e-Inflation — le Système Interne d'IA et de Big Data de la Banque du Ghana pour la Prévision en Temps Réel au Service de la Politique Monétaire

En février 2025, le Gouverneur de la Banque du Ghana, le Dr Johnson Pandit Asiama, a demandé à la banque d'adopter une « approche plus proactive et précise de la gestion de l'inflation, en tirant parti de l'analyse de données avancée et de l'intelligence artificielle ». Dix-huit mois plus tard, lors de la 4e Conférence annuelle de statistique et de science des données à Tamale (27 août 2026), le Premier Vice-Gouverneur, le Dr Zakari Mumuni, a détaillé le résultat : une méthodologie interne électronique de prévision immédiate de l'inflation, e-Inflation, conçue pour réduire l'écart entre les évolutions économiques réelles et le moment où les décideurs en prennent connaissance.

e-Inflation s'ajoute au Système de prévision et d'analyse des politiques et au Modèle de projection trimestrielle déjà existants de la Banque. Des modèles d'apprentissage automatique complètent les prévisions économétriques classiques du PIB, et des analyses de fouille de texte extraient des signaux à partir de grands volumes d'informations non structurées. Côté supervision, cette même dynamique permet aux examinateurs de valider les données bancaires granulaires dès leur arrivée, plutôt que d'attendre des tableurs mensuels statiques, faisant apparaître plus tôt les risques émergents.

Plusieurs médias ghanéens (Ecofin Agency, MyJoyOnline, B&FT, GhanaWeb, Norvan Reports) ont rapporté indépendamment le même point de presse officiel, et le Dr Mumuni a déclaré que ces outils avaient « aidé la Banque à améliorer la précision de ses prévisions d'inflation, y compris les prévisions établies avant la publication des données officielles ». Aucun chiffre de précision audité de manière indépendante, comme une réduction de l'erreur absolue moyenne, n'a été publié, et Mumuni lui-même a mis en garde : « la technologie peut renforcer notre intelligence, mais elle ne supprime pas le besoin de jugement humain » — une reconnaissance publique rare des limites de l'outil par l'institution qui le déploie elle-même.