Deux études dans Science et Nature montrent que des assistants conversationnels d'intelligence artificielle peuvent modifier les intentions de vote de plusieurs points, renforçant l'urgence de transparence et de régulation
Deux études montrent qu'en expérimentation des assistants IA peuvent modifier des intentions de vote. Mesures de transparence et régulation à débattre.
Des études publiées début décembre mettent en lumière la capacité des assistants conversationnels d’intelligence artificielle à modifier les intentions de vote de certains électeurs, parfois en s’appuyant sur des informations erronées. Menées aux États‑Unis, en Grande‑Bretagne, au Canada et en Pologne et publiées simultanément dans des revues scientifiques de premier plan, ces recherches montrent que des modèles comme GPT‑4o d’OpenAI ou des alternatives chinoises peuvent, dans des conditions expérimentales, faire évoluer l’opinion politique des participants sur des échelles chiffrées.
Ce que montrent les études
Les expériences ont combiné des sondages traditionnels — demandant aux participants d’évaluer leur préférence pour un candidat sur une échelle de 0 à 100 — puis des entretiens avec des modèles d’IA configurés pour argumenter en faveur d’un choix politique. Selon les publications, des électeurs pro‑Trump ont vu leur appréciation du républicain augmenter d’environ quatre points par rapport à sa concurrente démocrate, Kamala Harris, après un échange avec l’IA.
Des effets plus marqués ont été observés dans d’autres contextes : au Canada et en Pologne, des changements allant jusqu’à 10 points ont été mesurés, et lorsqu’on a demandé aux participants comment ils voteraient si l’élection avait lieu immédiatement, environ un répondant sur dix au Canada et en Pologne déclaraient avoir changé d’avis après l’interaction. Aux États‑Unis, ce taux était d’environ un répondant sur 25, selon David Rand, professeur en sciences de l’information à Cornell et l’un des auteurs cités.
Les études font également apparaître que ces changements peuvent se produire même lorsque l’assistant s’appuie sur des éléments inexactes, ce qui soulève la question de la vulnérabilité des opinions politiques face à des arguments plausibles mais erronés produits par des systèmes génératifs.
Limites méthodologiques et portée des résultats
Ces résultats sont préoccupants, mais ils doivent être replacés dans leur contexte. D’abord, il s’agit d’expériences contrôlées : les modèles étaient explicitement programmés et orientés pour persuader, une situation qui ne reflète pas nécessairement la manière dont la majorité des utilisateurs interagissent avec les IA dans la vie quotidienne.
Ensuite, les études mesurent des intentions de vote auto‑rapportées à chaud, pas des comportements électoraux effectifs. Les intentions peuvent fluctuer entre une interaction en laboratoire et le jour du scrutin, et d’autres facteurs (campagnes, discussions en société, événements imprévus) influencent le vote final.
Enfin, la robustesse des résultats dépend de détails méthodologiques non détaillés dans l’article initial : taille et représentativité des échantillons, durée et nature des conversations, consignes exactes données aux modèles et modalités d’évaluation post‑interaction. Ces éléments déterminent la généralisabilité des conclusions à d’autres populations, plates‑formes ou configurations d’IA.
Relevé · Fiabilité des sources citées
Chaque article de Commons se termine par cet examen. Il porte sur les sources citées dans le texte et vous permet de juger sur pièce.
-
Les travaux sont publiés dans Science et Nature, deux des revues scientifiques les plus respectées et à comité de lecture strict, ce qui renforce la crédibilité générale des résultats. La parution dans ces revues indique que les articles ont été évalués par des pairs et répondent à des standards élevés de méthodologie et de transparence scientifique.
-
La citation d’Agence France‑Presse (AFP) comme relai de l’information renforce l’aspect journalistique fiable : l’AFP est une agence de presse internationale reconnue pour la rigueur de ses dépêches. David Rand, cité comme co‑auteur et commentateur, est un chercheur établi dans le champ de la désinformation et des sciences comportementales, ce qui apporte un niveau d’expertise crédible aux interprétations.
-
Reste que certains éléments requièrent prudence : les modèles utilisés (GPT‑4o d’OpenAI et « DeepSeek » pour l’alternative chinoise) sont souvent des systèmes propriétaires dont les mécanismes internes, jeux de données et mises à jour ne sont pas entièrement publics. Cela rend difficile la réplication exacte des expériences par des équipes indépendantes. De plus, la presse peut simplifier des nuances méthodologiques importantes ; il est donc utile de consulter les articles originaux dans Science et Nature et les annexes méthodologiques pour juger des protocoles.
-
Des recherches complémentaires, idéalement indépendantes et reproduites sur des panels variés, sont nécessaires pour confirmer l’ampleur et la durée de ces effets dans des contextes électoraux réels.
-
Vers quelles réponses politiques et techniques ?
-
Ces travaux alimentent le débat sur les mesures à prendre : transparence accrue des modèles, étiquetage des contenus générés par IA, watermarking technique, contrôles et limites sur les usages politiques des systèmes automatisés, et renforcement de l’éducation aux médias. Les plateformes et les régulateurs doivent aussi travailler sur des garde‑fous éthiques pour limiter les usages malveillants, tandis que la communauté scientifique doit poursuivre des recherches rigoureuses et reproductibles.
-
En synthèse, les études suggèrent une capacité réelle de certaines IA à influencer des opinions politiques dans des conditions expérimentales. Leur portée sur les élections réelles reste à préciser ; la qualité élevée des revues où elles sont publiées les rend néanmoins crédibles et justifie une attention soutenue des décideurs, des plateformes et du public.
L’évaluation porte sur les sources citées dans le texte, pas sur la véracité des faits rapportés. Là où les autres médias placent une bio d’auteur, Commons place sa méthode.
