Lors d'une intervention marquante à l'atelier de perfectionnement 2024 pour les banquiers centraux, organisé par l'Université nationale de Singapour, Edward S. Robinson, directeur général adjoint chargé de la politique économique et économiste en chef de l'Autorité monétaire de Singapour, a lancé un appel solennel concernant le rôle de l'intelligence artificielle (IA) dans l'élaboration de la politique monétaire. Ses propos interviennent dans un contexte d'intérêt croissant pour l'utilisation de l'IA et des techniques d'apprentissage automatique (AA) afin d'améliorer les prévisions économiques et la modélisation. Tout en reconnaissant le potentiel de l'IA, M. Robinson a souligné ses limites importantes, qui incitent les décideurs politiques à la prudence.
Le potentiel et les écueils de l'IA dans la modélisation économique
Le discours de Robinson a mis en lumière les progrès remarquables réalisés dans les techniques d'IA et d'apprentissage automatique, notamment dans le domaine de la modélisation économique. Il a cité des exemples où l'IA avait déjà démontré son utilité, comme ladentde transactions financières irrégulières et l'estimation des anticipations d'inflation à partir des données des réseaux sociaux. Saluant la capacité de l'IA à s'adapter à des modèles de données complexes, Robinson a vanté son potentiel à saisir des dynamiques économiques non linéaires comparables au jugement humain.
Malgré les progrès considérables réalisés dans le domaine de l'intelligence artificielle (IA), Robinson, dans son discours, a lancé un avertissement solennel. Il a minutieusement exposé les fragilités intrinsèques des modèles d'IA, insistant sur leur grande vulnérabilité aux moindres détails du choix des paramètres, ainsi que sur l'opacité inhérente à leurs résultats.
Dans son discours, Robinson a particulièrement insisté sur l'incapacité actuelle des systèmes d'IA à fournir de véritables explications à leurs prédictions, soulignant ainsi leurs difficultés intrinsèques à appréhender les problèmes logiques complexes et les opérationsmaticsophistiquées. Selon lui, ces limitations constituent non seulement des obstacles importants, mais aussi des défis considérables pour les décideurs politiques qui s'appuient sur la transparence et l'interprétabilité offertes par ces modèles dans leurs processus décisionnels.
Modèles de satellites et intégration
Robinson a proposé une approchematic pour intégrer l'IA aux outils de modélisation des banques centrales. Il préconisait d'utiliser les modèles d'IA comme outils complémentaires plutôt que comme cadres autonomes, notamment dans les modèles satellites qui complètent les modèles structurels de base. En tirant parti des atouts de l'IA conjointement aux méthodologies établies, les décideurs politiques peuvent exploiter ses capacités tout en atténuant les risques inhérents.
Malgré l'attrait des techniques d'IA de pointe, Robinson a insisté sur l'importance de tempérer l'enthousiasme par la prudence. Il a souligné la nécessité pour des organisations comme l'Autorité monétaire de Singapour (MAS) d'intervenir et de garantir une mise en œuvre responsable de l'IA . En évaluant rigoureusement les modèles d'IA et en les intégrant aux cadres existants, les banques centrales peuvent s'orienter dans le paysage évolutif de la modélisation économique tout en se prémunissant contre les écueils potentiels.
Alors que la banque centrale de Singapour s'efforce de maîtriser l'évolution de la modélisation économique, les analyses de Robinson éclairent l'interaction complexe entre l'innovation en IA et l'élaboration des politiques. Si l'IA recèle un immense potentiel pour révolutionner les prévisions économiques, ses limites actuelles appellent à la prudence. Tandis que les décideurs politiques abordent avec circonspection l'intégration de l'IA, une question demeure : comment les banques centrales peuvent-elles trouver un juste équilibre entre l'exploitation du potentiel de l'IA et la protection contre ses risques inhérents ?
