Transparence algorithmique
La confiance est au cœur de notre projet. Voici exactement comment fonctionne notre algorithme de profilage.
1. Les 10 dimensions politiques
Nous avons défini 10 dimensions qui permettent de représenter un profil politique de manière nuancée, au-delà du simple axe gauche/droite.
Vision de la société, traditions vs progressisme
Rôle de l'État dans l'économie
Priorité écologique vs croissance économique
Équilibre entre sécurité et libertés individuelles
Responsabilité individuelle vs collective
Souveraineté nationale vs coopération internationale
Pédagogie classique vs innovation éducative
Démocratie représentative vs participative
Régulation vs innovation libre
Protection des salariés vs flexibilité du marché
2. Comment le score est calculé
Conversation guidée
L'assistant pose des questions ouvertes sur chaque dimension.
Analyse sémantique
Les réponses sont analysées par un modèle de langage (Claude) qui identifie les positions exprimées.
Extraction de verbatims
Les phrases clés sont extraites pour illustrer chaque position.
Score par dimension
Un score de 0 à 100 est calculé pour chaque dimension (0 = pôle bas, 100 = pôle haut).
Indice de confiance
Un score de confiance (0-100%) indique la clarté de la position exprimée.
3. Neutralité de l'IA
L'assistant conversationnel est programmé pour être strictement neutre :
4. Biais potentiels et limitations
Nous sommes transparents sur les limites de notre approche :
Biais du modèle IA
Les modèles de langage peuvent avoir des biais. Nous les monitorons et les corrigeons.
Auto-déclaration
Les réponses dépendent de ce que l'utilisateur déclare, pas de ses actions réelles.
Simplification
10 dimensions ne peuvent pas capturer toute la complexité d'une vision politique.
5. Audit et amélioration continue
Rapport de biais
Publication annuelle analysant les biais détectés.
Conseil scientifique
Supervision par des universitaires en sciences politiques.
Open source
Le code est public et peut être audité par quiconque.
6. Données ouvertes
Les données agrégées et anonymisées sont publiées en open data :
- Distribution des scores par dimension
- Thèmes les plus mentionnés
- Évolution temporelle
- Analyse par région (si suffisamment de données)
Questions ?
Tu as des questions sur notre méthodologie ? Contacte-nous à : transparence@whatwewant.fr