Nous avons utilisé un ensemble de données de résumés quotidiens des marchés financiers de Bloomberg de 2010 à 2023, repris par de grands médias financiers, pour déterminer comment les titres de l'actualité mondiale peuvent affecter les mouvements des marchés boursiers en utilisant ChatGPT et une approche prompte en deux étapes. Nous documentons une corrélation positive statistiquement significative entre le score de sentiment et les rendements futurs du marché des actions à court et moyen terme, qui se transforme en une corrélation négative sur des horizons plus longs. La validation de ce modèle de corrélation sur plusieurs marchés d'actions indique sa robustesse entre les régions d'actions et sa résistance à la non-linéarité, comme le montre la comparaison des corrélations de Pearson et de Spearman. Enfin, nous fournissons une estimation de l'horizon optimal qui établit un équilibre entre la réactivité aux nouvelles informations et la corrélation.