Nowcasting Inflation Using Online Prices
Cette étude démontre qu'un indice quotidien des prix alimentaires, construit à partir de 150 millions d'entrées de vente au détail en ligne à l'aide de modèles de langage basés sur les transformers, peut désormais prédire efficacement les taux d'inflation officiels turcs, particulièrement durant les périodes de faible inflation et de stabilité, bien que la corrélation s'affaiblisse lors des pics d'inflation.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayiez de deviner le score final d'un match de football avant que l'arbitre ne siffle la fin du match. Habituellement, vous devez attendre que la partie soit complètement terminée et que les statistiques officielles soient publiées pour connaître le véritable score. Dans le monde de l'économie, ce « score final » est le taux d'inflation (combien les prix ont augmenté), et les « statistiques officielles » proviennent de l'organisme statistique du gouvernement (TurkStat), qui publie les données avec un mois de retard.
Ce document traite d'une équipe de chercheurs qui ont construit un tableau d'affichage en temps réel utilisant les prix en ligne pour prédire ce score officiel plus tôt.
Voici comment ils ont procédé, décomposé en étapes simples :
1. Le problème : La « lettre par la poste » contre le « flux en direct »
Les chiffres officiels de l'inflation sont comme une lettre envoyée par courrier postal. Le gouvernement envoie des équipes de personnes dans les magasins pour noter les prix, ou ils scannent des reçus de magasins physiques. Cela prend du temps. Au moment où le gouvernement publie le chiffre, il date déjà d'un mois.
Les chercheurs voulaient un « flux en direct ». Ils ont décidé de surveiller les prix sur cinq grands sites de vente de produits alimentaires en ligne en Turquie chaque jour. Ils ont collecté entre 50 000 et 70 000 étiquettes de prix chaque jour pendant plus de sept ans. C'est une quantité massive de données — environ 150 millions de points de données au total.
2. Le défi : La « bibliothèque désordonnée »
Imaginez entrer dans une bibliothèque où les livres sont éparpillés partout. Certains livres sont étiquetés « Alimentation », mais à l'intérieur de ce tas, vous trouvez un livre sur les « Filtres à café » mélangé avec des « Grains d'espresso ». Certains articles sont étiquetés « Lait », mais il s'agit en réalité de « Boissons à l'avoine ».
Les sites web que les chercheurs ont extraits présentaient des problèmes similaires. Les catégories étaient désordonnées, incohérentes ou simplement fausses. Si ils cherchaient simplement le mot « Café », ils pourraient accidentellement compter le prix d'un filtre à café comme le prix de grains de café.
3. La solution : Le « Bibliothécaire Intelligent » (IA)
Pour régler le problème de la bibliothèque désordonnée, les chercheurs n'ont pas embauché des humains pour trier chaque article (cela aurait pris une éternité). À la place, ils ont construit un Bibliothécaire Intelligent utilisant l'Intelligence Artificielle (plus précisément, un type d'IA appelé NLP ou Traitement du Langage Naturel).
- Entraîner le bibliothécaire : Ils ont d'abord trié manuellement environ 150 000 articles pour apprendre à l'IA à quoi ressemble réellement des « Grains de café » par rapport à des « Filtres à café ».
- Le résultat : L'IA a appris à lire les noms de produits et à les trier correctement avec une précision de 95 %.
- Le travail : Une fois entraîné, ce bibliothécaire IA est parti au travail chaque jour, triant instantanément 50 000 à 70 000 nouveaux articles, en les organisant dans les mêmes catégories exactes utilisées par le gouvernement.
4. Construire le « Tableau de bord quotidien »
Une fois que l'IA a trié les prix, les chercheurs ont construit leur propre Indice quotidien des prix alimentaires.
- Ils ont utilisé les mêmes calculs et les mêmes « poids » (importance de différents aliments) que le gouvernement utilise.
- Au lieu d'attendre un mois, ils ont mis à jour cet indice chaque jour.
5. Ce qu'ils ont découvert : L'effet « Prévisions météo »
Lorsqu'ils ont comparé leur indice quotidien en ligne à l'indice mensuel officiel du gouvernement, ils ont découvert deux choses intéressantes :
- Quand la météo est calme (Faible inflation) : Les deux scores concordaient parfaitement. Si les prix étaient stables, les prix en ligne ressemblaient aux prix hors ligne.
- Quand la tempête frappe (Inflation élevée) : Lorsque l'inflation a commencé à monter en flèche (atteignant 85 % en Turquie), les deux scores ont commencé à diverger. Les prix en ligne bougeaient différemment des prix officiels hors ligne.
- La métaphore : C'est comme une application météo qui pourrait prédire la pluie en se basant sur des données satellites, tandis que les gens au sol voient encore un ciel dégagé. Pendant les périodes chaotiques, le « flux en direct » (en ligne) et le « rapport officiel » (hors ligne) racontent des histoires différentes.
6. La grande victoire : Prédire le futur (Nowcasting)
La partie la plus importante du document est le Nowcasting. Cela signifie prédire le chiffre officiel avant que le gouvernement ne le publie.
Les chercheurs ont utilisé leurs données quotidiennes en ligne, combinées à d'autres indices économiques (comme les taux de change et les taux d'intérêt), pour deviner quel serait le chiffre de l'inflation officielle à la fin du mois. Ils ont testé cela en utilisant de nombreux modèles informatiques différents (comme une équipe de différents pronostiqueurs).
- En début de mois (Jour 2 ou 15) : Les données en ligne étaient un peu « bruyantes » et n'aidaient pas beaucoup. C'était comme essayer de deviner le score final d'un match de football après seulement 10 minutes de jeu ; les données étaient trop chaotiques.
- En fin de mois (Jour 22) : Une fois qu'ils avaient collecté les données pour la majeure partie du mois, les prix en ligne sont devenus une puissante boule de cristal. L'ajout des données en ligne à leurs modèles rendait leurs prédictions nettement plus précises.
L'essentiel
Le document conclut que, bien que les prix en ligne soient utiles pour obtenir un aperçu rapide de l'inflation, ils sont surtout précieux lorsqu'ils sont utilisés pour prédire le chiffre officiel en fin de mois.
Cependant, il y a un bémol : lorsque l'inflation devient très élevée et chaotique, les prix en ligne et les prix des magasins physiques commencent à s'écarter. Cela suggère que lors de périodes économiques folles, le gouvernement pourrait avoir besoin de s'appuyer davantage sur les données en ligne pour obtenir une image réelle de ce qui se passe, plutôt que de simplement s'en tenir à ses anciennes méthodes.
En bref : Ils ont construit un traqueur de prix ultra-rapide, propulsé par l'IA, qui peut deviner le rapport d'inflation du gouvernement un mois à l'avance, mais qui fonctionne mieux lorsque l'économie est un peu stabilisée et que le mois touche à sa fin.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.