Investir : « L’intelligence artificielle : quels enjeux pour les banques centrales ? »

L’intelligence artificielle s’impose aujourd’hui dans toutes les conversations, y compris celles des banques centrales : l’IA s’est ainsi invitée au programme du Forum de la BCE à Sintra fin juin comme un sujet incontournable. L’IA n’est ni une menace à conjurer par principe ni une finalité à poursuivre en soi, mais un instrument dont les effets dépendront de ses usages, de notre capacité à la maîtriser et du cadre de gouvernance mis en place. Pour les banques centrales, l’enjeu est double : il s’agit d’évaluer l’impact de l’IA sur la croissance et sur la stabilité des prix et de maîtriser les risques que pourrait susciter le développement de l’IA sur la stabilité financière.

Quels enjeux pour la politique monétaire ?

L’impact de l’IA sur la croissance est difficile à estimer, car il emprunte une grande variété de canaux, tant du côté de l’offre que de la demande. Trois enseignements principaux se dégagent néanmoins des données et des travaux récents.

Tout d’abord, les effets à court terme sur l’investissement sont substantiels, notamment aux États-Unis, à l’avant-garde du développement de l’IA. D’après le FMI, le dynamisme de l’investissement des économies avancées du G20 depuis début 2024 s’explique principalement par celui du secteur américain des semi-conducteurs et des logiciels. En France, cette tendance est également marquée : l’investissement dans les logiciels et les bases de données a doublé au cours de la dernière décennie, tandis que l’investissement dans les centres de données a été multiplié par 2,5.

À moyen terme, l’IA devrait aussi avoir un impact positif sur la productivité. Ainsi, les économistes français Philippe Aghion et Simon Bunel estiment qu’au cours de la prochaine décennie, l’IA pourrait accroître la croissance annuelle de la productivité des pays développés de 0,1 à 1,2 point de pourcentage par an, en fonction du rythme et de l’ampleur de son adoption, avec une estimation médiane d’environ 0,7 point. 

En revanche, les effets de l’adoption de l’IA sur le marché du travail demeurent à ce stade limités et incertains. Une analyse sur données françaises portant sur la période 2017-2020 suggère que les effets de l’adoption de l’IA sur l’emploi devraient être positifs à horizon de quatre ans. Mais des recompositions sont à prévoir : d’après des travaux récents, les déplacements de travailleurs pourraient s’intensifier dans les années à venir. Les résultats d’une enquête de la Banque de France menée auprès des entreprises françaises, qui seront publiés prochainement, suggèrent par ailleurs que l’IA est perçue moins comme une source immédiate d’économies que comme une technologie dont les effets dépendront d’investissements complémentaires et d’adaptations organisationnelles. 

En agissant à la fois sur les variables d’offre et de demande, l’IA rend particulièrement incertain son effet global sur l’inflation et sur le taux neutre (r*), c’est-à-dire le taux d’intérêt nominal permettant de maintenir une inflation stable avec un niveau de demande compatible avec le plein emploi. En outre, ses effets peuvent porter non seulement sur le niveau de l’inflation, mais aussi sur sa volatilité. À court terme, du fait des dépenses en capital qu’elle suscite, l’IA pourrait être inflationniste. Elle pourrait ensuite grâce aux gains de productivité qu’elle emporte se révéler déflationniste. 

Dès lors, quelles conséquences tirer de ces observations pour la conduite de la politique monétaire ? À ce stade, aucune ne s’impose pour la zone euro. L’adoption de l’IA constitue l’une des transformations structurelles en cours – au même titre que le changement climatique ou le vieillissement de la population – qui affectent l’offre de long terme de l’économie et la croissance potentielle. Elle constitue donc un élément important à prendre en compte pour comprendre les conditions de l’offre, sans pour autant présenter de caractéristiques spécifiques justifiant une modification de la fonction de réaction de notre politique monétaire.
Toutefois pour les banques centrales, au-delà de son impact sur la croissance, il convient d’évaluer l’impact de l’IA sur la stabilité financière et les risques qu’elle pourrait engendrer.

Quels enjeux pour la stabilité financière ? 

Une récente enquête de l’Autorité de contrôle prudentiel et de résolution (ACPR) montre que la quasi-totalité des banques et organismes d’assurance en France utilise désormais l’IA, pour personnaliser les services aux clients, optimiser leurs processus internes ou améliorer la gestion des risques. L’IA peut aussi permettre de renforcer la sécurité, en matière de lutte contre le blanchiment de capitaux et le financement du terrorisme (LCB-FT) et de lutte contre la fraude. 

L’IA est cependant porteuse de risques nouveaux pour la stabilité financière. La dépendance à des fournisseurs tiers – cloud, modèles, infrastructures de calcul, bases de données – accroît les risques opérationnels et de concentration, tout en soulevant un enjeu de souveraineté. Sur le plan cyber, l’émergence de modèles avancés capables d’identifier rapidement des failles critiques à des fins offensives, à l’instar de Claude Mythos, constitue un basculement. L’utilisation des mêmes types d’outils pourrait aussi accroître les comportements moutonniers ; il en résulterait davantage de volatilité et de procyclicité. Enfin, l’IA suscite des interrogations en matière d’explicabilité et d’équité : les établissements doivent être en mesure d’expliquer les décisions prises avec l’appui de ces systèmes, et d’en contrôler les biais éventuels. 

Ces risques justifient un encadrement spécifique, mais pas entièrement distinct de la réglementation financière existante. La réglementation bancaire et assurantielle est technologiquement neutre : ses exigences de maîtrise des risques, de contrôle interne, de résilience opérationnelle ou de protection de la clientèle s’appliquent quel que soit l’outil utilisé. C’est donc naturellement que cette règlementation s’applique aux algorithmes d’IA du secteur financier. Par exemple, en matière de résilience opérationnelle numérique, le paquet « DORA » encadre notamment le risque cyber lié à l’IA. L’enjeu est donc d’articuler ce cadre sectoriel avec le Règlement européen sur l’IA – dont les dispositions les plus importantes entreront en application en décembre 2027 –, qui introduit un encadrement horizontal des systèmes d’IA. Il concernera le secteur financier principalement pour deux cas d’usage à « haut risque » : l’évaluation de la solvabilité des personnes physiques, et l’évaluation des risques et la tarification en assurance santé et en assurance-vie. L’ACPR devrait se voir confier le rôle d’autorité de surveillance du marché, chargée de veiller à la surveillance des systèmes à haut risque du secteur financier.

Le Règlement IA ne saurait toutefois constituer l’unique cadre de surveillance de l’IA financière. Son champ « à haut risque » ne couvre qu’une partie des usages sensibles, alors même que des risques peuvent naître de systèmes situés hors de ce périmètre. Pour l’ACPR, l’enjeu est donc de développer une supervision fondée sur les risques, proportionnée et intégrée aux contrôles existants, couvrant un ensemble plus large de systèmes d’IA et évaluant non seulement leur gouvernance, mais aussi leurs caractéristiques techniques (performance, robustesse, cybersécurité, explicabilité, maîtrise des biais).

Enfin, l’IA n’affecte pas seulement les objectifs de la Banque de France et de l’ACPR ; elle transforme aussi les moyens qu’elle mobilise pour les atteindre. À travers la mission “Banque Innovante”, lancée en 2026, la Banque de France entend faire de l’IA un levier structurant de modernisation, en assurant une gouvernance claire, en simplifiant et automatisant ses processus, et en rendant ces outils accessibles à tous dans un cadre sécurisé et souverain. L’outil LUCIA permet par exemple à l’ACPR, au cours de ses contrôles sur place, d’évaluer la performance et la pertinence des modèles de LCB-FT développés par les banques, en analysant de larges volumes d’opérations bancaires. Un autre outil, ScoreIA, incorporé dans l’application d’aide à la cotation des entreprises, fournit un appui à la décision aux analystes de la Banque de France dans les territoires.