Les banques centrales mises en garde contre les risques liés à l'adoption des outils d'IA

Dans un récent rapport , la Banque des règlements internationaux (BRI) met en garde les banques centrales du monde entier contre les risques inhérents à leur dépendance croissante aux outils d'intelligence artificielle (IA). Ce rapport de neuf pages, intitulé « L'intelligence artificielle dans les banques centrales », examine les cas d'utilisation et les écueils potentiels de l'intégration de grands modèles de langage (GML) dans leurs opérations.

Les banques centrales, souvent considérées comme pionnières en matière d'intelligence artificielle, ont de plus en plus recours aux modèles d'IA à diverses fins. Ces modèles ont joué un rôle déterminant dans la transformation de la collecte et du traitement de l'information, rendant obsolètes de nombreuses tâches humaines traditionnelles. Ils sont désormais utilisés pour l'échantillonnage, le nettoyage et l'appariement des données, permettant ainsi aux banques centrales d'optimiser leurs opérations grâce à des techniques d'apprentissage automatique éprouvées.

L'une des applications majeures de l'IA dans le secteur bancaire central réside dans la prise de décisions éclairées en matière de politique monétaire. Grâce aux réseaux neuronaux et aux modèles de forêts aléatoires, les banques centrales accèdent à des données en temps réel pour évaluer les anticipations d'inflation et l'efficacité de leurs politiques monétaires. Ces données proviennent non seulement des canaux financiers traditionnels, mais aussi de la vaste gamme d'informations disponibles sur les plateformes de médias sociaux.

tracdes informations pertinentes à partir de vastes ensembles de données

Comme le souligne le rapport, l'analyse d'un volume considérable de données peut s'avérer longue et complexe, ce qui rend les modèles d'IA indispensables pour entracefficacement les informations pertinentes. Les banques centrales utilisent des modèles de langage pour synthétiser des rapports financiers complexes, tracles tendances économiques et interpréter les entretiens avec les chefs d'entreprise et les experts du marché. De plus, ces modèles de langage des banques centrales (CB-LM) ont démontré leur capacité à prédire les réactions du marché aux annonces de politique monétaire.

Les systèmes d'IA ont également démontré leur efficacité dans la supervision des systèmes de paiement. Ils excellent dans ladentdes transactions financières irrégulières, un facteur crucial dans la lutte contre le blanchiment d'argent et la prévention des cyberattaques. La Banque centrale du Brésil, par exemple, a récemment mis en place ADAM, un modèle de classification conçu pour prédire les emprunteurs susceptibles de faire défaut sur leurs prêts, ce qui lui permet de mieux gérer les risques financiers.

Au-delà des applications traditionnelles, les banques centrales se tournent également vers l'intelligence artificielle pour prédire le comportement des consommateurs face à l'introduction des monnaies numériques de banque centrale (MNBC) et autres évolutions financières. Ces modèles prédictifs fournissent aux décideurs politiques des informations précieuses pour anticiper les réactions du marché et adapter leur politique en conséquence.

Défis et risques de l'intégration de l'IA

Bien que les avantages de l'intégration de l'IA soientdent, le rapport souligne les défis et les risques auxquels les banques centrales sont confrontées. L'une des principales préoccupations concerne le risque de résultats biaisés liés aux données utilisées pour entraîner les modèles d'IA. De plus, les modèles d'IA génératifs, malgré leur puissance, nécessitent une supervision humaine rigoureuse afin de limiter les risques d'erreurs et d'inexactitudes.

À court terme, les banques centrales devront investir dans la formation de leur personnel aux nouvelles compétences en IA afin d'intégrer efficacement les systèmes d'IA à leurs processus. Cependant, elles risquent de se heurter à une forte concurrence de la part des entreprises financières privées pour le recrutement de spécialistes en IA. L'écart salarial entre les institutions publiques et le secteur privé accentue encore cette concurrence.