La RBA a développé un outil de TAL exploitant 25 ans de quelque 22 000 comptes rendus d'entretiens ; intégré aux modèles de prévision salariale, il a réduit les erreurs de prévision, code publié pour d'autres banques centrales.
Détails
Maturité
Établie
Promoteur
Reserve Bank of Australia
Période
2025-2026
Mots-clés
central banking, monetary policy, economic research, natural language processing
Contexte
Depuis 2001, le programme de liaison de la Reserve Bank of Australia envoie du personnel interroger environ 22 000 entreprises, organisations professionnelles et associations communautaires, constituant ainsi une archive de 25 ans de notes qualitatives sur les salaires, les prix, l'investissement et la conjoncture des affaires, utilisée pour éclairer la politique monétaire. La recherche manuelle dans cette vaste archive en texte libre limitait la capacité de la RBA à en extraire des signaux de façon systématique.
Objectifs
Le document de travail RBA 2025-06 (Gray, Lattimore, McLoughlin et Windsor, août 2025) décrit la mise au point d'un système de TAL permettant de parcourir l'intégralité de l'archive de liaison à la demande, de classer le sujet et le ton de chaque note, et d'extraire directement du texte libre des chiffres précis — comme la croissance des salaires ou des prix autodéclarée par une entreprise.
Activités
L'équipe a validé les extractions de l'outil par rapport à des repères codés manuellement par des humains, puis a testé si les indicateurs issus des notes de liaison amélioraient les modèles de prévision à court terme (nowcasting) de la croissance salariale. La RBA a publié son code en accès libre afin que d'autres banques centrales puissent adapter cette approche.
Résultats
L'ajout des signaux dérivés de l'IA aux modèles de nowcasting de la croissance salariale a réduit de façon significative les erreurs de prévision, dans des proportions notables, par rapport aux approches de référence. À la publication de l'article, aucune autre banque centrale n'avait encore signalé avoir adopté le code publié.
Conclusions
Les auteurs soulignent que, malgré de solides performances quantitatives, il restera toujours essentiel que les économistes utilisant l'outil interrogent, valident et exercent leur jugement sur ses résultats plutôt que de les considérer comme une vérité absolue. Il s'agit d'une évaluation de recherche interne à une seule institution, non d'un essai répliqué de façon externe.
Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
RBA in-house economic research team (Gray, Lattimore, McLoughlin, Windsor)
Conditions de réussite
AI extractions validated against human-coded benchmarks before use in forecasting
Explicit institutional guidance that economists must interrogate, validate and apply judgement to model outputs rather than treat them as ground truth
Open-sourcing the code to enable external scrutiny and adaptation by other central banks
Habituellement financé par
National / regional programmes
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ?
Revendiquez-la —
les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
Sources de données
D'où proviennent les informations de cette pratique, et quand.