Integrating Non-traditional Data and AI into Central Banking: A Canadian Perspective

Les progrès rapides de l’intelligence artificielle (IA) – notamment l’apprentissage automatique, le traitement du langage naturel et l’IA générative – augmentent la capacité d’extraire des renseignements pertinents à partir de sources de données non traditionnelles comme les textes, les discours, les images et les transactions en temps réel. Ils renforcent ainsi l’analyse des politiques et la prise de décisions opérationnelles. Les outils d’IA permettent aussi de recourir à des approches analytiques plus sophistiquées pour étudier la dynamique économique tout en créant des occasions d’améliorer l’efficience des processus et des opérations à l’échelle institutionnelle. Cette étude rend compte de l’utilisation croissante des données non traditionnelles et de l’IA à la Banque du Canada, ainsi que de leur contribution à la richesse des analyses et à l’efficience opérationnelle. L’expérience met en lumière des considérations essentielles pour accélérer l’intégration responsable de l’IA dans les activités des banques centrales, notamment l’évolution des méthodes de travail et des cheminements de carrière, le développement d’un écosystème d’innovation robuste et la gestion des risques émergents. Une stratégie d’IA efficace repose sur un juste équilibre entre l’innovation et la confiance, la transparence, la sécurité, la reproductibilité, la saine gouvernance des modèles, la résidence des données et la gestion efficace des risques opérationnels.