La Banque centrale européenne intègre désormais l’intelligence artificielle au cœur de ses processus d’analyse monétaire. Une évolution technique présentée comme un progrès par ses promoteurs, mais qui aggrave un déficit démocratique déjà structurel - et soulève des questions fondamentales sur la lisibilité du pouvoir monétaire en Europe.
Des algorithmes au service de la politique des taux
Le 6 juillet 2026, Philip Lane, économiste en chef de la Banque centrale européenne, exposait publiquement dans un discours officiel la manière dont l’intelligence artificielle est désormais intégrée dans la conduite de la politique monétaire de la zone euro. L’intervention, prononcée dans le cadre institutionnel habituel de la BCE, marque une étape : l’usage de l’IA n’est plus une expérimentation discrète, il est assumé et présenté comme un outil de pilotage à part entière.
Les applications concernées relèvent de plusieurs catégories :
- Modèles prédictifs d’inflation et de conjoncture économique, destinés à anticiper les évolutions de prix ;
- Traitement automatisé de données massives issues des marchés financiers, des chaînes d’approvisionnement et des comportements de consommation ;
- Aide à la décision sur les orientations de taux, via des systèmes capables d’agréger des signaux que les modèles économétriques traditionnels ne captaient pas.
La BCE n’est pas seule dans cette démarche. Le 2 avril 2026, Denis Beau, Premier sous-gouverneur de la Banque de France, membre de l’Eurosystème, déclarait devant des étudiants à Brest que l’institution suit « de près tous les développements susceptibles d’influencer la conjoncture économique des années à venir ainsi que les prix », et qu’en France, l’investissement dans les logiciels et les bases de données a doublé au cours de la dernière décennie - multiplié par 2,5 aux États-Unis sur la même période.
Une institution déjà hors contrôle électoral - l’IA comme couche supplémentaire d’opacité
La BCE n’est pas élue. Ses membres du directoire sont nommés par le Conseil européen, sur recommandation du Conseil de l’UE, après consultation du Parlement européen - une procédure qui ne confère aucun mandat populaire direct. Cette architecture, héritée du traité de Maastricht, a été conçue pour protéger la politique monétaire des pressions politiques à court terme. Elle a également produit une institution dont les décisions affectent les taux d’emprunt de 340 millions de citoyens de la zone euro sans que ceux-ci disposent d’un levier démocratique réel.
L’introduction de l’IA dans ce processus ajoute une couche supplémentaire d’illisibilité :
- Les modèles prédictifs mobilisés sont, par nature, des boîtes noires partielles : leurs paramètres, leurs données d’entraînement et leurs pondérations internes ne font l’objet d’aucune publication exhaustive ;
- La responsabilité d’une décision de taux devient difficilement assignable lorsqu’elle résulte d’une recommandation algorithmique ;
- Le contrôle parlementaire - déjà limité à des auditions périodiques - est encore moins outillé pour interroger la logique d’un système d’apprentissage automatique que pour évaluer un modèle économétrique classique.
« L’adoption rapide de l’IA impose aux banques centrales de s’approprier cette nouvelle technologie », déclarait la Banque des règlements internationaux (BRI) dans son Rapport économique annuel 2024 - sans que la question du contrôle démocratique de ces outils y occupe une place centrale.
La BRI reconnaît elle-même, dans ce même rapport, que « le travail des banques centrales en tant que gardiennes de l’économie sera directement affecté en tant qu’utilisatrices de première ligne des outils d’IA ». L’aveu est significatif : les institutions monétaires ne se contentent plus d’analyser l’IA comme un phénomène économique extérieur - elles s’y soumettent elles-mêmes comme opératrices.
L’impact macroéconomique de l’IA : ce que les banques centrales anticipent
Derrière la question des outils se pose celle des effets systémiques. Les banques centrales européennes suivent de près les projections sur l’impact de l’IA sur la productivité et la croissance - car ces variables conditionnent directement leurs décisions de taux.
Les chiffres disponibles dans les sources institutionnelles sont les suivants :
- Selon Cerutti et al. (2025), cités par la Banque de France, la croissance mondiale pourrait être accrue de 0,1 à 0,4 point de pourcentage par an grâce à l’IA, en raison d’une hausse de la productivité de 0,1 à 0,2 point de pourcentage par an ;
- Selon Aghion et Bunel (2024), également cités, l’adoption de l’IA au cours de la prochaine décennie pourrait augmenter la croissance annuelle de la productivité des pays développés de 0,1 à 1,2 point de pourcentage par an, avec une estimation médiane d’environ 0,7 point ;
- L’OCDE estime pour la France une fourchette comprise entre +0,3 et +1,0 point de productivité annuelle ;
- La BRI souligne par ailleurs que « avec une adoption généralisée, l’IA pourrait renforcer la capacité des entreprises à ajuster plus rapidement les prix », avec des répercussions directes sur la dynamique de l’inflation.
Sources : Banque de France, discours de Denis Beau, 2 avril 2026, citant Cerutti et al. (2025), Aghion et Bunel (2024) et les estimations OCDE pour la France.
Ces fourchettes larges révèlent une incertitude considérable - précisément celle que les algorithmes sont censés réduire. C’est dans cet espace d’incertitude que l’IA s’installe comme outil de décision, sans que les citoyens européens aient été consultés sur l’opportunité de cette délégation.
Convergence institutionnelle : BCE, BRI et agenda de la transformation numérique
L’intégration de l’IA dans les banques centrales ne se développe pas dans un vide. Elle s’inscrit dans un agenda de transformation numérique de la finance dont les grandes lignes sont coordonnées à l’échelle internationale - à travers la BRI, le FMI, et les forums de gouvernance économique mondiale.
La BRI, dans son rapport annuel 2024, formule explicitement que « l’importance accrue des données en tant que pierre angulaire de la révolution de l’IA accélère la nécessité d’une coopération entre les banques centrales ». Cette coopération renforcée implique une harmonisation croissante des outils, des standards et, en creux, des orientations de politique monétaire - au-delà des frontières nationales et des mandats démocratiques locaux.
Plusieurs observations méritent d’être retenues :
- Le FMI est cité par la Banque de France comme source de référence pour analyser les effets de l’IA sur l’investissement : depuis début 2024, le dynamisme de l’investissement des économies avancées du G20 s’expliquerait principalement par le secteur américain des semi-conducteurs et des logiciels ;
- En France, l’investissement dans la construction de centres de données a été multiplié par 2,5 au cours de la dernière décennie, selon les données citées par Denis Beau ;
- La BRI identifie le secteur financier comme « l’un des plus exposés aux avantages et aux risques de l’IA », avec des risques incluant des cyberattaques plus sophistiquées - un vecteur de vulnérabilité systémique rarement évoqué dans les communications institutionnelles.
La question de savoir qui conçoit et audite les algorithmes utilisés par la BCE reste, à ce stade, sans réponse publique satisfaisante. Les grandes institutions monétaires ne publient pas la liste de leurs fournisseurs technologiques, ni les conditions dans lesquelles des acteurs privés - entreprises technologiques américaines en premier lieu - participent à l’architecture de ces outils.
La monnaie numérique de banque centrale : l’horizon logique
L’usage de l’IA dans la politique monétaire ne peut être dissocié d’un projet plus large : celui de la monnaie numérique de banque centrale (MNBC), que la BCE développe activement sous le nom d’euro numérique. Ce projet représente l’aboutissement logique de la trajectoire décrite : une monnaie entièrement administrée par une institution non élue, dont les flux pourraient être analysés, orientés et conditionnés par des systèmes algorithmiques.
La BRI note que l’IA pourrait améliorer les systèmes de paiements - l’un des terrains d’application directs d’une MNBC. La convergence entre l’intégration de l’IA dans les outils d’analyse monétaire et le déploiement d’une monnaie numérique souveraine dessine une architecture de pouvoir monétaire inédite : centralisée, automatisée, et fondamentalement soustraite au débat démocratique ordinaire.
Conclusion
L’intégration de l’intelligence artificielle dans la conduite de la politique monétaire européenne n’est pas, en soi, une anomalie technique. Les banques centrales ont toujours utilisé des modèles quantitatifs complexes. Ce qui change, c’est l’échelle de l’opacité, la vitesse de la délégation et l’absence totale de cadre démocratique pour en débattre.
Lorsqu’une institution non élue confie une partie de ses processus décisionnels à des systèmes dont les concepteurs, les paramètres et les logiques internes restent largement inconnus du public - et de la majorité des parlementaires européens - , la question qui se pose n’est pas d’ordre technique. Elle est d’ordre constitutionnel : qui gouverne, au nom de qui, et selon quelles règles ? La réponse que dessine la trajectoire actuelle de la BCE mérite d’être posée à voix haute, avant que l’architecture soit définitivement en place.
