Discours de la BNS au test de l'IA : plus courts, pas plus efficaces

La Banque nationale suisse ne parle plus aujourd'hui de politique monétaire comme il y a des décennies. Sur le long terme, ses discours sont devenus plus courts, plus accessibles sur le plan linguistique et davantage centrés sur l'inflation. C'est la conclusion de Severin Joho et Enzo Rossi dans une étude de travail de la BNS publiée le 23 octobre 2026. Pour analyser 1063 discours en allemand prononcés entre 1928 et 2024, ils ont comparé l'analyse linguistique assistée par ordinateur classique avec ChatGPT.

Ce travail décrit une évolution historique, non la situation actuelle de la politique monétaire. Il ne prédit pas la prochaine décision sur le taux directeur et ne démontre pas non plus que des discours plus simples pilotent mieux l'inflation. En tant que working paper, il reflète en outre les opinions des auteurs, pas nécessairement celles de la Banque nationale. Ce sont justement ces limites qui rendent la comparaison utile au débat public.

Ce que révèlent près de cent ans d'archives

Depuis le milieu des années 1950, le nombre de discours annuels a d'abord augmenté. Après le passage aux taux de change flexibles, cette évolution s'est accélérée. La tendance historique n'est toutefois pas une croissance ininterrompue jusqu'à aujourd'hui : après la crise financière mondiale, la fréquence des discours a de nouveau reculé. Les changements de format de communication influencent eux aussi le nombre de documents individuels recensés.

L'étude distingue notamment les allocutions aux assemblées générales, les remarques introductives aux évaluations de la situation de politique monétaire et d'autres discours. Cela va au-delà d'une simple question d'archives. Une brève déclaration commune peut produire moins de documents que trois exposés séparés, sans que la population reçoive pour autant moins d'informations. Le nombre brut n'est pas une mesure de transparence ni de qualité.

La collection étudiée ne comprend que des textes allemands. Les auteurs signalent l'existence de discours supplémentaires en français, en anglais et en italien, qui n'entrent pas dans l'analyse principale. Le matériel est donc large, mais toutes les prises de parole de la BNS depuis sa fondation ne sont pas saisies. Une statistique linguistique doit exposer le choix de son corpus autant que sa méthode de calcul.

Pourquoi la comparaison avec l'ordinateur compte

Les chercheurs ont d'abord nettoyé les documents des en-têtes, des numéros de page et d'autres éléments de mise en page. Ils ont ensuite calculé le nombre de mots et des indices de lisibilité avec Python, puis fait réaliser les analyses correspondantes par ChatGPT. Les deux approches ont produit des schémas temporels similaires pour plusieurs indicateurs. Elles n'ont cependant pas livré de résultats identiques.

C'est particulièrement net pour la formule de lisibilité de Vienne (Wiener Sachtextformel), une mesure de la difficulté linguistique. Dans le tableau comparatif publié, la corrélation entre les deux procédés y atteint 0,728, contre 0,996 pour l'indice Amstad germanophone. Une corrélation élevée signifie des évolutions similaires, pas nécessairement des valeurs identiques. Les comptages de mots divergeaient eux aussi.