Devenir candidat en France : règles et pratiques de sélection au PS et à l’UMP pour les élections législatives
Bibliographic record
Abstract
En France, les partis politiques font face au défi de la démocratisation interne pour le recrutement de leurs candidats. Si le parti politique accompagne l’élu tout au long de sa carrière politique, l’investiture est le moment partisan fort pour un aspirant candidat aux élections législatives et lui permet de devenir le candidat officiel de son parti. Cet article s’intéresse à la lecture des règles de sélection et de la pratique au sein des partis par les aspirants candidats – lecture qui permet de mieux cerner un parti au-delà de l’image qu’il tente de donner de lui-même – et se propose de répondre aux questions suivantes. Quel est l’impact des modes de sélection des candidats sur le comportement des aspirants candidats ? Quelle(s) lectures(s) en font les députés, gagnants de cette sélection et de l’élection ? Est-il possible d’identifier certains comportements stratégiques ou d’adaptation, face aux règles de sélection mises en place par les partis politiques ? L’article s’intéresse aux procédures d’investiture des deux grands partis français, le Parti socialiste (PS) et l’Union pour un mouvement populaire (UMP). L’hypothèse de départ, construite à partir de la littérature théorique existante sur la sélection politique, se base sur la nature du sélectorat dans le parti (inclusif/exclusif), qui impliquerait la mise en place de stratégies différentes pour être investi. En s’appuyant à la fois sur l’analyse des règles formelles des partis (statuts et règlements) et sur celle des comportements déclarés d’anciens candidats devenus députés, l’article montre qu’au-delà de certaines différences écrites entre le PS et l’UMP, les comportements des aspirants candidats sont assez similaires dans les deux partis, notamment pour ce qui est du poids important de la pratique et des règles implicites de ces partis. Les comportements de recherche d’investiture divergent surtout suivant une autre variable : l’ancienneté politique. La prime au sortant, malgré la démocratisation de certaines procédures, garde tout son poids dans la sélection des candidats.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.014 | 0.006 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".