L'IA peut-elle gagner un avantage politique en influençant l'opinion publique ?

Que signifie pour une IA de « gagner un avantage politique en influençant l’opinion publique » ? En bref, cela décrit l’utilisation d’algorithmes pour orienter l’opinion publique vers un résultat électoral, législatif ou politique souhaité. La question cherche à comprendre si ce type d’influence par IA produit effectivement des avantages mesurables et durables, sans préjuger de la réponse à l’avance.

Background

Les systèmes d'IA actuels ingèrent des millions de publications sur les réseaux sociaux pour effectuer des analyses de sentiment en temps réel, puis génèrent des messages micro-ciblés—emails, publicités ou publications sur les réseaux sociaux—destinés à modifier la perception du public en faveur d'un objectif politique. Les campagnes ont perfectionné ces techniques depuis le milieu des années 2010, avec des expérimentations précoces lors de l'élection présidentielle américaine de 2016 et une adoption généralisée d'ici 2020 ; en 2024, presque toutes les grandes campagnes s'appuyaient sur des sondages, la création de contenu et l'interaction par chatbot pilotés par l'IA pour mobiliser les électeurs (Howard & Bradshaw 2019 ; Woolley 2020). Les modèles de détection de sentiment utilisent souvent des encodeurs linguistiques basés sur des transformateurs (par exemple, BERT, RoBERTa) affinés sur des données sociales étiquetées pour classer les publications comme positives, négatives ou neutres envers des questions ou des candidats ; les pipelines ultérieurs acheminent ces signaux vers des modèles de type « look-alike » et des moteurs de placement dynamique d'annonces qui optimisent les métriques d'engagement telles que le taux de clics et le temps de visionnage (Bail et al. 2018 ; Mislove et al. 2021). Les recherches réglementaires et éthiques mettent en garde contre le fait que l'opacité du ciblage algorithmique érode le consentement éclairé et peut permettre la manipulation, en particulier lorsqu'il est combiné avec de la désinformation micro-ciblée (Service de recherche du Parlement européen 2021 ; Selbst et al. 2019). Les évaluations empiriques d'un avantage durable sont rares : les études existantes rapportent des résultats mitigés—certaines montrent des améliorations à court terme des scores de favorabilité, tandis que d'autres constatent que les effets s'estompent en quelques jours et sont brouillés par des discours organiques concomitants ou des changements de politique des plateformes (Allcott et al. 2020 ; Guess et al. 2023). Les affirmations selon lesquelles l'IA permettrait d'obtenir un avantage politique décisif et durable grâce à des incitations restent donc largement non validées par des expériences rigoureuses et reproductibles publiquement.