Trois obstacles organisationnels
Le premier obstacle concerne les données. Une banque centrale produit et collecte des volumes considérables d'informations, mais elles sont souvent réparties entre directions, stockées dans des formats hétérogènes et gouvernées selon des règles différentes. Aucun modèle d'IA ne compense des données incomplètes, incohérentes ou inaccessibles. Avant de parler d'algorithmes, il faut savoir qui est responsable de chaque jeu de données, quel est son niveau de qualité et qui peut y accéder.
Le deuxième obstacle concerne les compétences. Les profils nécessaires sont rares : spécialistes de la donnée, ingénieurs capables de mettre des modèles en production, juristes du numérique, superviseurs formés à l'évaluation des modèles. Les banques commerciales, les opérateurs de mobile money et les fintechs recrutent les mêmes profils, souvent à des conditions plus attractives.
Le troisième obstacle concerne la gouvernance. Dans beaucoup d'institutions, personne ne porte clairement le sujet. La direction informatique le considère comme un projet technique, la direction des études comme un outil d'analyse, la supervision comme un risque à encadrer. Faute d'instance qui fixe les priorités et arbitre, les initiatives se multiplient sous forme de pilotes isolés, sans passage à l'échelle.
Trois chantiers pour se préparer
Préparer une banque centrale à l'IA suppose de conduire trois chantiers en parallèle.
→ Gouverner les données comme un actif. Cela commence par un inventaire des principaux jeux de données, la désignation d'un responsable pour chacun, des règles de qualité et d'accès, et une architecture qui permet de les croiser.
→ Construire les compétences de façon ciblée. Une petite équipe centrale d'experts, adossée à des agents métiers formés aux usages de l'IA, est souvent plus efficace qu'un recrutement massif. Les partenariats avec des universités et des réseaux de banques centrales permettent d'accélérer.
→ Installer une gouvernance de l'IA. Une instance resserrée choisit les cas d'usage prioritaires selon leur valeur pour les missions de l'institution, fixe les règles de validation des modèles et suit les risques. Elle relie les deux rôles de la banque centrale, utilisatrice et superviseur.
Une transformation qui concerne les personnes
L'IA modifie la manière de travailler des agents : la production d'une note, la préparation d'une inspection, l'analyse d'une série statistique. Elle suscite aussi des inquiétudes légitimes sur l'évolution des métiers. Une démarche qui ignore cette dimension produit des outils peu utilisés.
L'adoption se prépare comme pour toute transformation : expliquer pourquoi l'institution s'engage, associer les métiers au choix des cas d'usage, former en situation réelle et mesurer l'usage effectif des nouveaux outils.
Une question pour les dirigeants de banques centrales
Votre institution sait-elle aujourd'hui qui décide des usages de l'IA, sur quelles données ils s'appuient et avec quelles compétences ils seront conduits ? Si la réponse varie selon la direction interrogée, le premier chantier est organisationnel.
Sources
FMI, Gen-AI: Artificial Intelligence and the Future of Work, Staff Discussion Note SDN/2024/001, janvier 2024.
Banque des règlements internationaux, Rapport économique annuel 2024, chapitre III : « Artificial intelligence and the economy: implications for central banks », juin 2024.
