Alors que les sondeurs et les experts tentent de prédire le vainqueur de l’élection présidentielle américaine, Anasse Bari, ancien lauréat de l’université Al Akhawayne et actuel Directeur du Laboratoire d’analyse prédictive et d’intelligence artificielle à l’Université de New York, est sorti des sentiers battus pour inventer une nouvelle méthode qui permet d’examiner le soutien des candidats d’une manière qui va au-delà des mesures classiques telles que les sondages ou les contributions de campagne. Une méthode qui a braqué les projecteurs médiatiques américains, comme en témoigne cette interview accordée dimanche dernier à la prestigieuse chaîne d’information en continu, CNN.
Avec l’aimable accord de notre compatriote, une fierté nationale, Le journal Le Collimateur reproduit in extenso son interview avec le présentateur vedette de CNN, Kim Brunhuber.
BRUNHUBER: Merci beaucoup d’être avec nous sur cette idée très inhabituelle. Pourquoi avez-vous choisi ces indicateurs spécifiques de soutien politique ?
ANASSE BARI, PROFESSEUR, UNIVERSITÉ DE NEW YORK : Merci, Kim, de m’avoir invité. Si quelqu’un recherche en ligne des pancartes, des t-shirts, des chapeaux, des drapeaux ou tout autre produit des candidats qu’il soutient, il y a de fortes chances qu’il soutienne ce candidat et qu’il vote pour lui. De même, si l’on recherche des termes qui apparaissent pendant et immédiatement après un débat présidentiel, il semble que la personne soit suffisamment intéressée pour regarder les débats.
Par exemple, nous avons constaté que les gens ne chercheraient pas Springfield ou Haïti s’ils ne regardaient pas le débat. Ainsi, avec un grand nombre d’internautes exprimant leur soutien par le biais de microblogs, de publications sur les réseaux sociaux, de vidéos, il est devenu important pour nous de mesurer et de trouver une nouvelle façon innovante de mesurer l’opinion publique sur les candidats présidentiels. Nous avons donc créé cette méthode innovante basée sur les données pour examiner le soutien des candidats d’une manière qui va au-delà des mesures classiques telles que les sondages ou les contributions de campagne.
BRUNHUBER : Oui, vous dites que c’est une méthode basée sur les données. Comment avez-vous procédé exactement ?
BARI : Donc, en gros, nous avons suivi de nombreuses recherches. Nous avons donc trouvé de nombreuses phrases clés et mots-clés que les gens utiliseraient pour rechercher des produits autour des panneaux de jardin, des chapeaux, des chemises. Et nous avons créé des indices qui suivraient ces recherches, puis nous avons essayé de comparer un candidat à un autre.
Une autre approche que nous avons adoptée consistait également à mesurer le sentiment en utilisant des algorithmes d’analyse des sentiments, qui est une branche de l’IA où nous pouvons voir le ton des gens sur la façon dont ils s’expriment envers un candidat ou un autre. Et nous avons simplement pensé que ce serait une nouvelle façon de voir les choses qui pourrait compléter ce qui a été fait dans le cadre de la méthode traditionnelle consistant à essayer d’obtenir des signaux avant les élections.
BRUNHUBER : Oui, je veux aborder les implications de cela dans une seconde, mais d’abord les résultats. Donc en termes de produits, de chapeaux et de chemises, qu’avez-vous trouvé là-bas ?
BARI : Donc pour les chapeaux et les chemises, nous avons trouvé des choses différentes pour les deux candidats. Il semble que le chapeau Trump soit très populaire dans de nombreux États clés, alors que pour les pancartes, comme vous l’avez mentionné au début, la vice-présidente Harris est en tête. Nous avons également constaté de nombreuses différences en ce qui concerne les chapeaux, lorsque nous parlons du chapeau du vice-président et du président.
Je pense donc que pour les chapeaux Harris et Walz, les chapeaux Trump-Vance ont été largement dépassés dans de nombreux États clés.
BRUNHUBER : Intéressant. Bien sûr, si vous étiez un consultant politique et que vous deviez vous fier à ces résultats pour éclairer votre campagne, vous seriez probablement renvoyé. Mais que pouvez-vous lire dans ces résultats à ce stade ?Tu penses ?
BARI : Oui, il est très difficile de faire des prédictions. Je veux dire, le processus algorithmique que nous utilisons généralement dans d’autres domaines pour faire des prédictions est très difficile, surtout lorsque l’avenir insiste pour être si imprévisible. Je pense que les candidats qui gagneront cette élection et deviendront président des États-Unis seront ceux qui obtiendront la majorité des voix, comme cela a été le cas tout au long de l’histoire des élections présidentielles américaines.
Mais le travail de recherche que nous avons effectué, bien qu’il ne prétende pas prédire le choix de vote, complète les sondages et offre une image plus large des sentiments politiques. Et c’est quelque chose que nous ne devrions pas ignorer à l’approche des élections sur la façon dont les gens s’expriment dans les recherches ou dans les microblogs comme Reddit et autres.
Nous avons également découvert que notre méthode peut également mesurer l’enthousiasme pour un candidat spécifique. À un moment donné, nous avons constaté que les recherches de Trump dépassaient les recherches de Biden. Mais ensuite, lorsque la vice-présidente Kamala Harris s’est lancée dans la course, cela a été un changement radical par rapport à ce que nous avons vu, car cela reflète probablement l’enthousiasme des gens à l’idée qu’elle se lance dans la course.
BRUNHUBER : Oui, c’est une expérience sociologique et politique très intéressante. Mais à l’avenir, grâce à l’IA, nous pourrons peut-être compléter les types de sondages habituels, qui sont ceux que nous avons écoutés, et qui se sont révélés assez faillibles par le passé, en les complétant par des types de recherches plus sophistiqués comme celui-ci. Je veux dire, quel est le potentiel ici dans le futur ?
BARI : Je vois beaucoup de potentiel. Je pense que c’est l’un des points de données les plus importants que nous pourrions utiliser pour nous connecter à d’autres points de données concernant les candidats. Nous pouvons mesurer les sentiments. Nous pouvons mesurer l’enthousiasme. Nous pouvons également mesurer ce que les gens pensent de sujets spécifiques qui concernent essentiellement les élections. Par exemple, lors du premier débat, nous avons constaté que l’avortement et l’immigration étaient les principaux sujets recherchés par les gens pendant le débat.
Ils recherchaient les lois sur l’avortement par État. Et cela continue également après les débats. Et nous avons constaté un changement : avant les débats, la criminalité était le sujet le plus recherché et le plus discuté dans les microblogs. Et puis après le premier débat présidentiel, l’avortement est devenu le deuxième sujet le plus recherché.
Je vois donc beaucoup de potentiel ici en complément des sondages. Je pense que les big data des médias sociaux pourraient être le moteur de beaucoup d’IA que nous pourrions faire dans ce domaine, et j’espère que nous pourrons obtenir des signaux qui pourraient être prédictifs à un moment donné.
BRUNHUBER : Oui, c’est fascinant. Je suppose que nous ne voyons que la pointe de l’iceberg pour le moment.
Anasse Bari, merci beaucoup d’être ici avec nous. Je vous en suis vraiment reconnaissant.
Très bien.
BARI : Merci.