Quand un électeur demande à un chatbot où se situe un candidat sur le logement ou la fiscalité, il ne cherche pas forcément à être dispensé de penser. Il essaie parfois juste d'avancer dans une campagne dense : des programmes longs, des promesses qui se contredisent, des informations difficiles à recouper. Le problème, c'est que la réponse du chatbot n'est pas une simple copie des contenus disponibles. Elle trie, résume et interprète.
Une étude menée par des chercheurs de Yale auprès d'environ 2 500 utilisateurs aux États-Unis montre que les questions sont souvent concrètes : identifier des candidats, comparer leurs positions, et parfois demander une recommandation de vote. Ensuite, tout change : le modèle choisi et ce que l'utilisateur lui a déjà confié influencent la réponse. Ce décalage compte. Une synthèse claire peut donner l'impression d'être fiable, sans montrer clairement ce qui a été sélectionné, ni ce qui manque.
L'étude aide donc à mieux comprendre l'usage politique des chatbots, les risques de biais et les vérifications utiles. Le contexte est américain, mais les mécanismes concernent aussi les électeurs français et européens, dès que l'IA devient une étape "normale" dans la recherche d'information.
Ce que les électeurs demandent aux chatbots
L'étude de Yale ne s'est pas contentée de soumettre une liste de questions toutes faites à plusieurs modèles. Les chercheurs ont demandé à près de 2 500 adultes, répartis dans 35 États américains concernés par des élections sénatoriales, d'interroger ChatGPT, Claude, Grok ou Gemini comme ils le feraient d'habitude. Tous utilisaient déjà des chatbots chaque semaine. L'observation a eu lieu en octobre, dans les semaines qui précédaient le scrutin du 3 novembre.
Ce dispositif a un avantage : il mesure des usages "réels" (ou du moins tels que les participants les rapportent), plutôt que des réponses produites dans un cadre uniquement conçu par les chercheurs. La nuance est importante. Une question formulée par un électeur peut être imprécise, chargée de présupposés, ou influencée par une conversation précédente. C'est précisément ce qui se passe quand on utilise un assistant au quotidien.
Des faits pratiques aux comparaisons de programmes
La plupart des participants ont demandé des informations élémentaires : qui se présentait, quels candidats figuraient sur le bulletin, quels étaient les enjeux du scrutin. Pour ce type de questions, on peut souvent vérifier à partir de sources publiques assez accessibles. Le chatbot n'est donc pas "infaillible", mais le risque d'interprétation reste généralement plus faible que pour une question politique ouverte.
D'autres ont demandé de l'aide pour comparer les candidats. Dans l'étude, 36 % des participants ont cherché une forme d'assistance à la décision : ils décrivaient leurs priorités, puis demandaient quel candidat leur correspondait le mieux. Un participant, par exemple, a demandé à ChatGPT les avantages et les inconvénients de chaque candidat en Virginie.
À partir de là, la frontière entre "recherche" et "conseil" devient floue. « Où trouver la position d'un candidat sur l'énergie ? » renvoie à une recherche documentaire. « Quel candidat correspond à mes valeurs ? » pousse le modèle à choisir les critères, à pondérer les positions et à transformer des préférences personnelles en conclusion politique.
Des usages d'information, pas seulement de persuasion
Les données de Pew Research apportent un autre éclairage. Dans une enquête américaine, 42 % des adultes déclaraient utiliser des chatbots pour rechercher de l'information, mais seulement 8 % disaient s'en servir pour trouver des informations liées à l'élection étudiée. Parmi ceux qui s'en servaient dans ce contexte, 76 % cherchaient les positions des candidats sur des sujets précis, et 71 % voulaient vérifier des informations entendues au sujet des candidats ou des enjeux électoraux. Ces motifs pouvaient se chevaucher.
Deux erreurs sont donc tentantes. La première serait de dire que les chatbots manipulent systématiquement l'électeur, comme si tout le monde les utilisait de la même façon. La seconde serait de minimiser leur influence parce que l'usage "électoral" reste minoritaire. Pour ceux qui s'en servent, l'assistant peut devenir un point d'entrée vers l'information politique, donc peser sur les thèmes consultés, les sources retenues et le degré de confiance accordé à une réponse.
Pourquoi une recommandation de vote est plus risquée qu'un fait
Se tromper de date de scrutin, c'est grave, mais c'est souvent vérifiable auprès d'une source officielle. Une recommandation politique pose un problème différent : elle repose sur une interprétation. Pour produire une réponse, le modèle doit comprendre les préférences exprimées, choisir ce qu'il met en face de quoi, et évaluer des positions parfois vagues ou incomplètes.
Le résultat peut sembler personnalisé, alors qu'il ne l'est pas forcément. Le chatbot ne "sait" pas quels arbitrages importent vraiment à l'utilisateur, ni quelle crédibilité il accorde à chaque source, ni quels sujets sont non négociables. Il construit une réponse à partir de la conversation et de ses mécanismes internes, qui ne sont pas toujours transparents.
Les recommandations varient selon le modèle et le contexte
Dans l'étude de Yale, les systèmes ne se comportaient pas pareil. Quand les utilisateurs demandaient pour qui voter sans avoir encore donné d'informations personnelles, Grok était le seul à recommander régulièrement un candidat, dans 14 % des conversations observées. Après que les utilisateurs avaient partagé leurs opinions, ChatGPT formulait une recommandation dans 79 % des conversations, et Claude dans 40 %, tandis que Grok et Gemini se situaient entre les deux.
Ces résultats ne prouvent pas qu'un modèle serait "neutre" et un autre "partisan". Ils montrent surtout que le résultat dépend des règles propres à chaque système, de la façon dont la demande est formulée et du contexte accumulé pendant l'échange. Un assistant qui commence par questionner les priorités de l'utilisateur peut ensuite s'appuyer sur ce qu'il a reçu pour justifier une recommandation. La personnalisation ressemble alors moins à une intuition qu'à une chaîne de choix : quelles questions poser, quelles réponses retenir et comment les transformer en conclusion.
La source choisie change le sens de la synthèse
Pour résumer la position d'un candidat, toutes les sources ne se valent pas. Une déclaration publiée par le candidat ou son programme donne une information directe, même si elle doit être lue avec prudence. À l'inverse, un extrait issu d'un réseau social, sélectionné par un adversaire, peut être exact tout en restant incomplet ou sorti de son contexte.
Or, un résumé généré ne montre pas toujours clairement ce qu'il retient, ce qu'il écarte et pourquoi. Même lorsqu'il cite des références, l'utilisateur doit vérifier qu'elles appuient réellement la conclusion. Une bonne réponse peut mélanger une position officielle, une analyse journalistique et une affirmation circulant sur les réseaux, sans que leurs statuts deviennent vraiment comparables.
Dans une élection française, le même problème se poserait pour une comparaison à partir des programmes, des déclarations publiques, d'interviews et de contenus militants. Le chatbot peut aider à repérer des thèmes ou à condenser un document. Mais il ne devrait pas être le dernier arbitre d'une préférence politique, surtout quand les critères de comparaison n'ont jamais été explicités.
Les risques pour l'information et le débat démocratique
Le risque ne se réduit pas à l'"hallucination" spectaculaire. Une réponse peut aussi être problématique parce qu'elle est périmée, incomplète ou formulée avec trop d'assurance. En période électorale, oublier une date limite d'inscription, une pièce justificative ou une étape logistique peut avoir des conséquences très concrètes. Sur les positions politiques, une omission peut donner l'impression qu'un candidat est plus cohérent ou plus proche qu'une lecture complète des sources ne le confirme.
Et surtout : l'usage est facile. On lit une synthèse, on s'arrête là, sans ouvrir les sources citées. Ce comportement a déjà été relevé pour des résumés générés par Google : le fait de voir des références à l'écran ne garantit pas qu'elles soient réellement consultées. La réponse devient alors une couche de plus entre le citoyen et les documents d'origine.
Déléguer la synthèse peut aussi déplacer le jugement
L'"externalisation cognitive" consiste à confier une partie de son travail de réflexion à un outil. Ce n'est pas forcément mauvais : rechercher sur le web, utiliser un tableur ou demander un résumé fait gagner du temps. Le problème commence quand l'utilisateur délègue aussi, sans s'en rendre compte, la définition des questions importantes et la pondération des réponses.
Avec les chatbots, ce transfert passe souvent plus discrètement. Ils répondent de façon conversationnelle, reformulent la demande et peuvent poser des questions de suivi. On a alors l'impression d'un dialogue et d'une compréhension. Pourtant, les données d'entraînement, les filtres et les choix de conception restent largement opaques. L'outil paraît parfois plus neutre qu'un article identifié ou un programme politique, alors qu'il fait lui aussi des sélections.
Pour un électeur, la conséquence peut être un débat appauvri : quelques sujets mis en avant, des désaccords réduits à un tableau, et des incertitudes présentées comme des faits établis. Pour une organisation qui déploie l'IA dans un cadre civique, la question devient celle de la responsabilité : qui contrôle les sources, les mises à jour et les erreurs susceptibles d'influencer une décision ?
Les garde-fous ne couvrent pas tout
Les travaux du Brennan Center for Justice sur plusieurs outils d'IA ont observé une capacité de certains modèles à résister à des affirmations fausses liées à des campagnes de désinformation. Mais ils ont aussi montré que des systèmes pouvaient produire des images et des vidéos électorales trompeuses. Les garde-fous testés étaient parfois inefficaces, appliqués de façon irrégulière ou tout simplement absents.
La nuance est essentielle : réussir à contrer une fausse affirmation dans une discussion ne garantit pas qu'un outil empêchera la création de contenus trompeurs. Les deux usages ne sollicitent pas les mêmes protections. De la même manière, une politique de sécurité annoncée par un fournisseur ne prouve pas que les réponses seront exactes et équilibrées dans la vraie vie.
Anthropic a indiqué avoir analysé 250 000 conversations avec Claude. Selon cette analyse, 0,51 % des conversations portaient spécifiquement sur les élections ou le vote, et les demandes enfreignant ses règles d'intégrité électorale représentaient environ 0,002 % des conversations. Ces chiffres concernent un service précis et ne permettent pas de conclure pour l'ensemble des chatbots. Ils expliquent toutefois pourquoi les journaux des fournisseurs et les études de terrain ne mesurent pas la même chose.
Comment utiliser un chatbot sans lui déléguer son jugement
Il n'est pas question d'écarter les chatbots pour s'informer. Ils peuvent aider à clarifier un terme, résumer un programme ou repérer les différences entre deux propositions. Mais il faut leur donner un rôle clair : un assistant de lecture, pas une autorité électorale.
Une règle simple : séparer trois tâches - retrouver, résumer, décider. Le chatbot peut aider pour les deux premières, à condition de vérifier les sources et de rester attentif à la façon dont l'information est formulée. La troisième revient à l'électeur : il doit pouvoir examiner les critères et les arbitrages, plutôt que recevoir une conclusion fermée.
Une méthode de vérification en quatre étapes
- Commencez par une question vérifiable. Demandez où se trouve une position précise, ou quels passages d'un programme traitent d'un sujet. Évitez « pour qui dois-je voter ? » : la question délègue d'emblée le choix du cadre d'analyse au modèle.
- Demandez les sources et leur nature. Distinguez les programmes et déclarations des candidats, les analyses éditoriales et les contenus de campagne. Une référence n'est utile que si elle existe vraiment, correspond au sujet et étaye effectivement la réponse.
- Contrôlez les faits essentiels. Pour les dates, les modalités de vote et les informations administratives, vérifiez auprès de l'autorité électorale compétente. Pour une position politique, relisez le passage cité et, si possible, mettez-le en regard avec une autre source indépendante.
- Demandez ce qui manque. Faites expliciter les incertitudes, les points de désaccord et les critères utilisés pour comparer. Si la réponse ne sait pas expliquer pourquoi elle privilégie une source ou un enjeu, traitez la recommandation comme une hypothèse, pas comme une conclusion.
Pour les médias, associations et acteurs publics
Quand une organisation utilise l'IA pour produire ou distribuer de l'information politique, elle doit être encore plus rigoureuse. Une réponse destinée au public doit être datée, sourcée et révisable. Les procédures doivent dire clairement qui corrige une erreur, dans quel délai, et comment les informations logistiques sont mises à jour au fur et à mesure que les règles changent.
Il faut aussi tester le système avec des demandes "ordinaires", pas seulement avec des questions parfaites. Les utilisateurs peuvent donner des informations partielles, revenir en arrière, insister sur un point, ou reformuler au fil de la conversation. Comme le rappelle l'étude de Yale, la façon de demander influence ce que le modèle reçoit... puis la réponse qu'il produit. Évaluer seulement le résultat final, c'est passer à côté d'une partie du mécanisme.
Enfin, une organisation doit préciser les limites de l'outil dès qu'elle l'utilise. Un avertissement général ne remplace pas une interface qui présente une synthèse comme un fait établi. La transparence utile doit porter sur les sources, la date, les incertitudes et le rôle exact de l'assistant. C'est plus exigeant qu'un simple contrôle de conformité, mais indispensable quand l'IA intervient dans une décision civique.
Conclusion
Les chatbots peuvent rendre l'information électorale plus accessible, surtout quand ils aident à retrouver une position précise ou à comprendre un programme. Mais ils ne se contentent pas de "transmettre" : ils choisissent des sources, condensent des arguments et orientent parfois l'échange à travers les questions qu'ils posent.
L'étude de Yale rappelle que l'usage réel est plus nuancé qu'un face-à-face entre électeur et recommandation automatique. Beaucoup cherchent des faits ou des positions ; certains demandent explicitement quel candidat leur correspond. Dans les deux cas, il faut regarder la réponse : d'où elle vient, quand elle a été produite, et quels critères elle met en avant.
La bonne pratique est donc simple : utilisez l'IA pour chercher et lire plus vite, mais gardez la vérification et le jugement. En matière électorale, une réponse fluide n'est pas une preuve, et une recommandation personnalisée n'est pas forcément une recommandation éclairée.