La fiabilité des données financières ne se mesure pas à la propreté d’un document. Une note peut être impeccablement structurée, ses chiffres cohérents d’une section à l’autre, ses totaux justes, ses sources nommées — et se révéler fausse de bout en bout. SPECULA publie aujourd’hui une note de méthode qui documente précisément ce point, à partir de trois incidents relevés dans sa propre chaîne de production, datés et assortis du correctif qui a suivi chacun d’eux.
Le document est disponible en accès libre, au format PDF, neuf pages. Ce qui suit en résume l’argument et en explique l’utilité pratique pour qui reçoit chaque semaine quinze ou vingt notes d’analyse sans avoir les moyens de les vérifier.
Fiabilité des données financières : ce qu’un contrôle automatique vérifie réellement
Les chaînes de production éditoriale se sont massivement équipées ces dernières années : schémas de données typés, contrôles croisés entre sections, portes bloquantes avant diffusion. Ces dispositifs fonctionnent. Mais la profession a pris l’habitude d’appeler « vérification » ce qui n’est qu’une mise en accord, et le lecteur a hérité de cette confusion sans qu’on l’en avertisse.
La distinction tient en une phrase : la cohérence est une opération fermée, la vérité est une relation ouverte. Vérifier la cohérence, c’est confronter un document à un autre document, un champ à son schéma, une somme à ses parties. Toutes les données de l’opération sont internes au système. Vérifier la vérité, c’est confronter un énoncé à quelque chose qui n’est pas un énoncé — un référent extérieur, publié par une autorité identifiable, à une date connue.
Un système clos ne peut donc pas produire un jugement ouvert. Ce n’est pas une insuffisance technique que l’ingénierie finirait par combler : c’est une différence de nature. La logique en donne le vocabulaire exact. Un raisonnement est valide lorsqu’il conduit nécessairement de ses prémisses à sa conclusion, y compris lorsque ces prémisses sont fausses. Il est solide lorsqu’il est valide et que ses prémisses sont vraies. La validité s’inspecte de l’intérieur ; la solidité, jamais. Toute réflexion sérieuse sur la fiabilité des données financières commence à cet endroit.
La couche déterministe vérifie la cohérence. Rien ne vérifie la vérité.
Trois incidents documentés, datés et corrigés
La note ne se contente pas d’énoncer un principe. Elle expose trois défauts survenus dans la chaîne SPECULA au cours d’une phase de construction du produit — éditions diffusées à un panel de bêta-test, non vendues à des abonnés. Chacun est présenté avec sa date, son mécanisme et le correctif déployé. Une assertion méthodologique sans cas vérifiable est exactement ce que ce texte invite son lecteur à refuser ; il ne pouvait donc pas s’en dispenser lui-même.
Un chiffre exact, cité une semaine trop tard
Deux éditions de fin juillet 2026 citaient un agrégat de croissance des résultats du S&P 500 de l’ordre de 25 %, attribué à FactSet. La valeur publiée par FactSet à la date concernée était de 47,4 %. Le chiffre cité n’était pas inventé : il appartenait à la même série, publiée par le même émetteur, sous le même intitulé, mais à une date antérieure.
Aucun contrôle interne ne pouvait l’intercepter. L’ordre de grandeur était plausible, l’attribution formellement correcte, la citation constante d’un bout à l’autre du document. Le ressort est général : la cohérence n’a aucune dimension temporelle si l’on ne lui en construit pas une.
La note va plus loin, et c’est là que le cas devient instructif pour tout lecteur de recherche actions. Le chiffre juste ne suffit pas davantage sans son périmètre. Le taux de 47,4 % est un taux mixte, et il est porté par deux éléments non opérationnels exceptionnels. Hors les deux sociétés concernées, il retombe à 28,8 %. Les deux valeurs sont exactes ; citer la première sans mentionner la seconde dit quelque chose de vrai et donne une impression fausse.
Le faux qui ne loge dans aucun chiffre
Une édition a daté un mardi « lundi », et un jeudi « mercredi ». Aucun schéma de données ne s’en émeut : un jour de la semaine est une chaîne de caractères valide, employée de façon cohérente dans tout le document. Le défaut tenait au mode de production de la valeur, calculée au lieu d’être dérivée de la date.
Le même mécanisme se retrouve dans un registre plus lourd : une attribution causale inversée par rapport à ce que rapportaient les sources. Le faux logeait alors dans le verbe, pas dans les nombres. C’est la classe de défaut la plus sous-estimée, pour une raison structurelle — les dispositifs de vérification se construisent autour des chiffres parce que les chiffres sont typables. Il n’existe pas de schéma pour « parce que ».
Deux valeurs exactes, un énoncé faux
Le troisième cas est le plus contre-intuitif, et probablement le plus utile. Le contrat à terme ICE Brent portant sur un mois de livraison donné cesse d’être coté le dernier jour ouvré du deuxième mois qui le précède. Lors de la séance concernée, deux prix « Brent » coexistaient donc légitimement : celui du contrat en expiration et celui du contrat devenu référence active.
Une édition a rapproché ces deux valeurs et publié une variation de 2,4 % à la baisse. Les deux prix étaient exacts. Leur différence ne mesurait aucun mouvement de marché : elle mesurait l’écart entre deux échéances, c’est-à-dire la pente de la courbe — laquelle était en déport prononcé du fait des tensions d’approvisionnement.
Il n’y avait ici aucune erreur à détecter, aucune valeur fausse, et une détection statistique d’anomalie y aurait été sans objet : une variation de 2,4 % sur le Brent dans un marché perturbé ne franchit aucun seuil. L’énoncé faux est né de la composition de deux vérités.
Valeur référencée, valeur assertée : la ligne de partage
De ces trois cas, la note tire une distinction opératoire. La frontière utile ne passe pas entre chiffres simples et chiffres complexes, mais entre deux statuts.
- La valeur référencée est publiée par une autorité émettrice identifiable, à un moment datable, et demeure consultable : un agrégat de FactSet, un règlement d’ICE, un indice du Bureau of Labor Statistics, un taux directeur de banque centrale. Elle peut être vérifiée, parce qu’il existe quelque part un document qui dit ce qu’elle est.
- La valeur assertée est produite par déduction à l’intérieur de la chaîne : un jour de la semaine calculé à partir d’une date, une variation calculée à partir de deux prix, une causalité inférée d’une coïncidence. Elle ne peut pas être vérifiée ; elle peut seulement être rendue cohérente.
Toute chaîne devrait pouvoir dire, pour chaque chiffre qu’elle publie, de quelle catégorie il relève. Peu le peuvent. Et le lecteur n’a aucun moyen de les distinguer à la lecture : les deux s’impriment dans la même typographie.
Pourquoi l’automatisation change la nature de l’erreur
L’automatisation ne multiplie pas nécessairement les erreurs. Elle en change la nature, ce qui est plus grave. L’erreur d’un analyste humain est idiosyncrasique : elle varie d’un rédacteur à l’autre, d’un jour à l’autre, et se dilue dans l’agrégat. L’erreur d’une chaîne est systématique : elle se reproduit à l’identique à chaque parution, et sa régularité même la fait passer pour un signal.
Le cas du contrat à terme en donne la démonstration. Le défaut se serait reproduit chaque mois, à une date connue d’avance, et toujours dans le même sens tant que la courbe conservait sa pente. Rien n’est plus propre à être pris pour un effet saisonnier qu’une erreur mensuelle et régulière.
À cette dérive s’en ajoute une seconde, qui concerne le lecteur plus encore que le producteur. Des producteurs qui se croient indépendants puisent aux mêmes fournisseurs de données, aux mêmes flux, aux mêmes modèles. Leur accord cesse alors d’être une corroboration : il devient un point de défaillance unique déguisé en pluralité. Cinq copies d’un même témoignage ne font pas cinq témoins.
Trois questions pour éprouver la fiabilité des données financières d’une note
La note ne débouche pas sur un scepticisme, mais sur une discipline de lecture applicable en quelques secondes à n’importe quel document reçu.
- Quel est le référent extérieur de ce chiffre, et à quelle date a-t-il été publié ? Un chiffre sans émetteur ni date n’est pas un chiffre, c’est une assertion. La question s’applique à chaque valeur prise séparément, jamais à la note dans son ensemble.
- La valeur a-t-elle été collectée ou déduite ? Une valeur déduite emporte les hypothèses de sa déduction. La différence de deux prix ne vaut que ce que vaut la comparabilité de ces deux prix.
- Le périmètre est-il donné ? Mixte ou effectif, sous-jacent ou d’ensemble, quel trimestre, quel indice, avant ou après éléments exceptionnels. Sans périmètre, un chiffre exact peut soutenir un énoncé faux sans que rien n’y paraisse.
S’y ajoute un critère de sélection d’un fournisseur d’analyse, celui-ci compris : une chaîne qui ne bloque jamais n’est pas fiable, elle est invérifiée. Un producteur capable de dire quelle édition il n’a pas publiée, et pourquoi, en dit davantage sur sa rigueur que n’importe quelle description de son dispositif.
Ce que contient le document et comment le lire
La note fait neuf pages. Elle comprend une section de cadrage sur ce que vérifie un contrôle de cohérence, les trois cas détaillés avec leurs correctifs de version, la distinction entre valeur référencée et valeur assertée, une analyse de la corrélation des erreurs en production automatisée, et la discipline de lecture en trois questions.
Elle se termine par une annexe qui mérite d’être signalée séparément, car elle constitue l’application de la thèse à elle-même : un tableau de provenance recensant chaque valeur citée dans l’article, avec son émetteur, sa date de publication, son périmètre et son statut de vérification. Les chiffres confrontés à leur source primaire y sont marqués comme tels. Ceux qui proviennent d’un relevé interne non reconfronté à l’émetteur y sont marqués comme tels également. Cette transparence sur le statut de chaque donnée est, en pratique, le meilleur indicateur de la fiabilité des données financières d’un document — bien davantage que la description du procédé qui l’a produit.
Le document est destiné à une lecture d’une vingtaine de minutes. Il ne contient ni recommandation d’investissement, ni prévision, ni analyse de marché : les valeurs qui y figurent illustrent un raisonnement sur la vérification, rien d’autre.
Télécharger la note de méthode : Fiabilité des données financières — pourquoi deux documents cohérents peuvent être faux ensemble (PDF, 9 pages).
Questions fréquentes
Un contrôle de cohérence est-il donc inutile ?
Au contraire. Il intercepte une classe entière de défauts — transcription, unités, contradictions internes, dérive temporelle dès lors qu’on l’en instrumente — à coût marginal nul et avant diffusion, ce qu’aucune relecture humaine ne garantit à cadence quotidienne. La faute n’est pas de construire cette couche, mais de croire qu’elle répond à une question qu’on ne lui a jamais posée. Nécessaire, non suffisant.
Une rédaction humaine ne connaît-elle pas les mêmes défauts ?
Souvent en pire. Mais ses erreurs sont décorrélées : elles ne survivent pas à la répétition et ne migrent pas d’un producteur à l’autre. La nouveauté introduite par l’automatisation n’est pas l’erreur elle-même, c’est sa reproductibilité et sa propagation par communauté d’origine des sources.
Pourquoi publier ses propres défauts de production ?
Parce qu’une assertion méthodologique dépourvue de cas vérifiable ne vaut rien, et que cet article invite précisément son lecteur à refuser ce type d’assertion. Les incidents décrits relèvent d’une phase de construction du produit et concernent des éditions diffusées à un panel de bêta-test. Chacun est présenté avec le correctif déployé et sa version.
Comment SPECULA applique-t-il ces règles à sa production quotidienne ?
Les données factuelles proviennent d’interfaces de programmation, jamais d’un modèle de langage. Les vérifications déterministes s’exécutent avant tout envoi, et un article bloqué est préféré à un article faux. Les valeurs dont le référent est publié à date connue par une autorité identifiée sont injectées de façon déterministe plutôt que collectées. Le détail figure dans la note.
La question de la fiabilité des données financières n’est pas près de se refermer : elle s’ouvre à mesure que la production d’analyse se standardise et que la généalogie des sources se concentre. Cette note en pose les termes, avec des cas plutôt qu’avec des principes.