Pourquoi une banque centrale devrait-elle s’intéresser à l’intelligence artificielle ? L’exemple de la Banque de France

1 Les banques centrales se saisissent de l’intelligence artificielle 

Associée à des volumes massifs de données, nécessaires à l’entraînement des modèles, l’intelligence artificielle (IA) constitue une innovation de rupture au potentiel considé-rable. Elle est devenue un puissant moteur d’innovation, tant pour les processus internes des banques centrales que pour les transformations de leur écosystème. Aux modèles analytiques répondant à des tâches ciblées s’ajoutent désormais les algorithmes d’IA générative capables d’imiter les raisonnements humains. Grâce aux grands modèles de langage (large language models, LLM), une requête formulée en langage naturel reçoit rapidement une réponse automatisée. Leur essor, depuis 2022, facilite l’interaction homme-machine. 

La montée en puissance de l’IA a captivé le public, avec l’apparition d’outils d’IA générative comme ChatGPT fin 2022, suivi notamment de Gemini, Mistral, Claude ou encore DeepSeek en 2023. Un sondage mondial (Singla et al., 2025) fait état d’une progression fulgurante : ainsi, en juillet 2024, 71 % des entreprises recouraient à l’IA générative dans au moins une fonction métier, contre 33 % en 2023. Un sondage interne à la Banque de France en 2025 conclut que 45 % des répon dants sont utilisateurs des assistants conversationnels grand public moins d’un an après leur déploiement. 

Les banques centrales ont investi le champ des données massives (big data), de la science des données et de l’IA bien avant l’essor de l’IA générative. Elles ont mobilisé les domaines de l’apprentissage automatique (machine learning) et de l’apprentissage profond (deep learning, réseaux de neurones profonds), de la classification et du traitement automatique du langage. Entre 2000 et 2025, l’augmentation du nombre d’articles indexés par Google Scholar traduit l’amplification de la recherche académique en matière d’IA liée aux banques centrales (cf. graphique). 

Les potentialités de l’IA générative sont vastes : Korinek (2023) recense plus de 25 cas d’usage pour les économistes (idéation, modélisation, simulation d’agents, génération de données fictives, etc.), la plupart étant transposables à d’autres métiers. 

D’après les enquêtes de la Banque des règlements internationaux (BRI ; Araujo et al., 2025), les banques centrales concentrent aujourd’hui leurs usages de l’IA sur des domaines à forte valeur ajoutée : agents conversationnels, rédaction et synthèse de documents, génération de code, recherche économique, production statistique. À moyen terme, les gains les plus importants sont attendus dans la cybersécurité (détection des menaces et suivi des risques améliorés), ainsi que dans l’analyse des données, les prévisions et l’automatisation de processus (cf. encadré 1). L’IA offre un moyen d’accroître la productivité et d’automatiser les tâches répétitives.

...