Ce que l’intelligence artificielle dit de la campagne présidentielle

Alors que l’usage de l’intelligence artificielle (IA) parmi la population française va croissant, l’élection présidentielle de 2027 sera la première « campagne IA », à l’image de ce que fut le web de campagne au cours des années 2000 puis le web social en politique une décennie plus tard. En vue de documenter cette évolution et ses conséquences sur le débat public, la Fondation Jean-Jaurès et Onclusive, spécialiste et référence de l’analyse médias, ont étudié les contenus produits sur le scrutin par deux solutions d’intelligence artificielle générative accessibles au grand public – ChatGPT et Perplexity. Théo Bourgoin-Verdier, consultant en transformation numérique¹Également co-directeur de l’Observatoire Europe de la Fondation Jean-Jaurès., tire plusieurs enseignements de cette étude.

Synthèse des résultats : des sources de nature et de fiabilité inégales et une tolérance à l’erreur

Les présents travaux portent sur les réponses fournies par deux IA génératives comptant dans le classement des outils les plus utilisés par les Français, ChatGPT et Perplexity²Ces deux solutions d’origine étatsuniennes comptent toutes deux dans le classement des six outils favoris des Français en 2026. ChatGPT d’OpenAI est le plus communément employé. De 54% (étude « OpinionWay & SEO.fr », mai 2026) à 79% (Sarah Hoibian, Lucie Brice Mansencal, Patricia Croutte, Sarah Nedjar Calvet, Morgane Brenon et Arthur Thomas, « Baromètre du numérique », Crédoc, février 2026) des utilisateurs d’outils d’IA générative y ont recours. Perplexity, édité par la société du même nom, est un logiciel concurrent qui rassemble 5 à 7% des usagers. Nous l’avons retenu pour son profil de spécialiste de la recherche conversationnelle sur le web.. Nous avons recours aux versions GPT-5.2 et Sonar Pro. Chaque modèle réagit à 50 prompts portant sur la campagne présidentielle, répartis en 6 jeux de questions thématiques (questions générales, enjeux environnementaux, relations internationales, travail et emploi, sécurité, pouvoir d’achat)³Questionnaire présenté en annexe. soumises de la même façon aux deux solutions.

Les données présentées sont issues d’Onclusive GEO Analytics, une solution de mesure et d’analyse des réponses des IA conçue pour optimiser les stratégies marketing et communication. Les contenus produits composent un corpus de plus de 500 000 caractères. Le contexte fourni aux solutions est celui d’une démarche d’information faisant explicitement référence à la campagne présidentielle de 2027 et portant sur les « principaux candidats ». Le terrain a été réalisé le 2 septembre 2026.

L’analyse de ces réponses et du panel de sources mobilisées pour les produire font ressortir cinq constats. 

1. Pour évoquer la campagne présidentielle, les modèles mobilisent principalement deux types de source : les sites web de médias traditionnels du domaine de la presse comme de l’audiovisuel (33% des pages web mobilisées dans les réponses) ainsi que les comparateurs et agrégateurs de contenus d’actualité liées à la campagne (31% des pages). 

2. Le site du journal Le Monde constitue le premier vecteur d’alimentation de ChatGPT pour l’actualité politique, 22% des URL⁴Une URL (Uniform Resource Locator) correspond à l’adresse d’une ressource sur internet. visitées par le modèle d’OpenAI pour composer les réponses du corpus renvoient au domaine lemonde.fr. 

3. 56 comparateurs et agrégateurs différents ont été consultés par les deux IA pour informer sur la campagne. Parmi les ressources les plus requêtées, on peut citer elyseescope.fr ou encore le quizz-du-berger.com. Ces sites, comme leurs homologues du panel, présentent des contenus structurés et récents qui sont plébiscités par les robots conversationnels. Le manque d’informations quant à leurs projets éditoriaux, l’équipe d’administration et les modalités d’alimentation en contenus posent question. Ce résultat met plus particulièrement en doute la qualité des ressources mobilisées par les IA, puisque les agrégateurs sont présents dans les mêmes proportions que les contenus produits par des journalistes dans le panel des sources. Une hypothèse à vérifier également est que les modèles de langage renseignent les utilisateurs sur la campagne présidentielle en se nourrissant eux-mêmes de contenus générés partiellement par IA.

4. Les principaux réseaux sociaux sont quasiment absents dans la constitution des réponses fournies par les Large Language Models (LLM) sur la campagne. Hormis quelques requêtes marginales, YouTube et Reddit sont les seules plateformes mobilisées (7% de l’ensemble des sources consultées, uniquement via ChatGPT pour lesquels ils représentent 11% des URL consultées). En conséquence, les contenus produits par les candidats et les partis sur leurs comptes sont absents des données mobilisées par les LLM dans l’analyse de la campagne.

5. Interrogées sur le contenu des programmes, les deux IA adoptent une posture de neutralité et d’autorité. Elles proposent des réponses présentées comme factuelles et alternant plusieurs points de vue. Ce mécanisme masque une large tolérance à l’erreur. De récentes recherches ont démontré que près d’un tiers des contenus⁵Valeria de la Fuente, Max Read et Peter Benzoni, « Chatbots and the ballot box: Evaluating accuracy, sourcing, and language gaps in AI answers to election questions. Institute for Strategic Dialogue », Institute for Strategic Dialogue, 3 septembre 2026. d’ordre politique produits par les principaux modèles de données sont obsolètes, incorrects ou imprécis. Des constats étayés par nos observations, les deux modèles présentant par exemple Jordan Bardella ou Gérald Darmanin comme des candidats en lice.

2027 : la première campagne IA

L’élection présidentielle constitue un marqueur traditionnel des évolutions de consommation médiatique des Français. Les scrutins de 2002, 2007 et de 2012 ont vu se développer les supports numériques, chaque campagne amenant à un doublement du nombre de sites composant le web de campagne⁶La Bibliothèque nationale de France (BNF) a lancé en 2002 ses archives du web électoral. On compte 1906 références en 2002, 5866 en 2007, 9991 en 2012. et cela, avant que les réseaux sociaux n’entrent massivement en scène en 2012 puis en 2017⁷Alexandre Eyriès, « La twitt-politique : l’élection présidentielle française de 2017 sur les réseaux socionumériques », Pouvoirs, vol. 1, n°164, 2018, pp. 87-97.. Près d’un Français sur deux a fréquemment suivi la campagne via ses réseaux sociaux en 2022⁸Franck Bousquet, Julien Figeac et Marie Neihouser, « Pratiques médiatiques et segmentation des publics de l’information politique en France », Communication [Information Médias Théories], vol. 1, n°41, 2024..

Graphique n°1. Taux d’équipement et d’utilisation de différents moyens de communication par les Français (%)

Source : Sarah Hoibian, Lucie Brice Mansencal, Patricia Croutte, Sarah Nedjar Calvet, Morgane Brenon et Arthur Thomas, « Baromètre du numérique », Crédoc, février 2026.
Télévision : maintien du taux d’équipement au-dessus de 94% jusqu’en 2025.
Réseaux sociaux : évolution des données de 2024 et de 2025 suite à l’intégration des plateformes de vidéos à la question et affichage sur le recours hebdomadaire des internautes et non plus de la population générale.   

En 2025, un Français sur deux avait déjà eu recours à une solution d’intelligence artificielle, contre 20% en 2023 – ce qui inscrit la campagne de 2027 dans le cadre des premiers stades d’une massification, similaire à ce qu’on a pu observer en 2007 en termes d’accès à internet ou en 2012 pour les réseaux sociaux. La France figure d’ailleurs dans le classement des dix premiers pays sur le plan du taux d’utilisation de l’IA⁹Voir l’édition 2026 du Digital News Report de Reuters Institute et de l’université d’Oxford.. 

L’usage des robots conversationnels pour s’informer demeure aujourd’hui une pratique minoritaire. 11% des Français y ont eu recours pour suivre l’actualité des élections municipales, ce qui en est fait le dernier média du panel testé¹⁰Jean-Daniel Lévy, « IA et politique : vers un outil d’aide, voire d’influence sur la décision ? », Terra Nova, 18 mai 2026..

Les indices d’une croissance rapide sont toutefois importants. L’intégration de l’IA dans les moteurs de recherche traditionnels est en passe de massifier définitivement la proportion du public qui y est exposé. Plus d’une recherche sur deux effectuées sur Google Search bénéficie désormais d’un « aperçu IA¹¹Dorine Mandin, « Les AI Overviews viennent de débarquer en France. Et ils apparaissent déjà sur plus de 52% des recherches », SE Ranking, 19 août 2026. ». Et près de la moitié de nos concitoyens se déclarent prêts à utiliser un modèle de langage pour se tenir au courant de l’actualité d’une personnalité politique ou d’une campagne¹²« IA et politique : quel(s) usage(s) par les Français », Ipsos-BVA et Fondation Jean-Jaurès, janvier 2026, dans Adelaïde Zulfikarpasic, « Les LLM’s : nouveaux acteurs des campagnes électorale », Fondation Jean-Jaurès, 5 février 2026.. On dépasse six personnes sur dix chez les moins de 35 ans pour ce qui est d’un emploi visant à expliciter un programme politique¹³« Le regard des Français sur l’IA dans le cadre de l’élection présidentielle 2027 », Ifop & Laboratoire de la République, 28 août 2026.. Dans cette classe d’âge à tout le moins, la campagne de 2027 aura un volet IA.

S’informer et suivre l’actualité politique par l’IA : spécificités d’un média conversationnel et hyper-personnalisé 

Le qualificatif « intelligence artificielle » décrit plusieurs réalités : depuis l’ensemble d’algorithmes composant les IA traditionnelles, à même de suggérer un résultat ou une action, jusqu’aux outils agentiques permettant de déléguer à la solution la réalisation d’une mission ou de faire collaborer plusieurs applications.

L’emploi dans le cadre d’une démarche d’information correspond spécifiquement à l’usage par le grand public des solutions d’intelligence artificielle générative, qui « crée de nouveaux contenus, tels que des images, du texte ou de la parole, peut répondre à des questions, rédiger des e-mails, préparer des demandes pour des administrations, créer des rapports, résumer des textes (par exemple, des articles, des livres)¹⁴Définition donnée par l’Organisation internationale du travail dans Pawel Gmyrek et al., « Generative AI and Jobs: A Refined Global Index of Occupational Exposure », ILO Working Paper n°140, mai 2025. ». On emploie ici génériquement le terme d’intelligence artificielle pour décrire ce volet génératif et les grands modèles de langage (LLM¹⁵Large Language Model.), les solutions connues du public (ChatGPT, Gemini, Mistral, Claude, Perplexity, etc.) ainsi que leur intégration progressive dans les moteurs de recherche traditionnels.

Utilisée dans une démarche d’information, l’IA comporte un profil singulier reposant sur trois aspects¹⁶Michael V. Reiss, Eva Luise Knor, Lisa Merten et Judith Möller, «  Will news find them with generative AI? Exploring the affordances and potential of GenAI for news consumption », Weizenbaum Journal of the Digital Society, vol. 6, n°1, avril 2026. :

• un outil hyper-personnalisé : seul l’utilisateur voit les réponses fournies et elles diffèrent entre chaque requête ;
• une interaction conversationnelle avec l’outil : c’est-à-dire qu’elle se fait via des requêtes en langage naturel et permet des relances décidées par l’utilisateur pour approfondir les aspects de son choix ;
• une vocation universelle : dans le sens où ce dernier agglomère les réponses de plusieurs sources (médias, sites propriétaires, recherche, réseaux sociaux) pour centraliser et synthétiser l’information.

La démarche d’information par IA diffère ainsi fondamentalement des comportements observés jusqu’alors sur les moteurs de recherche – puisque l’IA présente et éditorialise en première intention les résultats de sources tierces – et sur les réseaux sociaux, où les contenus sont adressés à des communautés en fonction de critères socio-démographiques et des comportements de l’utilisateur.

Les consommateurs d’information via l’IA recherchent ces fonctions conversationnelles et itératives, citant la capacité à répondre à une question, à expliciter un point précis et à résumer des enjeux complexes comme leurs premières motivations¹⁷Voir l’édition 2026 du Digital News Report de Reuters Institute et de l’université d’Oxford.. En conséquence, ils ont également tendance à continuer d’échanger avec l’IA et, ce faisant, à peu consulter les sources primaires mobilisées dans les réponses par rapport aux comportements observés sur les réseaux sociaux¹⁸Ibid..

Nos travaux visent à proposer une série d’indicateurs permettant d’analyser la manière dont les modèles de langage présentent le scrutin, les candidats et la dynamique de la campagne. Ils comportent des limites inhérentes au suivi de l’actualité par l’IA. D’une part, il est difficile de prévoir les différentes formes de requêtes formulées par les utilisateurs. D’autre part, un prompt présenté plusieurs fois aboutit à des réponses qui peuvent être différentes. La masse de contenus générés, la présentation d’un questionnaire en plusieurs volets séparés les uns des autres et l’analyse par Onclusive GEO Analytics de l’ensemble des sources mobilisées par les modèles, qu’elles soient affichées ou non dans le texte de la réponse, permettent toutefois de proposer des indicateurs représentatifs du comportement des modèles testés.

Documenter la campagne telle que les IA génératives la présentent

Mobilisation des sources : des réponses structurées par les grands médias traditionnels et une galaxie d’agrégateurs 

L’étude des ressources web mobilisées pour répondre à nos questions sur la campagne présidentielle révèle une domination de deux types de sources. Les articles de presse en ligne représentent 33% des liens consultés par les deux modèles du panel, suivis par les pages web issues de comparateurs et agrégateurs en ligne (31%). Viennent en sources secondaires les sites propriétaires des candidats et des partis (10%), les blogs ou publications indépendantes (9%), puis les réseaux sociaux (7%). Cette dernière catégorie est mobilisée exclusivement par ChatGPT et composée essentiellement de contenus YouTube et Reddit¹⁹LinkedIn est mobilisé de manière marginale (9 consultations par ChatGPT)..

Tableau n°1. Les sources mobilisées par les IA génératives à propos de la campagne présidentielle 2027²⁰Les données présentées dans ce tableau, ainsi que dans les suivants, ont toutes été fournies par Onclusive.

Le modèle d’OpenAI est également plus prompt à mobiliser les comparateurs et agrégateurs, qui représentent le premier type de sites consultés en valeur absolue (503, soit 30% des liens consultés). ChatGPT se repose plus que Perplexity sur l’écrit des forces partisanes : 13% des sources proviennent de leurs sites propriétaires, contre 4% pour Sonar Pro. À l’inverse, Sonar Pro se repose principalement sur les sources médias, qui fondent près de la moitié du corpus (46%).

Tableau n°2. Les sources les plus mobilisées par ChatGPT à propos de la campagne présidentielle 2027

À ce stade, nos résultats mettent en lumière la place prépondérante des médias de la presse généraliste dans le panel des sources. Ainsi, Le Monde représente plus d’une URL sur cinq (22%) utilisées par ChatGPT pour produire les réponses du corpus. Cela peut logiquement s’expliquer par les contours de l’accord conclu en 2024 entre le journal et OpenAI²¹Louis Dreyfus et Jérôme Fenoglio, « Intelligence artificielle : un accord de partenariat entre Le Monde et OpenAI », Le Monde, 13 mars 2024.. Les cinq liens les plus consultés par ce modèle sont tous des articles publiés sur lemonde.fr, dont quatre en version anglaise. 

Tableau n°3. Les 5 pages web les plus mobilisées par ChatGPT

ChatGPT a également recours à des sources YouTube, pour la plupart issues de sites de médias audiovisuels (LCI, France Inter, etc.) ou de contenus publiés par les candidats sur la plateforme vidéo. Wikipedia est aussi largement employée (72 consultations, soit 4% des sources).

On observe enfin la prégnance des publications qui résument les programmes ou l’actualité du candidat/de la candidate, voire qui proposent des questionnaires de positionnement. Souvent récents et sourcés par des propos des candidats, ces sites offrent plusieurs aspects favorables au travail de la plateforme. Ils structurent les comparaisons entre concurrents et présélectionnent des extraits de programme. 85% des pages de france-vote.fr consultées par les deux LLM (74 pour ChatGPT, 16 pour Perplexity) sont les pages de portrait des candidats ou de résumé de leurs programmes²²Exemple : www.france-vote.fr/candidats est mobilisé à 31 reprises..

Enfin, le modèle puise dans les contenus des candidats et de leurs écosystèmes en ligne, que ce soient des sites officiels ou des contributions tierces. On l’a vu, près d’une URL sur six mobilisée par ChatGPT provient de sites partisans. Tous ne sont pas traités de manière similaire en ce domaine. Edouardphilippe.fr a été mobilisé 29 fois par ChatGPT, Melenchon2027.fr 26 fois. L’analyse des sources appartenant aux différentes galaxies partisanes fait apparaître une préférence des LLM pour les textes programmatiques structurés et chapitrés. Les sites dédiés à la candidature de Raphaël Glucksmann ont été consultés 36 fois²³Hors tableaux, les données citées font référence aux sites raphaelglucksmann.eu, place-publique.eu, glucks2027.fr et wikiglucksmann.fr. par ChatGPT, dont 12 pour la page web dédiée à son programme sur raphaelglucksmann.eu²⁴https://raphaelglucksmann.eu/programme.html, consulté le 14 septembre 2026., première source référencée sur le candidat.

Tableau n°4. Les sources les plus mobilisées par Perplexity à propos de la campagne présidentielle 2027

Les principaux sites consultés par Perplexity mettent en lumière la même domination des médias traditionnels et des agrégateurs. La plateforme se repose sur des médias de la presse généraliste différents du modèle d’OpenAI, avec un panel plus large qui repose en premier lieu sur lefigaro.fr (48 consultations, 6% du corpus de sources) puis tf1info.fr (4%) mais aussi France 24 (2%). Seules vingt requêtes sont faites vers lemonde.fr.

Le classement des agrégateurs se compose de noms de domaine similaires à celui de ChatGPT, avec toutefois une hiérarchie différente. Le site d’actualité elyseescope.com (81 consultations, 10% du corpus de sources de Perplexity) est particulièrement mobilisé. Hébergé aux États-Unis, ce dernier se présente comme « un projet personnel éditorialement indépendant, sans affiliation politique », sans plus d’information sur ses auteurs ou son organisation. 

On l’a vu, les portails de ce type occupent une large place dans le classement des sources. On y retrouve une pluralité de formats. Candidatspresidentielles2027.fr (54 consultations par les deux modèles) compile un quiz de positionnement et des fiches sur chaque candidat avec leurs propositions. Il est décrit comme le résultat d’un travail individuel et bénévole, ainsi motivé²⁵Voir www.candidatspresidentielles2027.fr/a-propos, consulté le 20 septembre 2026. : « Ce site part d’un constat simple : on a demandé à ma mère, ancienne femme de ménage, un casier judiciaire vierge pour exercer son métier. On ne demande rien de tel à ceux qui gouvernent 68 millions de Français. » Monvote2027.fr (35 consultations) se centre sur les questionnaires d’aide à la décision. Ici aussi, le projet est présenté comme non rémunéré. « Nous ne sommes ni politiciens, ni journalistes, ni influenceurs. Juste des citoyens qui ont voulu faire quelque chose d’utile », décrivent les auteurs²⁶Voir https://monvote2027.fr/le-projet, consulté le 20 septembre 2026..

L’importance accordée à ces supports dans la construction des réponses interroge sur les contenus assemblés par les modèles. Si ces sites peuvent être légitimes et sérieux, leur diversité et l’anonymat des auteurs d’une partie de ces sites peuvent masquer d’autres types de démarches telle qu’une logique partisane ou, dans le pire scénario, de désinformation.

Par ailleurs, leur fonctionnement repose sur la compilation et le classement de propositions pour présenter une synthèse de la scène politique mais aussi sur des questionnaires dont les réponses génèrent un score de proximité avec les candidats. Ces deux mécanismes – la constitution d’un répertoire d’idées et de matrices de positionnement – apparaissent adaptés à l’emploi de l’IA pour créer du contenu. En l’absence d’informations vérifiées sur les méthodes de travail des différents auteurs, et au vu de l’aspect mécanique de certaines présentations, on peut s’interroger sur la part de l’humain et du robot dans la rédaction. Et donc supposer que les modèles de langage s’appuient sur un corpus de sources elles-mêmes alimentées partiellement par l’IA. Une hypothèse à vérifier dans de prochains travaux.

Omniprésence et primauté des « grands candidats » 

L’étude des mentions d’un panel de personnalités parmi les réponses du corpus fait apparaître la prégnance de quelques « grands » candidats. Jean-Luc Mélenchon, Marine Le Pen et Édouard Philippe sont mentionnés dans plus de 80% des réponses fournies par les deux solutions. Et ils sont généralement cités avant leurs concurrents dans les réponses. Le score de prééminence présenté dans le tableau ci-après relève à quel niveau de la réponse on peut en moyenne lire leur nom pour la première fois.

De même, les sept candidats invités au débat organisé par le Mouvement des entreprises de France (Medef) lors de ses universités d’été le 28 août 2026 occupent le haut du classement. Et six d’entre eux sont mentionnés dans plus d’une réponse sur deux fournies par les deux modèles en réponse à des questions sur l’élection présidentielle. 

Dans un objectif de simplification, les résultats sont présentés pour l’ensemble des réponses produites par les deux modèles, les différences entre ChatGPT et Perplexity étant limitées dans la priorisation des candidats.

Tableau n°5. La visibilité des candidats à travers les IA génératives 

Note de lecture : le taux de mention signifie que sur 100 résultats, Jean-Luc Mélenchon est cité dans 87 réponses fournies par les deux LLM. La prééminence évalue à quel niveau de la réponse le candidat/la candidate est mentionné/ée pour la première fois. Un score de 100 signifie qu’il/elle est mentionné/ée dès les premiers mots, un score de 50 désigne une mention à mi-réponse. La moyenne est calculée sur l’ensemble des réponses mentionnant le candidat/la candidate au moins une fois.

De prochains travaux pourront actualiser la liste des principaux candidats telle qu’établie par les modèles. Le panel de concurrents mis en avant ici est partiellement lié à la date du terrain, le 2 septembre 2026, qui a suivi le débat du Medef organisé le 28 août précédent. Le premier article consulté par ChatGPT sur lemonde.fr (57 consultations) est ainsi dédié à cet événement²⁷Mariama Darame et Thibaud Métais, « French presidential candidates gather for first debate as left-right divide emerges on economic issues », Le Monde, 28 août 2026.. 

La visibilité des candidats se répartit différemment selon les thématiques traitées. Ce tri opéré par les modèles est particulièrement tranché pour les candidats venant après le trio de tête. La candidate écologique, Marine Tondelier, est plus visible dans les réponses portant sur les enjeux climatiques et environnementaux. À l’inverse, elle est plus faiblement présente sur les questions de pouvoir d’achat. Raphaël Glucksmann est, quant à lui, présent dans près de 79% des réponses pour quatre questionnaires sur six. Le candidat à la primaire socialiste sous-performe en revanche lorsqu’on interroge le modèle sur les enjeux de sécurité. Quant à Gabriel Attal, il émerge plus particulièrement sur les questions internationales mais n’est mentionné que dans une courte majorité des contenus sur le climat et la sécurité. Le candidat du parti Les Républicains, Bruno Retailleau, est mentionné plus particulièrement sur les enjeux de travail et d’emploi.

Tableau n°6. La visibilité des sept premiers candidats en fonction des thématiques mobilisées

Note de lecture : Marine Le Pen est mentionnée dans 87% des réponses au questionnaire portant sur des questions d’ordre général (30 questions) et dans 86% de celles sur les enjeux climatiques et environnementaux (14 questions dans chaque volet thématique).

Comment l’IA aide à la décision ? Un aperçu 

L’analyse des réponses fournies à une sélection de dix questions posées dans une démarche d’aide à la décision illustre la manière dont les LLM se positionnent et évoquent le contenu de la campagne. On observe ici encore la primauté des sept candidats les plus cités par les deux plateformes parmi les choix conseillés à l’utilisateur. Cinq autres personnalités sont listées ponctuellement comme de possibles choix de vote²⁸Xavier Bertrand, David Lisnard, Delphine Batho, François Ruffin et Gérald Darmanin. En dehors de la sélection présentée ici, Bernard Cazeneuve a également été cité comme candidat par les modèles..

Tableau n°7. Synthèse des réponses soumises par les deux modèles à une sélection de question d’aide à la décision

On note que Jordan Bardella est listé comme candidat du Rassemblement national. Cela peut être seul ou en duo avec Marine Le Pen, sans prendre en compte la candidature formelle de cette dernière.

La Fondation Jean-Jaurès a précédemment identifié ce phénomène dans son étude relative à l’emploi de l’IA dans le travail parlementaire²⁹Théo Bourgoin-Verdier, Antoine Alibert, Jeanne Bouligny, Arthur Doré et Ariane Forgues, Une feuille de route pour intégrer l’IA au travail parlementaire, Fondation Jean-Jaurès, 27 avril 2026.. Les modèles prennent difficilement en compte les ruptures qui jalonnent le parcours d’un dossier ou d’une actualité, la campagne électorale en l’occurrence. Ainsi, l’acte de candidature de Marine Le Pen ou le ralliement de Gérald Darmanin à Édouard Philippe ont été oubliés par les modèles, qui commettent des erreurs dans la détermination des options à présenter à l’utilisateur. 

Enfin, les modèles s’appuient sur un ensemble de sources qui peuvent se retrouver datées au vu de la densité de l’actualité électorale. Sur les 102 liens du site lemonde.fr visités par ChatGPT pour composer ses réponses, 28% ont été publiés ou modifiés en 2024 ou en 2025. Un résultat porté à 38% si on prend en compte le premier trimestre 2026.

Tableau n°8. Date de publication ou de dernière modification des articles du journal Le Monde consultés par ChatGPT

L’approche conditionnelle et la posture d’autorité masquent une tolérance à l’erreur

Les requêtes d’aide à la décision font apparaître une mécanique de réponse. Premièrement, le système encadre sa production par une approche conditionnelle pour éviter une prise de position partisane, l’introduisant par une série d’hypothèses. « Si vous entendez par compétence la capacité à gouverner, alors le meilleur candidat est Gabriel Attal ou Edouard Philippe. Si vous pensez à la capacité à gouverner avec une majorité, alors ce sera Marine Le Pen ou Jean-Luc Mélenchon », répond par exemple ChatGPT à notre question sur le candidat le plus compétent.

Ensuite, le LLM présente une réponse qui vise à éviter les biais les plus importants. OpenAI en a décrit cinq qu’il travaille à limiter depuis la sortie de GPT5³⁰ Defining and evaluating political bias in LLMs, OpenAI, 9 octobre 2025. et que nous retrouvons dans les réponses du panel. Le système évite l’invalidation, c’est-à-dire les réponses qui délégitiment la demande de l’utilisateur. Il privilégie la présentation de points de vue externes plutôt qu’une expression présentée comme personnelle. Il offre une couverture se présentant comme « symétrique » de plusieurs opinions sur le sujet abordé. Il évite de renchérir lorsque la question est engagée politiquement. Enfin, il limite les refus d’obstacle face à certains sujets politiques, comme pouvaient le faire d’anciennes versions de ChatGPT.

Les différents questionnaires font toutefois apparaître d’autres biais. Les réponses sont présentées comme factuelles et précises, avec une posture d’autorité, qui masque une tolérance à l’erreur et aux approximations – relevées dans plusieurs travaux récents en Europe et aux États-Unis³¹Voir sur les dernières élections législatives en Hongrie : Civil Liberties Union for Europe, Should AI tell you who to vote for? Testing political advice in general-purpose AI systems during the 2026 Hungarian election campaign, 21 juillet 2026. Et une approche similaire aux États-Unis : Valeria de la Fuente, Max Read et Peter Benzoni, « Chatbots and the ballot box: Evaluating accuracy, sourcing, and language gaps in AI answers to election questions », Institute for Strategic Dialogue, 3 septembre 2026.. Un test mené sur six IA génératives différentes outre-Atlantique tend à démontrer que 29% des réponses à des questions d’ordre politique sont incorrectes, imprécises ou obsolètes³²Op. cit., Institute for Strategic Dialogue.. Dans notre cas, les deux modèles citent par exemple Gérald Darmanin comme un candidat déclaré et présente les propositions effectuées dans le cadre de son activité ministérielle comme issues d’un programme électoral.

L’hypothèse d’un positionnement des LLM correspondant à ceux des partis de gouvernement

La recherche sur l’alignement politique des LLM a mis à plusieurs reprises en évidence que les principaux modèles se positionnent au centre gauche. Dès sa sortie, ChatGPT était ainsi plus proche des démocrates aux États-Unis et des travaillistes au Royaume-Uni³³Fabio Motoki, Valdemar Pinho Neto et Victor Rodrigues, « More human than human: Measuring ChatGPT political bias », Public Choice, n°198, 17 août 2023, pp. 3-23.. Des travaux plus récents menés dans un cadre européen ont confirmé ce positionnement³⁴Leonardo Becchetti et Nazaria Solferino, « Political biases in ChatGPT: Insights from comparative analysis with human responses », Economia Politica, n°43, 30 octobre 2025, pp. 285-326..

Dans notre étude de cas, les modèles adoptent une posture au centre du jeu politique français. Les candidats issus du « bloc central », Édouard Philippe et Gabriel Attal, sont présentés sous l’angle de leur « capacité à gouverner ». La « crédibilité » de leurs programmes est soulignée. Raphaël Glucksmann, bien que moins cité, est également décrit comme promouvant une approche « graduelle », « cherchant des compromis et une gouvernance plus classique »³⁵Voir tableau n°7..

Jean-Luc Mélenchon et Marine Le Pen sont présentés, quant à eux, en miroir. Leurs programmes sont associés à la « radicalité » ou la « rupture », sur le pouvoir d’achat, l’écologie ou l’Europe pour l’un, sur la « souveraineté » et l’immigration pour l’autre.

Sur la base de ces constats et de la littérature, on peut émettre l’hypothèse que les principaux LLM observent la vie politique française depuis un point de vue d’un parti de gouvernement. Elle sera à confirmer dans nos travaux ultérieurs, par l’étude de l’évolution des réponses fournies par l’IA au fil de la campagne présidentielle.

Conclusion

Un nouveau média et une boîte noire pour suivre la campagne présidentielle 

La démarche d’information par l’IA crée un média de masse qui s’apparente à une boîte noire. Chaque réponse est conçue pour l’utilisateur et vue de lui seul. L’usage croissant dans l’Hexagone pose ainsi la question de ce que les Français liront sur la campagne présidentielle à travers les principales interfaces grand public. Nos travaux fournissent de premiers indicateurs qui seront actualisés pour illustrer les contenus produits à l’approche du scrutin. 

À ce stade, nous pouvons tirer plusieurs enseignements. Premièrement, les deux modèles testés synthétisent l’actualité via un corpus de sources qui met au même niveau les médias traditionnels et un fourmillement de sites indépendants qui agrègent du contenu. Une autre leçon est que si les campagnes de 2017 et 2022 ont vu les réseaux sociaux devenir des médias majeurs pour les candidats, ils sont largement ignorés des modèles de langage. Ces derniers n’accèdent pour nous répondre à aucun compte des forces partisanes sur les principales plateformes, YouTube mis à part – ce qui, de manière contre-intuitive à l’ère du web social, donne une importance nouvelle aux stratégies des candidats sur leurs sites propriétaires et leur écosystème numérique.

En prime, l’analyse des contenus produits met en lumière une expression d’apparence factuelle, documentée et pluraliste. Cette première impression masque la tolérance à l’erreur des solutions étudiées. Les mouvements de la campagne, ralliements et candidatures, sont mal saisis. Enfin, les réponses fournies laissent apparaître un positionnement central, une vision de la politique telle que vue par les partis de gouvernement.

Quelle supervision pour l’IA dans un cadre démocratique ? Exercer en France les nouvelles missions de l’AI Act

Le règlement européen sur l’intelligence artificielle liste les effets négatifs sur les processus démocratiques comme un « risque systémique » des modèles d’IA à usage général³⁶Voir le « Considérant 110 » dans le « Règlement établissant des règles harmonisées concernant l’intelligence artificielle », Journal officiel de l’Union européenne, 12 juillet 2024.. Il missionne également l’autorité de référence nationale – l’Arcom dans le cas présent³⁷Voir la répartition entre autorités nationales : « Les autorités compétentes pour la mise en œuvre du règlement européen sur l’intelligence artificielle », entreprises.gouv.fr, 9 septembre 2025. – pour évaluer les systèmes d’IA, notamment dans l’usage consistant à « informer le public sur des questions d’intérêt public³⁸Article 50.4. ». Le texte européen ouvre pour ce faire la possibilité d’accéder aux jeux de données d’entraînement et de tests utilisés par les fournisseurs.

L’Arcom a ainsi toute légitimité pour constituer un outil de supervision du volet IA de la campagne présidentielle. L’autorité documenterait de la sorte la boîte noire décrite dans nos travaux. Et ce, en adoptant une approche générale – prenant en compte l’ensemble des modèles – et transparente pour le public comme pour les forces politiques. Cet outil de référence permettrait la détermination de seuils d’alerte en ce qui concerne les sources et la partialité des modèles, avec des modalités d’investigation associées. En ce sens, nos résultats font notamment apparaître le risque que des démarches partisanes ou hostiles alimentent les corpus de sources utilisés pour documenter la campagne, ce qui justifie qu’une démarche de veille soit enclenchée et rendue publique.

Annexe

Tableau n°9. Questionnaire soumis aux deux modèles via Onclusive Geo Analytics

• 1
  Également co-directeur de l’Observatoire Europe de la Fondation Jean-Jaurès.
• 2
  Ces deux solutions d’origine étatsuniennes comptent toutes deux dans le classement des six outils favoris des Français en 2026. ChatGPT d’OpenAI est le plus communément employé. De 54% (étude « OpinionWay & SEO.fr », mai 2026) à 79% (Sarah Hoibian, Lucie Brice Mansencal, Patricia Croutte, Sarah Nedjar Calvet, Morgane Brenon et Arthur Thomas, « Baromètre du numérique », Crédoc, février 2026) des utilisateurs d’outils d’IA générative y ont recours. Perplexity, édité par la société du même nom, est un logiciel concurrent qui rassemble 5 à 7% des usagers. Nous l’avons retenu pour son profil de spécialiste de la recherche conversationnelle sur le web.
• 3
  Questionnaire présenté en annexe.
• 4
  Une URL (Uniform Resource Locator) correspond à l’adresse d’une ressource sur internet.
• 5
  Valeria de la Fuente, Max Read et Peter Benzoni, « Chatbots and the ballot box: Evaluating accuracy, sourcing, and language gaps in AI answers to election questions. Institute for Strategic Dialogue », Institute for Strategic Dialogue, 3 septembre 2026.
• 6
  La Bibliothèque nationale de France (BNF) a lancé en 2002 ses archives du web électoral. On compte 1906 références en 2002, 5866 en 2007, 9991 en 2012.
• 7
  Alexandre Eyriès, « La twitt-politique : l’élection présidentielle française de 2017 sur les réseaux socionumériques », Pouvoirs, vol. 1, n°164, 2018, pp. 87-97.
• 8
  Franck Bousquet, Julien Figeac et Marie Neihouser, « Pratiques médiatiques et segmentation des publics de l’information politique en France », Communication [Information Médias Théories], vol. 1, n°41, 2024.
• 9
  Voir l’édition 2026 du Digital News Report de Reuters Institute et de l’université d’Oxford.
• 10
  Jean-Daniel Lévy, « IA et politique : vers un outil d’aide, voire d’influence sur la décision ? », Terra Nova, 18 mai 2026.
• 11
  Dorine Mandin, « Les AI Overviews viennent de débarquer en France. Et ils apparaissent déjà sur plus de 52% des recherches », SE Ranking, 19 août 2026.
• 12
  « IA et politique : quel(s) usage(s) par les Français », Ipsos-BVA et Fondation Jean-Jaurès, janvier 2026, dans Adelaïde Zulfikarpasic, « Les LLM’s : nouveaux acteurs des campagnes électorale », Fondation Jean-Jaurès, 5 février 2026.
• 13
  « Le regard des Français sur l’IA dans le cadre de l’élection présidentielle 2027 », Ifop & Laboratoire de la République, 28 août 2026.
• 14
  Définition donnée par l’Organisation internationale du travail dans Pawel Gmyrek et al., « Generative AI and Jobs: A Refined Global Index of Occupational Exposure », ILO Working Paper n°140, mai 2025.
• 15
  Large Language Model.
• 16
  Michael V. Reiss, Eva Luise Knor, Lisa Merten et Judith Möller, «  Will news find them with generative AI? Exploring the affordances and potential of GenAI for news consumption », Weizenbaum Journal of the Digital Society, vol. 6, n°1, avril 2026.
• 17
  Voir l’édition 2026 du Digital News Report de Reuters Institute et de l’université d’Oxford.
• 18
  Ibid.
• 19
  LinkedIn est mobilisé de manière marginale (9 consultations par ChatGPT).
• 20
  Les données présentées dans ce tableau, ainsi que dans les suivants, ont toutes été fournies par Onclusive.
• 21
  Louis Dreyfus et Jérôme Fenoglio, « Intelligence artificielle : un accord de partenariat entre Le Monde et OpenAI », Le Monde, 13 mars 2024.
• 22
  Exemple : www.france-vote.fr/candidats est mobilisé à 31 reprises.
• 23
  Hors tableaux, les données citées font référence aux sites raphaelglucksmann.eu, place-publique.eu, glucks2027.fr et wikiglucksmann.fr.
• 24
  https://raphaelglucksmann.eu/programme.html, consulté le 14 septembre 2026.
• 25
  Voir www.candidatspresidentielles2027.fr/a-propos, consulté le 20 septembre 2026.
• 26
  Voir https://monvote2027.fr/le-projet, consulté le 20 septembre 2026.
• 27
  Mariama Darame et Thibaud Métais, « French presidential candidates gather for first debate as left-right divide emerges on economic issues », Le Monde, 28 août 2026.
• 28
  Xavier Bertrand, David Lisnard, Delphine Batho, François Ruffin et Gérald Darmanin. En dehors de la sélection présentée ici, Bernard Cazeneuve a également été cité comme candidat par les modèles.
• 29
  Théo Bourgoin-Verdier, Antoine Alibert, Jeanne Bouligny, Arthur Doré et Ariane Forgues, Une feuille de route pour intégrer l’IA au travail parlementaire, Fondation Jean-Jaurès, 27 avril 2026.
• 30
   Defining and evaluating political bias in LLMs, OpenAI, 9 octobre 2025.
• 31
  Voir sur les dernières élections législatives en Hongrie : Civil Liberties Union for Europe, Should AI tell you who to vote for? Testing political advice in general-purpose AI systems during the 2026 Hungarian election campaign, 21 juillet 2026. Et une approche similaire aux États-Unis : Valeria de la Fuente, Max Read et Peter Benzoni, « Chatbots and the ballot box: Evaluating accuracy, sourcing, and language gaps in AI answers to election questions », Institute for Strategic Dialogue, 3 septembre 2026.
• 32
  Op. cit., Institute for Strategic Dialogue.
• 33
  Fabio Motoki, Valdemar Pinho Neto et Victor Rodrigues, « More human than human: Measuring ChatGPT political bias », Public Choice, n°198, 17 août 2023, pp. 3-23.
• 34
  Leonardo Becchetti et Nazaria Solferino, « Political biases in ChatGPT: Insights from comparative analysis with human responses », Economia Politica, n°43, 30 octobre 2025, pp. 285-326.
• 35
  Voir tableau n°7.
• 36
  Voir le « Considérant 110 » dans le « Règlement établissant des règles harmonisées concernant l’intelligence artificielle », Journal officiel de l’Union européenne, 12 juillet 2024.
• 37
  Voir la répartition entre autorités nationales : « Les autorités compétentes pour la mise en œuvre du règlement européen sur l’intelligence artificielle », entreprises.gouv.fr, 9 septembre 2025.
• 38
  Article 50.4.