclaré.

« Quand il s’agit de calculs très, très spécifiques de votre situation personnelle, c’est là que vous devez être très, très prudent », a déclaré Lo.

L’IA peut aussi parfois fournir de mauvaises réponses en raison de ce que l’on appelle « hallucination » de l’algorithme, a déclaré Lo.

« L’une des choses à propos [large language models] Ce que je trouve particulièrement préoccupant, c’est que peu importe ce que vous lui demandez, il reviendra toujours avec une réponse qui semble faire autorité, même si ce n’est pas le cas », a déclaré Lo.

C’est là que la rédaction d’invites fortes peut être utile.

« Même s’il s’agit du meilleur modèle au monde, s’il reçoit une mauvaise réponse », il ne pourra pas faire grand-chose, a déclaré Brenton Harrison, planificateur financier agréé et fondateur de New Money New Problems, une société de conseil financier virtuel.

Une invite forte n’est pas trop large : elle contient suffisamment de détails pour que l’IA puisse fournir des informations pertinentes à l’utilisateur, a déclaré Lo.

Prenons cet exemple qu’il a donné concernant la planification de la retraite.

Dans ce contexte, une mauvaise réponse pourrait être : « Comment dois-je prendre ma retraite ? » Lo a déclaré lors du webinaire de Harvard.

« C’est tout simplement trop générique », a-t-il déclaré. « Les déchets entrent, les déchets sortent. »

Après avoir parcouru cette séquence d’invites, les utilisateurs peuvent « raccourcir » le processus pour les requêtes futures en posant une question supplémentaire : « Quelle invite aurais-je dû vous poser afin de générer la réponse que je cherchais ? Lo a déclaré à CNBC.

Fondamentalement, l’utilisateur demande à l’IA comment générer plus rapidement la « bonne » invite, a déclaré Lo.

« Une fois que vous avez obtenu cette réponse, vous pouvez la stocker et l’utiliser à l’avenir pour des questions similaires à celle que vous venez de poser », a déclaré Lo. « C’est une façon de rendre votre ingénierie d’invite plus efficace : il s’agit d’effectuer une ingénierie inverse de l’invite en demandant à l’IA de vous dire ce que vous auriez dû faire différemment. »

Lo a déclaré à CNBC qu’il recommandait de prendre quelques mesures supplémentaires pour les questions financières.

Lorsqu’un utilisateur reçoit ce qui semble être une bonne réponse à sa question, il doit toujours poser des questions supplémentaires à l’IA pour déterminer ses limites. Par exemple, en lui demandant de quoi il est incertain et quelles informations il manque, a répondu Lo.

Par exemple : « De quel type d’informations ne disposiez-vous pas pour pouvoir formuler cette recommandation, et cela pourrait conduire à des résultats peu fiables ? »

Ou, dans le même esprit : « Dans quelle mesure êtes-vous convaincu que c’est la bonne réponse ? Quel genre d’incertitudes avez-vous quant à la réponse, et quels types de choses ne savez-vous pas que vous devez faire pour trouver une réponse concluante à la question ? »

De cette façon, l’utilisateur peut déterminer l’ampleur de l’incertitude derrière la réponse d’une IA, a déclaré Lo.

Dans le même esprit, Harrison, le planificateur financier, a déclaré qu’il recommande d’exiger que le programme d’IA répertorie ses sources. Les utilisateurs peuvent également demander à l’IA de limiter ses sources à celles qui répondent à certains critères.

« Si vous n’en avez pas besoin pour vérifier les sources, il donnera un avis, ce qui n’est pas ce que je recherche », a déclaré Harrison.

En fin de compte, il y a tellement de « contexte » et de complexité par rapport à la situation financière de chaque individu qu’un planificateur financier humain peut faire ressortir son client, a déclaré Harrison. Quelqu’un qui utilise l’IA ne saura pas nécessairement qu’il découvre toutes ces subtilités dans ses invites, a-t-il déclaré.

« Je cherche à [AI] car un conseil implique que vous lui donniez suffisamment d’informations pour vous faire une opinion et faire une recommandation, et c’est un pas de plus que ce que j’irais avec l’IA », a-t-il déclaré.