Cet article propose un cadre basé sur un modèle de langage à grande échelle (LLM), sensible à l'incertitude, pour interpréter le « Fedspeak », le langage distinctif de la Réserve fédérale américaine (Fed), et classer l'orientation de la politique monétaire. Afin d'enrichir les représentations sémantiques et contextuelles du Fedspeak, nous intégrons une inférence spécifique au domaine basée sur les mécanismes de communication de la politique monétaire. De plus, nous introduisons un module de décodage dynamique de l'incertitude qui évalue la fiabilité des prédictions du modèle, améliorant ainsi la précision de la classification et la fiabilité du modèle. Les résultats expérimentaux démontrent que le cadre proposé atteint des performances de pointe en matière d'analyse de l'orientation de la politique monétaire et démontre une corrélation positive significative entre l'incertitude perçue et les taux d'erreur du modèle, validant ainsi son efficacité comme signal diagnostique de l'incertitude perceptuelle. Cela fournit des informations précieuses pour les prévisions financières, le trading algorithmique et l'analyse des politiques publiques basée sur les données.
