evidoria

← Retour à la liste

Good practice

Prévision fondée sur l'IA en Suède — les modèles d'apprentissage automatique de la Riksbank pour la prévision du PIB et de l'inflation

Suède · Stockholm · Voir le profil de Suède

Dans un Staff Memo d'avril 2025, des économistes de la Riksbank ont constaté que des modèles de forêts aléatoires et de réseaux de neurones surpassaient de manière mesurable les prévisions traditionnelles de séries temporelles suédoises pour le PIB et l'inflation — un test transparent et documenté publiquement avant toute adoption opérationnelle.

Prévision fondée sur l'IA en Suède — les modèles d'apprentissage automatique de la Riksbank pour la prévision du PIB et de l'inflation

Détails

Promoteur
Sveriges Riksbank, Monetary Policy Department
Période
April 2025 (Staff Memo publication)
Mots-clés
central banking, monetary policy, machine learning, macroeconomic forecasting, research transparency

Contexte

La Sveriges Riksbank, la banque centrale de la Suède, s'appuie traditionnellement sur des modèles à facteurs dynamiques et sur d'autres méthodes économétriques classiques de séries temporelles, au sein de son Département de politique monétaire, pour prévoir la croissance du PIB et l'inflation en amont des décisions de taux d'intérêt.

Objectifs

Un Staff Memo d'avril 2025 a cherché à tester si des approches d'apprentissage automatique pouvaient améliorer ces références de prévision traditionnelles, comme une étape vers des processus de prévision plus automatisés susceptibles de libérer du temps d'analyste pour le jugement et la communication.

Activités

Des chercheurs de la Riksbank (Ard den Reijer, Pär Stockhammar, David Vestin, Davide Bucci Vincenzo et Xin Zhang) ont systématiquement comparé des modèles de forêts aléatoires et de réseaux de neurones aux références traditionnelles de séries temporelles de la banque, en rétrotest (backtesting) pour la prévision du PIB et de l'inflation, en publiant ouvertement la méthodologie complète et la liste des auteurs sur riksbank.se.

Résultats

Les modèles fondés sur le ML ont mieux capté les relations non linéaires et ont offert une précision de prévision mesurablement supérieure à celle des références traditionnelles, tant pour le PIB que pour l'inflation, en rétrotest, bien qu'aucune adoption opérationnelle dans les décisions de taux d'intérêt n'ait été revendiquée.

Conclusions

Les Staff Memos de la Riksbank étant explicitement des publications de recherche « exemptes de conclusions de politique », il s'agit ici de production de preuves en amont d'une éventuelle adoption institutionnelle, et non d'une affirmation selon laquelle l'IA piloterait déjà les décisions de politique monétaire ; la publication ouverte de la méthodologie permet la reproduction et l'examen externes.

Mise en œuvre
Coût indicatif
Low (< €50k) — No budget figures disclosed; estimated as low, consistent with an internal research team producing a staff memo rather than new production infrastructure.
Délai jusqu’aux résultats
Short (< 1 year) — Published as an April 2025 Staff Memo; a short, discrete research exercise rather than a multi-year rollout.
Personnel et compétences
Named Riksbank researchers: Ard den Reijer, Pär Stockhammar, David Vestin, Davide Bucci Vincenzo, Xin Zhang, within the Monetary Policy Department

Conditions de réussite

  • Full staff memo, author list and methodology published openly on riksbank.se, enabling external replication and scrutiny
  • Framed explicitly as research free of policy conclusions, avoiding premature operational claims

Modes d’échec courants

  • Not yet claimed to be driving actual interest-rate decisions
  • No quantified accuracy improvement figures published in the cited materials

Où cela s’applique

Type de gouvernance
central bank
Échelle
national research team
Niveau de revenu
high-income

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles