L'IA peut-elle prédire le résultat d'une élection nationale à partir des sentiments exprimés sur les réseaux sociaux et des indicateurs économiques ?

L'analyse des sentiments basée sur l'IA a fait entrer la prévision politique dans une nouvelle ère. Les modèles traitent désormais d'énormes flux de données issues des réseaux sociaux, des tendances médiatiques et des historiques de vote pour prédire les résultats électoraux. Certains outils prétendent anticiper les changements d'opinion publique plusieurs semaines avant les sondages traditionnels. Bien que leur précision varie selon le contexte, ces systèmes sont de plus en plus utilisés dans les stratégies de campagne.

Les systèmes actuels peuvent estimer les résultats électoraux en combinant l'analyse des sentiments de millions de publications sur les réseaux sociaux avec des indicateurs macroéconomiques, atteignant des corrélations autour de r = 0,7–0,8 dans des tests rétrospectifs pour les démocraties établies, mais ils peinent face à des fenêtres de données courtes, des récits en rapide évolution et les autocraties qui censurent massivement les discours en ligne. Aucun modèle publié n'a encore fourni de prévisions fiables et vérifiées des semaines ou des mois avant le jour du scrutin, et la plupart des déploiements réussis ont consisté en des analyses rétrospectives plutôt qu'en de vraies prédictions hors échantillon. Les indicateurs économiques comme la croissance du PIB ou l'inflation n'apportent souvent qu'un modeste pouvoir prédictif supplémentaire au-delà des signaux textuels.

— Enriched 13 mai 2026 · Source : Pew Research Center — https://www.pewresearch.org/science/2023/05/17/public-attitudes-toward-artificial-intelligence-in-everyday-life/