Conférence dans le cadre des Congrès scientifiques mondiaux TimeWorld : TimeWorld expose et anime la connaissance sous toutes ses formes, théorique, appliquée et prospective. TimeWorld propose un état de l'art sur une thématique majeure, avec une approche multiculturelle et interdisciplinaire. C'est l'opportunité de rencontres entre chercheurs, industriels, universitaires, artistes et grand public pour faire émerger des idées en science et construire de nouveaux projets.
https://timeworldevent.com/fr/
------------------------------------------------------------------------
Philippe Goulet Coulombe est professeur d’économie à l'Université du Québec à Montréal (UQÀM) et est responsable de l’axe Observatoire macroéconomique de la Chaire en Macroéconomie et Prévisions de l’UQÀM. Il est titulaire d'un doctorat en économie de la University of Pennsylvania, d'une maîtrise de Queen’s University, et d'un baccalauréat de l’Université Laval. Il mène plusieurs projets de recherche à l’intersection de l’apprentissage automatique, l’économétrie, et l’analyse macroéconomique. Dans plusieurs travaux récents, il introduit de nouveaux algorithmes d’apprentissage adaptés aux particularités des données macroéconomiques et financières, et permettant une interprétabilité accrue dans un contexte de séries chronologiques. Il conduit également des travaux sur la modélisation économétrique du climat, particulièrement la prévision de la fonte de la glace de mer de l’océan Arctique.
Conférence : Est-ce que l’IA comprend l’inflation ?
Vendredi 6 mai 2022, 12h15 - 13h — Amphi orange
En 2021, l’indice des prix à la consommation a augmenté d’environ 5% au Canada et 7% aux États-Unis, bien au-delà du 2% ciblé par les banques centrales. Les modèles statistiques traditionnellement utilisés en macroéconomie ont été incapables de prévoir la surprenante persistance des récentes lectures élevées de l’inflation. De l’autre côté du spectre de la modélisation, l’IA a la vertu d’être particulièrement agnostique, mais son opacité est notoire, ce qui la rend difficilement utilisable par les économistes et les décideurs publics. Dans des travaux récents, nous introduisons de nouveaux algorithmes d’apprentissage permettant à la fois de prévoir, mais surtout, de comprendre l’inflation. Ces réseaux de neurones dits hémisphériques infusent une dose minimale de théorie macroéconomique afin que les diverses sections dudit réseau puissent être lues et comprises comme des quantités économiques fondamentales. Ces dernières – les attentes inflationnistes ainsi que l’écart entre la demande et l’offre agrégées – sont essentielles à la compréhension de l’inflation. Nous verrons que l’algorithme, dans sa détection des signaux inflationnistes, écarte les indicateurs classiques tels que le taux de chômage et le PIB en faveur d’alternatives davantage sensibles à la pénurie de main-d’œuvre.