Modèle d'Inflation Enrichi par le Sentiment de la CBN — la Banque Centrale du Nigeria Ajoute l'Exploration de Texte par Apprentissage Automatique à Son Système de Prévision

Depuis 2022, le département de recherche de la Banque centrale du Nigeria (CBN) explore l'enrichissement de son modèle existant de prévision d'inflation à court terme (STIF) au moyen d'un indice de sentiment issu de l'apprentissage automatique, construit par exploration de texte de sources publiques, après que la COVID-19 et la guerre russo-ukrainienne ont déstabilisé la fiabilité de ses prévisions économétriques établies.
Les chercheurs de la CBN Adebiyi, Adenuga, Olusegun et Mbutor ont calculé un indice de sentiment au moyen de méthodes d'exploration de texte par apprentissage automatique et ont testé si son ajout améliorait les prévisions du modèle STIF pour l'inflation globale, sous-jacente et alimentaire, publiant les résultats dans la revue à comité de lecture de la Banque, Economic and Financial Review (Vol. 60, n° 1, 2022).
L'étude a constaté que les spécifications du STIF incluant l'indice de sentiment surpassaient celles qui l'excluaient, tant dans les tests à l'intérieur qu'à l'extérieur de l'échantillon, pour toutes les composantes de l'inflation, ce qui a conduit les auteurs à recommander la prévision fondée sur le sentiment, associée à des indications prospectives de type « open mouth operations ». Une étude ultérieure et méthodologiquement indépendante, menée en 2025 par des chercheurs de la Federal University Dutsin-Ma à partir de la même série mensuelle d'inflation CBN/Bureau national des statistiques (2000-2024), a quantifié l'ampleur de l'écart entre les approches traditionnelles et celles assistées par le ML : l'ARIMA seul a produit une erreur moyenne absolue en pourcentage (MAPE) de 37,74 %, un réseau de neurones artificiels seul l'a réduite à 0,059 %, et un modèle hybride ARIMA-ANN a obtenu l'erreur la plus faible, à 0,054 %.
Aucune des deux études ne constitue un rapport de précision audité de manière indépendante sur les opérations de prévision en production de la CBN, et le référentiel universitaire de 2025 est un exercice académique distinct, non une validation du modèle interne spécifique de la CBN ; ces chiffres d'amélioration doivent être lus comme la preuve que les approches enrichies par apprentissage automatique conviennent bien aux données d'inflation du Nigeria, et non comme la précision publiée du modèle en production propre à la CBN.