Hedwige : comment une machine départage les sondages

Intervenant 10:00

Bienvenue dans le podcast du magazine Tangente. Alors aujourd'hui, on va aborder un truc franchement fou. Et si je te disais que pour un algorithme d'analyse politique, eh bien un institut de sondage qui se trompe massivement sur le résultat final d'une élection peut en fait obtenir une meilleure note de fiabilité qu'un autre qui serait beaucoup plus proche de la vérité. Ça semble défier toute logique.

Intervenant 20:22

Ouais, c'est super contre-intuitif en fait. Et c'est exactement le genre de paradoxe qui donne toute sa saveur aux mathématiques appliquées.

Intervenant 10:29

C'est clair. Et du coup, c'est précisément ce mécanisme algorithmique qu'on va décortiquer aujourd'hui.

Intervenant 20:34

Tout à fait. Mais avant de plonger là-dedans, il faut vraiment poser un cadre très strict d'emblée. Notre exploration va s'appuyer sur des données politiques réelles, genre des résultats d'élections passées, des discours de personnalités publiques, parce que c'est la matière première des sources qu'on étudie. Mais notre approche ici, elle est purement descriptive et scientifique.

Intervenant 10:54

Ouais, on ne prend absolument aucune position.

Intervenant 20:57

Exactement. Il y a zéro validation ou cautionnement des idées politiques qu'on va évoquer. L'unique passion de cette plongée, c'est vraiment la beauté de l'algorithme qui arrive à ingérer et à structurer tout ce chaos.

Intervenant 11:09

Et le chaos, c'est bien le mot juste. Parce que la politique, c'est bruyant, c'est imprévisible. Pourtant, au milieu de cette tempête de sable, il y a une startup française, fondée en 2021, Datapolitics, qui a décidé de construire une vraie boussole de haute précision.

Intervenant 21:24

Une boussole algorithmique, ouais.

Intervenant 11:26

Voilà. Ils ont créé un agrégateur de contenu, une sorte de créature numérique qu'ils ont baptisé Hedwige. Le clin d'œil à la célèbre chouette d'Harry Potter est assez évident. Sauf qu'au lieu d'amener du courrier magique, cet Hedwige livre des modélisations mathématiques pour éclairer l'investigation publique.

Intervenant 21:42

C'est une super image. Et en fait, derrière cette architecture, on trouve une fusion de deux expertises très différentes. Le projet repose sur un duo. D'un côté, on a Antoine Bakalou, qui est l'ingénieur, celui qui sculpte le code. C'est lui qui bâtit l'infrastructure capable d'ingérer des volumes massifs de données quantitatives.

Intervenant 11:59

Et de l'autre

Intervenant 22:00

côté ? De l'autre, on a Hugues de Mazincourt. Et lui, il apporte un bagage radicalement différent, avec genre 30 ans d'expérience dans le traitement automatique des langues. Le fameux TAL.

Intervenant 12:09

Ah oui, le TAL. Ce qui crée une alliance assez redoutable au final. On a d'un côté la puissance de calcul brut sur des statistiques, et de l'autre la capacité de modéliser le langage humain.

Intervenant 22:20

C'est ça.

Intervenant 12:21

Et en explorant leurs sources, on voit que la mission de ce projet s'articule autour de trois axes. Fournir des outils d'une rigueur absolue au data journalism pour faire du fact checking, informer l'opinion publique de manière factuelle en coupant un peu le bruit médiatique, et enfin offrir aux décideurs une lecture claire de l'impact de leur politique.

Intervenant 22:39

Il faut dire que la nécessité d'un tel outil, elle répond à une vraie rupture technologique majeure. Le volume d'informations qui est généré tous les jours, que ce soit les données ouvertes de l'État, les déclarations, les sondages, c'est juste démentiel. Ça a largement dépassé la capacité de traitement d'un cerveau humain normal. On entend

Intervenant 12:55

souvent l'analogie de la lance à incendie pour décrire ce flux de données.

Intervenant 23:00

C'est vrai, mais ça rend même pas justice au problème. Ah bon ? C'est plutôt comme si on essayait de cartographier tout le relief des fonds marins en jetant juste un simple saut par-dessus bord de temps en temps. On va remonter quelques informations disparates, mais on rate l'immensité de la topographie.

Intervenant 13:14

C'est une excellente comparaison. Donc l'intelligence artificielle ici, elle agit plutôt comme un sonar à balayage continu en fait.

Intervenant 23:22

Exactement. Elle applique des algorithmes sur des téraoctets de données de façon instantanée. Ça révèle la structure cachée du fond marin, là où un humain mettrait littéralement plusieurs vies à simplement trier les échantillons.

Intervenant 13:32

Et pour tester la résolution de ce fameux sonar, il n'y a pas d'environnement plus extrême et chaotique qu'une campagne présidentielle. C'est vraiment le crash test ultime.

Intervenant 23:42

Oh que oui ! Lors de la campagne de 2022 en France, Edwige s'est attaqué à une donnée particulièrement instable. Les intentions de vote.

Intervenant 13:50

Avec une source première qui est super rigoureuse d'ailleurs. Il s'agit de projet citoyen NSP POLES qui compile en open source toutes les publications officielles de la commission des sondages.

Intervenant 24:00

C'est ça. Et c'est là que le travail mathématique devient vraiment passionnant. Parce que la réaction du grand public face aux sondages, elle est presque toujours teintée de cynisme.

Intervenant 14:09

Ah bah oui, on entend en permanence que ce sont des outils de manipulation ou qu'ils n'ont rien vu venir lors d'un choc électoral ou tout simplement qu'ils se trompent.

Intervenant 24:17

Sauf que ce scepticisme, il repose sur une erreur d'interprétation statistique majeure. Un sondage n'a jamais été un outil prédictif. Jamais. C'est

Intervenant 14:26

quoi alors ?

Intervenant 24:27

C'est une photographie, de l'opinion, figée à un instant T. Le biais cognitif, c'est d'exiger d'une photographie qu'elle nous dévoile la fin du film.

Intervenant 14:35

C'est très joliment dit.