BIG DATA À LA FRANCAISE QUELLES INNOVATIONS POUR LES PROCHAINES CAMPAGNES?

Transcription

1 BIG DATA À LA FRANCAISE QUELLES INNOVATIONS POUR LES PROCHAINES CAMPAGNES? On a beaucoup parlé des dernières campagnes présidentielles américaines et de leur caractère innovant. Selon un grand nombre de commentateurs, c est la finesse acquise dans l analyse des données, ou «data analytics», qui aurait donné la victoire à Barack Obama en 2008 et en Aujourd hui, la course de vitesse technologique entre démocrates et républicains continue. Le mois dernier, nous avons réalisé un voyage d étude aux Etats-Unis afin de rencontrer les acteurs des campagnes et d identifier les innovations les plus récentes. De Boston à New York, en passant par Washington, nous avons ainsi rencontré des start-ups spécialisées dans l analyse des données comme Civis Analytics ou Haystaq DNA, le département Elections du géant Google ou le New Organizing Institute, plateforme de formation et de coordination qui a formé des dizaines de milliers activistes aux campagnes de terrain. Nous les avons rencontrés avec la perspective suivante : imaginez un instant que vous soyez nommé Chief data officer ou Chief technology officer, le responsable de l analyse de données au sein d un grand parti politique français ou européen. Comment les innovations dans les techniques de traitement de données développées aux Etats-Unis permettent-elles d organiser de meilleures campagnes? Comment peut-on les adapter au contexte européen? 1

2 LE JOUR OÙ LE FRONT NATIONAL A RECULÉ Analyser les données mais, au fait, pourquoi? Aux Etats-Unis, les premiers utilisateurs massifs de données sur les particuliers ont été les banques. La question qu elles se posent est simple : à qui prêter? Pour les aider à répondre à cette question, des agences de notation de crédit réunissent des données sur les demandeurs d emprunt, en particulier sur l utilisation qu ils font de leurs comptes bancaires et sur leur aptitude à rembourser des prêts. A partir de ces données, elles calculent la probabilité que chaque emprunteur rembourse le nouveau prêt qui lui serait accordé. De très nombreuses bases de données sont utilisées pour construire une série de scores entre 0 et 100 pour chacun des citoyens en âge de voter Les campagnes électorales se posent des questions proches, à ceci près qu elles ne cherchent pas des gens à qui prêter, mais au contraire des électeurs disposés à donner : donner leur voix, donner de leur temps, donner de l argent pour participer au financement de la campagne. Les équipes de campagne réunissent des données sur les comportements passés des électeurs et leurs caractéristiques socio-démographiques En tant que Directeur en charge des données, les questions que vous vous posez sont par exemple : auprès de quels électeurs peuton espérer gagner une voix supplémentaire? Quels électeurs ont 2 le plus de chances d accepter de devenir volontaire dans votre campagne ou de donner à la campagne et donc qui faut-il cibler lors d opérations de levée de fonds? Pour répondre à ces questions, les équipes de campagnes américaines recrutent des analystes chargés de réunir des bases de données individuelles, par exemple sur les comportements passés des électeurs (participation aux dernières élections, donations, etc.), sur leurs caractéristiques sociodémographiques (par exemple leur âge, leur sexe, leur situation maritale, leur niveau d éducation, leur expérience professionnelle, le nombre et l âge de leurs enfants) ou sur leurs habitudes de consommation (bases commerciales, qui recensent les abonnements à des magazines ou les voitures achetées). De très nombreuses bases de ce type sont disponibles aux Etats- Unis et sont ensuite utilisées pour construire une série de scores entre 0 et 100 pour chacun des 212 millions d Américains en âge de voter: Score de soutien au candidat qui prédit la probabilité de préférer le candidat A au candidat B Score de participation qui prédit la probabilité d aller voter le jour de l élection Score de persuasion qui prédit la probabilité que l électeur, s il est abstentionniste, soit mobilisé par la campagne ; ou, s il est indécis, qu une discussion en porte-à-porte ou au téléphone avec un activiste le persuade de voter pour le candidat soutenu par cet activiste 1. Pour comprendre l usage que les campagnes peuvent faire de ces scores, imaginons un volontaire qui débute une séance de porte-àporte pour le compte d un candidat démocrate lors de la campagne pour les élections de mi-mandat de novembre prochain. On lui confie une feuille de route correspondant à la rue Wadsworth, située à proximité du local de campagne. Le volontaire constate que seule une fraction des numéros de la rue figure dans la liste des portes auxquelles il doit frapper. Ces numéros n ont pas été choisis au hasard, mais en fonction des scores de leurs habitants. Les volontaires ne frappent qu à une fraction des portes dans chaque rue Le numéro 3 de la rue est à couvrir. En effet, il s agit du domicile de Monsieur Berwick, dont le score de soutien au candidat est élevé (90 sur 100) mais le score de participation assez bas (40 sur 100) : il s est déclaré démocrate lors de son inscription sur les listes électorales, mais il s est abstenu à plus d une élection sur deux par le passé et son emménagement récent dans une ville qu il ne connaît pas accroît la probabilité qu il s abstienne. 1 David Nickerson et Todd Rogers, Political Campaigns and Big Data, Journal of Economic Perspectives, 28(2), 2014.

3 Après une courte discussion, Monsieur Berwick confirme son soutien au candidat et promet d aller voter. Sur sa feuille de route, le volontaire renseigne les informations suivantes : soutien au candidat démocrate de 5 sur 5 ; probabilité d aller voter de 3 sur 5. Arrive enfin le numéro 13. Il s avère que la femme qui ouvre la porte est elle aussi inscrite comme républicaine sur la liste électorale. Cependant, la primaire républicaine, marquée très à droite, et les sorties anti-contraception de certains des candidats l ont fait réfléchir. Si elle partage les idées du candidat républicain finalement choisi sur les questions économiques, elle préfère cependant les positions du candidat démocrate sur les questions de société. Bref, elle est «cross-pressured», tiraillée par différents aspects de son identité, et le modèle statistique utilisé par la campagne lui attribue un score de persuasion élevé 1. A la fin de la conversation, le volontaire note une probabilité d aller voter de 4 sur 5 et une probabilité de soutenir le candidat démocrate de 3 sur 5. Ces appréciations, comme celles qui concernaient Monsieur Berwick seront scannées par l équipe de campagne pour être utilisées comme un ingrédient supplémentaire de prédiction des scores : ceux-ci évoluent ainsi en continu à mesure que l élection se rapproche. Les campagnes ciblent les abstentionniste et les indécis participationnistes Comme on peut le voir sur la Figure 1, à chaque instant, les campagnes présidentielles les plus récentes ciblaient principalement deux types d électeurs : les démocrates abstentionnistes (caractérisés par un score de soutien élevé et un score de comportement faible) et les indécis participationnistes (caractérisés par un score de soutien intermédiaire et un score de comportement élevé). Après deux portes closes, le volontaire s apprête à frapper au numéro 10 mais se ravise, car ce numéro ne figure pas sur la feuille de route. Et pour cause : l ensemble des électeurs de la famille qui y habitent sont enregistrés comme républicains, ils n ont jamais manqué une élection, et le père est un fervent adhérent de la National Rifle Association. Bref, les scores prédits par le modèle statistique ont cette fois épargné à notre volontaire une visite qui n aurait rapporté aucune voix à son candidat. Figure 1 - Intensité des contacts réalisés par les campagnes présidentielles des candidats démocrates dans l Ohio en 2004, 2008, et Source : Catalist, LLC Note : Chaque graphique comporte deux axes. L axe vertical indique le score de participation : bas en haut de l axe, élevé en bas. L axe horizontal indique le score de soutien au candidat démocrate, faible à gauche, fort à droite. Le rouge foncé représente les contacts les moins intensifs ; et le vert foncé les contacts les plus intensifs. Ainsi, en 2004, la campagne ciblait presque exclusivement des électeurs soutenant fortement le candidat démocrate, quel que soit leur score de participation. En 2008 et 2012, en revanche, le ciblage était plus fin et concernait deux catégories d électeurs : électeurs soutenant fortement le candidat démocrate avec faible score de participation ; et électeurs avec score de participation élevé mais score de soutien autour de 50 sur 100. Pour que le graphique tienne compte de l ensemble de l information disponible, il faudrait ajouter un troisième axe indiquant le score de persuasion. Il est omis par souci de simplicité. 1 Voir l article de Sasha Issenberg, «Obama Does It Better», Slate, 29 October

4 LE JOUR OÙ LE FRONT NATIONAL A RECULÉ Aujourd hui, les innovations les plus récentes visent à améliorer les modèles de persuasion afin d identifier de façon encore plus précise quelles fractions de l électorat peuvent changer d avis suite à un contact de la campagne et quels messages et argumentaires sont à même de produire ce changement. Ces modèles demandent un investissement important dans la construction de base de données et la conception de logiciels permettant d enregistrer les informations récoltées sur le terrain. C est pour cela qu ils sont en général déployés à grande échelle lors des campagnes présidentielles, pendant lesquelles une grande masse d information est agrégée et réintégrée dans le modèle. Se pose dès lors la question de la pérennisation du travail réalisé à l occasion des campagnes présidentielles. Au début de l année 2014, le Parti Démocrate a ainsi lancé le Projet Ivy, qui vise à mettre les analyses réalisées par la campagne Obama 2012 à disposition des candidats locaux aux législatives américaines de novembre prochain 1. 1 Voir l article de Zeke J Miller, «Project Ivy : Democrats Taking Obama Technology Down Ballot», Time, 24 février Méthodologie : comment construire des scores à partir des bases de données individuelles? Les américains utilisent de nombreuses bases de données individuelles pour prédire les comportements électoraux des citoyens et leur attribuer des scores. Mais comment ces scores sont-ils construits? Comment savoir si le fait de lire un magazine de décoration intérieure ou d avoir un parent d origine étrangère vous rend plus susceptible de voter pour tel ou tel parti? La prédiction des scores de soutien et de comportement à partir des données individuelles comporte deux étapes principales. Dans un premier temps, vous devez construire un modèle prédictif pour identifier les caractéristiques individuelles qui expliquent le mieux un comportement électoral. Pour cela, commencez par construire une baseline: vous réalisez une enquête téléphonique sur un échantillon de quelques milliers d électeurs, à qui vous demandez d évaluer leur probabilité d aller voter et leur préférence pour le candidat républicain ou démocrate sur une échelle de 1 à 5. Vous identifiez ensuite les caractéristiques individuelles qui expliquent ces réponses à l aide d une régression statistique. Vous établissez par exemple que, toutes choses égales par ailleurs, les jeunes de 18 à 25 ans s apprêtent à avoir une participation de 10 points inférieure aux autres électeurs ; mais que leur soutien au candidat démocrate est supérieur de 6 points. Plus généralement, votre modèle vous permet d estimer les coefficients d influence sur les scores de participation et de soutien de chacune des variables dont vous disposez : sexe, vote passé, situation professionnelle, etc. Dans un second temps, muni de ces coefficients, vous prédisez les scores de participation et de soutien de l ensemble des électeurs à qui vous vous intéressez, bien au-delà de votre échantillon initial : vous pouvez alors prédire le comportement de l ensemble des électeurs du pays. Notons cependant que cette méthode ne vous permet pas de calculer le score de persuasion : en effet, vous ne pouvez pas demander aux répondants de l enquête téléphonique de vous indiquer la probabilité qu ils changent d avis suite à un contact reçu de la part de la campagne. Ils n en seraient tout simplement pas capables. La méthode utilisée est donc un peu plus complexe : après la première enquête téléphonique, une moitié de l échantillon, sélectionnée au hasard, reçoit un contact (appel téléphonique ou visite en porte-à-porte par exemple). Quelques jours plus tard, on réalise une seconde enquête téléphonique pour mesurer une nouvelle fois les scores de soutien et de participation. On constate alors que certains électeurs ont plus changé d avis que d autres : les caractéristiques de ces électeurs serviront de base pour constituer un score de persuasion et les messages les plus efficaces pour faire changer un électeur d avis en fonction de son profil. 4

5 Quels data analytics en France et en Europe? Directeur en charge des données, vous êtes bien conscient que la pratique de collecte et d analyse des données est quasiment nulle dans votre parti, comme d ailleurs au sein de l ensemble des autres partis politiques français et européens. Cependant, séduit par ce que vous avez découvert aux Etats- Unis et conscient de l avantage que vous pourriez prendre en investissant dans cette dimension, vous vous demandez comment l analyse des données façon US peut être transposée au contexte de votre pays. Immanquablement, deux obstacles se dressent sur votre route : on n a pas les moyens financiers, vous dit-on ; et ce que vous proposez est-il bien légal? Le manque de moyens financiers est un faux argument. D abord, la mise à disposition d un nombre croissant de bases de données en open data rend l exploitation de ces bases peu onéreuse. Surtout, l analyse systématique des bases de données permet d optimiser l allocation des ressources limitées des partis et des candidats et, même, de les accroître. Parmi les nombreux avantages que votre parti aura à lancer un travail d analyse de données, on peut en effet lister les bénéfices suivants : l amélioration du ciblage des électeurs contactés par les campagnes, et de la préparation des messages qui leur sont destinés ; l amélioration des méthodes de recrutement de militants, ressources essentielles tant par leur contribution financière que par le temps qu ils peuvent consacrer aux activités de campagne ; l identification de sympathisants prêts à contribuer financièrement à la campagne et, ainsi, la levée de fonds plus importants. L analyse systématique des bases de données permet d optimiser l allocation des ressources limitées des partis et des candidats Reste la question des barrières légales. En France comme dans la plupart des pays européens, la protection des données individuelles est bien plus importante qu aux Etats-Unis : à moins d avoir explicitement donné mon accord, ni ma banque ni aucun parti politique ne sauront jamais que je possède une Toyota, que j ai deux enfants en bas âge, ou que je viens de perdre mon emploi. Cette protection, dont il faut se réjouir, n empêche pas de collecter et d analyser des bases de données. Lorsque l accord explicite ne peut être demandé ou obtenu, il faut simplement travailler à une autre échelle, d agrégation géographique fine (par exemple le bureau de vote ou environ 1000 inscrits ou le quartier), plutôt que l échelle de l individu. Les protection des données personnelles n empêche pas de collecter et d analyser des bases de données au niveau agrégé En France, par exemple, les résultats par bureau de vote d un nombre croissant d élections passées sont mis à disposition du public par le Ministère de l Intérieur. En théorie, cela devrait permettre aux partis politiques de cibler leurs actions de campagne à cette échelle. En pratique, très peu ont même connaissance de l existence de ces bases. En Belgique, les résultats électoraux sont disponibles à une échelle plus agrégée encore, afin d empêcher toute identification entre résultats et individus. Mais là encore, ces données restent précieuses pour l optimisation des méthodes de campagne. Convaincue par vos arguments, la direction de votre parti vous confie un petit budget que vous pouvez consacrer à l analyse de données. Les chantiers que vous devriez ouvrir en priorité sont selon nous au nombre de quatre : 1 Collecter l ensemble des bases de données électorales et des bases de données sociodémographiques (par exemple issues du recensement) disponibles en open data et les fusionner en une base unique. Réaliser la représentation géographique de ces données, et les mettre à disposition de l ensemble de vos candidats et équipes locales. Deux difficultés sont à anticiper : il est parfois difficile d obtenir de l information sur les limites géographiques des bureaux de vote ou unités de recensement ; et les limites géographiques de ces différentes unités sont souvent différentes. Ce travail vous permettra cependant d identifier des grandes tendances électorales et 5

6 LE JOUR OÙ LE FRONT NATIONAL A RECULÉ des décrochages, et de construire des modèles prédictifs permettant d en comprendre les raisons. Enfin, de prédire les résultats futurs et d adapter vos actions de campagne à ces prédictions. Lors des dernières élections municipales, par exemple notre logiciel 50+1 permettait d identifier en un clic, dans chaque ville, les bureaux de vote où le gain de voix potentiel était le plus élevé (voir Figure 2). 2 Constituer,enrichir, et qualifier un fichier de sympathisants,c est-à-dire d électeurs qui ont explicitement accepté de vous donner leur contact. Au Parti Socialiste, l expérience des primaires de 2011 a montré qu un grand nombre d électeurs étaient prêts à donner leur contact mais cette base a été relativement mal utilisée. Elle a été sur-sollicitée, avec pour conséquence de diminuer le taux d ouverture des s, sans jamais être véritablement qualifiée. Il aurait pourtant été précieux de connaître les thématiques intéressant chacun des sympathisants, afin de leur envoyer de l information ciblée pendant la campagne présidentielle, qu ils pourraient euxmêmes relayer auprès de leurs cercles d amis ; et d identifier les sympathisants les plus disposés à prolonger leur vote aux primaires par d autres actions militantes. 3 Mettre en place un programme d expérimentations online et offline. Concernant l offline, nous avons mesuré l impact du porte-à-porte dans différents contextes (campagnes de mobilisation, de persuasion, ou d inscription sur les listes électorales), mais de nombreuses autres actions restent à expérimenter, par exemple des campagnes de levée de fonds ou de recrutement de nouveaux volontaires. En outre, online, les s envoyés par les partis à leurs militants et sympathisants pourraient faire l objet de tests systématiques ou A/B testing: en comparant les taux d ouverture et les taux de clic associés à différentes versions d un même , les partis pourront peu à peu améliorer les objets et contenus de leurs messages. 4 Pérenniser une direction consacrée à l analyse de données permettra d insuffler cette culture dans le parti, tout en travaillant ponctuellement avec des prestataires extérieurs. Cette pérennisation est essentielle pour assurer une accumulation du savoir. A défaut de structure dédiée, le risque est grand de perdre les bases de données collectées et enrichies à l occasion d une campagne présidentielle par exemple. Figure 2 - Logiciel 50+1 : Représentation des bureaux de vote parisiens par degré de priorité pour la campagne 6