Élections à l'ère des mégadonnées : les conséquences de l'hyperclientélisme politique au Canada
Notice bibliographique
Résumé
Lors de la campagne électorale fédérale de 2021, l’équipe de campagne du Parti libéral de Justin Trudeau a conçu un mirobolant total de 138 publications numériques différentes qui ont ensuite été envoyées à un électorat divisé en pas moins de 680 sous-groupes qui réunissaient des traits similaires et ce, seulement pour la population francophone québécoise. Chaque publication avait pour but de séduire les individus de ce petit ensemble trié sur le volet en leur faisant miroiter la facette du Parti libéral qui serait la plus à même de les persuader à noircir le cercle au côté de ce parti, une fois rendu dans l’isoloir. Cette stratégie électorale se nomme microciblage, elle est intimement liée aux analyses quantitatives et qualitatives de ce qu’on appelle les mégadonnées. Celles-là sont en fait une quantité astronomique de données numériques qui, prit à part, ne veulent pas dire grand-chose, mais qui, une fois organisés par de puissants algorithmes, peuvent révéler des tendances dont les stratèges politiques peuvent se servir pour calculer la probabilité que chacune des actions qu’ils pensent prendre a d’augmenter leurs gains électoraux. Ce genre de stratégie peut être qualifié de pratique hyperclientélisme, puisqu’au lieu de s’adresser à la population, de tenter de comprendre ses besoins globaux et de proposer des mesures qui vont dans le sens de l’intérêt général celle-ci, les partis politiques se concentrent sur les individus et leur font des promesses sur mesure, laissant l’intérêt général et le bien commun de la population dans le rétroviseur du temps. Ce travail de recherche s’intéresse donc à ces nouvelles stratégies électorales numériques qui arrivées avec les mégadonnées, au contexte à travers lequel elles ont été introduites en politique canadienne au milieu des années 2000, à la façon dont elles ont transformé la politique électorale et la structure même des partis politiques, ainsi qu’aux conséquences que celles-ci ont sur la santé de la démocratie canadienne. Notre regard se tournera aussi du côté juridique, où nous tenterons de démontrer que la faiblesse de la législation canadienne sur la question de la protection des données des citoyens, est en partie la cause de la croissance de l’hyperclientélisme en politique canadienne. Car en effet, pour nous, le manque de fermeté de la législation canadienne sur les enjeux de protection des renseignements personnels, la faiblesse des mécanismes de surveillance et d’application des mesures en vigueur et l’incapacité de la classe politique canadienne à réformer le droit canadien sur ces enjeux, permettent une dérive dans les stratégies électorales des partis politiques qui met en péril la démocratie, la volonté générale et le bien commun. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Politique électorale, Microciblage, Droit à la protection des renseignements personnels, Partis politique, Numérique
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,009 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».