Intelligence Artificielle et Blockchain pour la Gestion du Risque Pétrolier sur le Marché Financier Marocain

Résumé

Cet article analyse comment l’intelligence artificielle et une blockchain permissionnée peuvent être articulées pour améliorer la prévision et la gouvernance du risque pétrolier sur le marché financier marocain. L’analyse empirique porte sur des observations quotidiennes couvrant la période du 24 novembre 2020 au 24 novembre 2023 et combine le MASI, les indices sectoriels Pétrole/Gaz et Transport, le Brent, le WTI et le taux USD/MAD. Les rendements logarithmiques sont évalués hors échantillon à l’aide d’un découpage chronologique 80/20. Les modèles ARIMA(1,0,1), Random Forest, XGBoost et LSTM sont comparés au moyen de la MAE, de la RMSE, du taux de bonne direction et du test de Diebold-Mariano. Les effets ARCH sont également examinés afin de caractériser l’hétéroscédasticité conditionnelle ; le cadre GARCH est conservé comme référence théorique de volatilité, sans être intégré à la comparaison des prévisions ponctuelles. Les résultats montrent que la complexité algorithmique ne garantit pas une meilleure prévision : ARIMA obtient la plus faible RMSE pour l’indice Pétrole/Gaz (0,01480), tandis que le benchmark naïf reste légèrement meilleur pour le MASI (0,00681) et le Transport (0,01257). Les modèles d’IA n’améliorent donc pas de manière stable les références simples sur cet échantillon. L’importance des variables issue de Random Forest indique néanmoins une contribution plus forte des variables pétrolières pour le Transport (54,2 %) que pour le MASI (35,4 %) et le secteur Pétrole/Gaz (33,3 %). Ces résultats conduisent à rejeter l’idée d’une supériorité systématique de l’IA et renforcent l’intérêt d’une gouvernance de modèle fondée sur la validation hors échantillon. La blockchain est présentée comme une proposition conceptuelle de traçabilité et d’auditabilité ; ses bénéfices institutionnels restent à valider par un prototype.