Prédire l'effet économique de l'intelligence artificielle

En mai 2026, la membre du conseil de la Réserve fédérale Lisa D Cook a prononcé une allocution thématique à l'Institut de politique économique de Stanford, exposant de manière systématique l'impact double de l'intelligence artificielle sur l'économie et le système financier américains. Cette allocution, en lien avec la conjoncture macroéconomique actuelle, s'articule autour de l'intelligence artificielle (IA), décrivant la transmission de l'engouement pour l'investissement en IA sur l'inflation, l'emploi et la croissance, analysant la valeur innovante et les risques potentiels dans le secteur financier, tout en présentant des cas pratiques de la Réserve fédérale dans l'application de l'IA pour la régulation, adoptant une attitude optimiste et prudente, proposant une voie de développement alliant innovation et gestion des risques. Le Centre de recherche en fintech de l'Université populaire de Chine a traduit la partie centrale de cette étude.

Situation macroéconomique et impact de l'intelligence artificielle

Lisa commence par analyser la situation économique américaine actuelle, en lien avec le double objectif de la Réserve fédérale, et examine les multiples effets apportés par l'IA, en s'appuyant sur la logique de mise en œuvre de la politique monétaire en cours.

(1) Inflation : choc à court terme et pression durable

L'inflation aux États-Unis est actuellement préoccupante. Au cours des douze mois jusqu'en avril 2026, l'indice des prix des dépenses de consommation personnelle (PCE, Personal Consumption Expenditures price index) a augmenté de 3,8 % en glissement annuel, un chiffre nettement supérieur à l'objectif d'inflation de 2 % fixé par la Fed. En excluant les produits alimentaires et énergétiques très volatils, l'indice des prix à la consommation de base (core PCE) a connu une hausse annuelle de 3,3 %, atteignant un nouveau sommet depuis 2023. La cause immédiate de cette hausse de l'inflation est la montée des prix du pétrole brut, provoquée par la situation en Iran. Sur le plan théorique, les conflits tarifaires et les chocs géopolitiques relèvent de perturbations à court terme, et le marché à terme du pétrole prévoit généralement une baisse des prix internationaux d'ici la fin de l'année.

Lisa insiste sur le fait que le choc de prix à court terme comporte toujours un risque d'évolution vers une inflation à moyen et long terme. Les entreprises ont tendance à intégrer cette hausse temporaire des prix dans leur tarification normale, et les travailleurs, lors des négociations salariales, prennent en compte le niveau actuel des prix, ce qui peut entraîner un risque de spirale salaire-prix. Par ailleurs, l'engouement massif pour l'investissement en IA accentue le déséquilibre entre l'offre et la demande sur le marché. À l’échelle mondiale, les entreprises ont annoncé des plans de construction de centres de données totalisant plus de 1,5 billion de dollars, dont la majorité est encore en phase de préparation. La demande d’investissement continue de faire grimper les prix des puces, des logiciels et du matériel haut de gamme en amont. Au cours de l’année écoulée, les salaires dans certains métiers liés à la construction ont fortement augmenté, tout comme les prix de l’électricité et de l’eau, qui ont augmenté d’environ 5 %. En dehors des centres de données, les investissements en actifs fixes liés à l’IA, tels que les robots, continueront de croître, exerçant une pression soutenue sur les prix à moyen et long terme.

**

(2) Marché du travail : stabilité apparente et risques profonds

**

Le marché du travail reste globalement stable. En avril 2026, le taux de chômage aux États-Unis s’établit à 4,3 %, sans fluctuation majeure depuis l’été dernier, correspondant au taux naturel de chômage, ce qui indique un équilibre global entre l’offre et la demande de main-d'œuvre. Malgré des annonces fréquentes de licenciements, le nombre de nouvelles demandes d’allocations chômage reste faible, et la situation de l’emploi demeure stable pour l’instant. Cependant, Lisa souligne que les risques de dégradation du marché du travail s’accumulent. L’incertitude économique liée aux conflits au Moyen-Orient pourrait freiner la demande globale, et les entreprises, adoptant une attitude d’attentisme, ralentissent leurs recrutements, ce qui se traduit par une faible volonté d’embauche. À long terme, l’intelligence artificielle pourrait entraîner la plus grande restructuration de l’emploi depuis plusieurs générations. Bien qu’aucun phénomène massif de chômage ne soit encore observé, la vitesse à laquelle l’IA pourrait réduire certains postes dépassera probablement celle de la création de nouveaux emplois, ce qui intensifiera la mobilité du personnel. Selon une enquête sur le crédit aux petites entreprises menée par la Fed en 2025, la majorité des petites entreprises n’ont pas encore modifié leurs coûts d’emploi en raison de l’IA, mais la plupart anticipent une transformation radicale de leur modèle opérationnel grâce à l’IA, rendant inévitable une réforme de la structure de l’emploi.

**

(3) Croissance : optimisme sur la productivité et dividendes de l’économie de la connaissance

**

Sur le plan de la croissance économique, Lisa affiche un optimisme. Au cours de l’année écoulée, le PIB américain a connu une croissance vigoureuse, et la productivité du travail a dépassé le niveau d’avant la pandémie, témoignant d’une vitalité entrepreneuriale soutenue. En s’appuyant sur la théorie de la croissance endogène, elle considère que l’IA constitue une technologie universelle de valeur révolutionnaire. Les investissements à long terme dans l’économie du savoir, amorcés depuis la Seconde Guerre mondiale, connaissent une explosion d’innovation grâce à l’IA. Lorsqu’elle sera systématiquement intégrée dans les processus de production des entreprises, la productivité du travail sera encore renforcée, soutenant la croissance économique américaine à court et moyen terme.

**

(4) Politique monétaire : statu quo prudent, tendance à la contraction

**

En se basant sur une évaluation globale de l’économie, Lisa expose la stratégie monétaire actuelle. La meilleure option, du point de vue de la gestion des risques, est de maintenir le taux directeur inchangé. La structure des risques liés à l’économie n’est pas équilibrée : le principal problème demeure la pression inflationniste. Selon les prévisions de référence, l’inflation devrait diminuer progressivement dans les prochains mois, et le marché du travail rester stable, ce qui ne justifie pas pour l’instant une modification des taux. Cependant, la Fed a maintenu une inflation supérieure à l’objectif pendant cinq années consécutives. Si cette inflation élevée se pérennise dans les mécanismes de fixation des prix et des salaires, cela pourrait engendrer des risques à long terme. Lisa précise que si l’inflation ne baisse pas comme prévu, la Fed pourrait relever ses taux ; à l’inverse, en cas de dégradation significative du marché du travail, elle pourrait réduire ses taux, en adaptant sa politique en fonction des données économiques.

Opportunités de développement offertes par l’IA au système financier

En évoquant la valeur de l’IA pour le système financier, Lisa indique que l’IA peut améliorer globalement la productivité, accélérer la diffusion des innovations, favoriser la naissance de nouvelles entreprises et la création d’emplois, contribuant ainsi à atténuer la pression inflationniste à l’échelle macroéconomique. La Fed privilégie une approche innovante d’expérimentation, s’inspirant de l’expérience de la Silicon Valley, en créant un réseau de recherche sur l’économie des nouvelles technologies, partageant dans tout le système fédéral ses résultats de recherche et ses expériences concrètes d’application de l’IA, tout en encourageant ses agents à explorer de nouvelles directions d’utilisation de l’IA, dans un esprit d’innovation et d’acceptation de l’erreur. À ce stade, le secteur financier a déjà commencé à appliquer l’IA dans ses activités traditionnelles à forte intensité de main-d'œuvre et de ressources, telles que la vérification de conformité, les centres d’appels clients ou les opérations en back-office, avec des gains d’efficacité notables. Les outils d’IA rendent également l’analyse de données plus efficace et flexible. Grâce à la technologie de codage intelligent, les institutions financières peuvent résoudre des problèmes de mise à jour de codes anciens (legacy code) et d’intégration de systèmes. De plus, les grandes entreprises technologiques et financières utilisent l’IA pour détecter proactivement les vulnérabilités cybernétiques, renforçant la sécurité de leurs systèmes. Sur le long terme, l’IA offre un vaste potentiel de transformation du secteur financier : création de produits financiers sur mesure, conception de services différenciés selon les besoins des clients, couverture d’un plus large public par des produits complexes, outils d’analyse pour aider les investisseurs particuliers à repérer plus tôt les tendances du marché et les risques potentiels, et une meilleure efficacité opérationnelle qui pourrait canaliser davantage de fonds vers le crédit et l’investissement, dynamisant ainsi l’économie réelle et favorisant un cycle économique vertueux.

Risques financiers liés à l’IA et fragilités du système

Lisa souligne également que toute innovation technologique comporte des risques. Sans régulation et contrôle efficaces, l’IA pourrait amplifier les faiblesses existantes du système financier et engendrer de nouveaux risques. Les risques liés à l’IA dans la finance se répartissent en quatre catégories principales.

La première concerne le risque de marché lié au trading algorithmique piloté par l’IA. Les algorithmes traditionnels, basés sur des codes fixes et des règles simples, effectuent des transactions à haute fréquence, mais leur mode de fonctionnement est rigide. En revanche, l’IA générative et l’apprentissage automatique ont la capacité d’apprendre de manière autonome, en utilisant des données historiques, des informations en temps réel et des textes non structurés pour ajuster dynamiquement leurs stratégies de trading. Ces nouveaux modes de trading peuvent entraîner une convergence des comportements de marché, favoriser la collusion endogène, réduire la barrière à la manipulation du marché, accroître la concentration du marché, perturber l’ordre normal et menacer la stabilité financière.

La deuxième concerne la transmission des changements sectoriels vers le marché du crédit. La disruption de certains secteurs traditionnels par l’IA se traduit déjà dans le marché obligataire. La reconfiguration sectorielle entraîne une augmentation des écarts de crédit (spread) pour les obligations spéculatives (junk bonds) dans le secteur technologique. Après le lancement de produits ciblés par une grande entreprise d’IA, la crainte de dégradation des actifs de crédit s’est accrue, provoquant des retraits massifs de fonds, affectant aussi bien les obligations négociables en marché qu’en dehors, notamment les obligations perpétuelles de sociétés de développement.

La troisième concerne le risque de levier financier accru par la dette liée à l’infrastructure IA. Pour financer la construction de centres de données et autres équipements, de nombreuses entreprises technologiques empruntent sur les marchés obligataires, notamment en émettant des obligations de qualité investment-grade, tandis que des opérateurs de centres de données de taille moyenne recourent à des financements privés ou à des marchés de titrisation. La croissance de l’endettement dans ces secteurs augmente le levier financier, ce qui pourrait accumuler des risques systémiques. Lisa note que, bien que le niveau global de levier ne soit pas encore au niveau de la crise financière mondiale, la tendance à l’émission désordonnée de dettes doit être surveillée de près.

La quatrième concerne la cybersécurité, domaine aujourd’hui au centre des préoccupations. La montée en puissance des grands modèles de langage (LLM, Large Language Models) et des agents intelligents permet de renforcer la sécurité, mais aussi d’être exploité à des fins malveillantes. Par exemple, Mythos, un modèle développé par Anthropic, peut identifier des vulnérabilités logicielles auparavant indétectables. Si des hackers s’en emparent, cela pourrait gravement compromettre la sécurité des institutions financières et des infrastructures critiques. Par ailleurs, la facilité accrue de rédaction de code par l’IA entraîne une explosion du volume de logiciels, ce qui alourdit la charge des contrôles de sécurité existants. Les défaillances logicielles, même non malveillantes, peuvent provoquer des interruptions de service financier. Cependant, l’IA peut aussi renforcer la défense contre ces attaques, créant un jeu d’équilibre entre attaque et défense, avec une montée en puissance simultanée des techniques de sécurité.

Pratiques de la Fed dans l’application de l’IA

Lisa détaille les initiatives de la Fed en matière d’IA. La Federal Open Market Committee (FOMC) n’utilise pas encore l’IA pour fixer la politique monétaire, mais ses départements ont déjà intégré largement l’IA dans la surveillance de la stabilité financière et l’analyse des risques. Grâce à des outils intelligents développés en interne, la régulation peut mieux repérer les nouveaux risques liés à l’IA et détecter des vulnérabilités que les méthodes traditionnelles pourraient manquer.

Les pratiques de la Fed en matière d’IA se divisent en deux axes. Le premier consiste à constituer des équipes spécialisées pour étudier les opportunités et risques liés à la cybersécurité, à l’IA et au calcul quantique. Ces équipes utilisent des modèles de langage pour réaliser des simulations, notamment pour analyser l’impact de l’IA générative sur le comportement des investisseurs. Les résultats montrent que les agents IA, s’appuyant sur des données et une logique, ont tendance à réduire l’effet de troupeau (animal spirits) et à limiter la formation de bulles. Ces équipes ont aussi développé des modèles légers grâce à la distillation active de connaissances, permettant de réduire de 80 % la consommation de calcul tout en maintenant la précision de classification, facilitant ainsi le traitement de documents réglementaires, de rapports financiers et de nouvelles non structurées. En outre, en utilisant le traitement du langage naturel, elles ont analysé des dizaines d’années de textes du Beige Book, confirmant que l’analyse du sentiment dans ces textes peut anticiper efficacement une récession, améliorant la capacité de détection des risques macroéconomiques.

Le second axe consiste à organiser des exercices pratiques avec les membres du Conseil de la Fed et des 12 banques régionales, pour expérimenter l’utilisation de l’IA dans l’analyse de la stabilité financière. Ces agents IA, capables de raisonner, de choisir des méthodes d’analyse et d’accomplir des tâches complexes de manière autonome, surpassent largement l’analyse humaine dans la détection des risques liés aux réseaux financiers. En raison de limitations en main-d'œuvre et en puissance de calcul, il est difficile pour les méthodes traditionnelles d’analyser en détail la structure complexe des réseaux financiers. L’IA, en revanche, peut effectuer des vérifications systémiques, simuler en masse différents scénarios de stabilité financière, et réduire considérablement le temps et les efforts nécessaires. Pour éviter les erreurs de jugement des algorithmes, la Fed a mis en place des mécanismes de vérification croisée, intégrant plusieurs agents IA pour une validation mutuelle, ainsi qu’un contrôle humain final, s’inspirant des processus de réflexion et de recherche académique, afin d’assurer à la fois efficacité et fiabilité.

Conclusion et position de développement

Enfin, Lisa affirme que le développement de l’IA doit s’appuyer sur trois piliers : l’expérimentation, la régulation et la gestion des risques. La course à l’intégration de l’IA dans les institutions financières et les entreprises technologiques s’accélère, et seule une compréhension approfondie de leur fonctionnement permettra aux régulateurs d’anticiper les risques et de guider un développement sain.

L’IA, avec ses capacités analytiques puissantes, peut étendre le champ d’action de l’humain, mais ses avantages doivent être encadrés par une gouvernance solide. La meilleure pratique actuelle consiste à privilégier la collaboration homme-machine, en utilisant l’IA pour renforcer le jugement humain, tout en intégrant des mécanismes de vérification dans le système pour éviter les biais et erreurs de décision. En cette période de transformation technologique, la Fed reste optimiste quant à l’avenir de l’IA, tout en adoptant une approche prudente, encourageant l’innovation tout en préservant la stabilité macroéconomique et financière.