Election 2012: beaucoup de data, pour quoi ?

Date 8 novembre 2012

La saison 2 de l’élection présidentielle s’est achevée hier avec les résultats que l’on sait, le temps de l'analyse à froid peut commencer. Du point de vue des données produites et publiées, on peut voir quelques tendances.

Du côté de la prédiction du vote, la vedette de l'élection, le blog FiveThirtyEight du New York Times, a finalement eu bon sur toute la ligne. Le journal a donc réussi à annoncer le résultat avec une faible marge d’erreur. Le matin de l’élection, il prévoyait 313 grands électeurs et 91% de chances de victoire à Obama.

Les prédictions de FiveThirtyEight, le matin de l'élection

Sa méthode ? Une compilation de sondages publiés état par État, et redressés « à la main », c'est-à-dire selon une méthode tenue secrète. D’autres faisaient cela depuis longtemps, mais ici son principal animateur, le statisticien Nate Silver qui officiait pour la deuxième fois après 2008, a gagné une visibilité internationale, notamment en devenant la cible des républicains qui l’accusaient de partialité (qu’il revendiquait d’ailleurs au plan personnel, mais pas pour ses statistiques).

C’est d’autant plus remarquable que sa méthode pouvait paraître fragile : compilation de résultats de sondages réalisés État par État, ses mesures était sensibles à tous les biais classiques qu’on impute aux sondages (sous-déclaration de certaines opinions, partialité des redressements). Et aux corrections « à la main » (au doigt mouillé, diraient leurs détracteurs) réalisées par les sondeurs, il a ajouté sa propre formule de redressement pour pondérer les biais éventuels des différents sondages.

Cette approche, qui ferait bondir un étudiant de statistiques de première année, a finalement été couronnée de succès. Probablement parce qu’en dépit des biais multiples et accumulés, la répétition dans le temps des mesures (par institut) comme la multiplicité des mesures (plusieurs instituts) lui donnait une bonne estimation des variations d’opinion des électeurs dans certains états. Peut-être aussi que les comportements de non-réponse, ou de sous-déclaration, sont moins difficiles à contrôler dans un système bipartisan ? Certains commentateurs soulignent par ailleurs son érudition d'électoraliste, y compris au niveau local. Finalement, en dépit de sa canonisation comme sorcier des chiffres, c'est peut-être avant tout en analyste politique minutieux qu'il devrait être regardé ?

Résultats 2012, par comté

Du côté de l’usage des données personnelles, la présidentielle 2012 a révélé un usage encore plus extensif de celles-ci. Les équipes de campagne des candidats ont cette fois-ci fait une orgie de données, parfois aux limites de l’intrusion dans la vie privée. En 2008, les équipes de McCain et d’Obama avaient largement eu recours aux réseaux sociaux pour faire campagne. Ils avaient aussi, plus discrètement, mis en place des bases de données pour faire inscrire puis faire voter (sur les campagnes et l’usage des bases de données en 2008, voir ici). Au porte-à-porte façon parti communiste des années 1950, ils avaient ajouté la mise en place de système de collecte et d’échange d’informations entre militants. Certains appellent, d’autres rendent visitent, et inscrivent sur les listes électorales. D’autre encore se conduisent au bureau de vote le jour de l’élection (ou durant le mois qui précède, si l’état permet le « vote early »).

Pas de changement cette fois-ci, mais les techniques étaient encore plus précises. Des cookies (des petits programmes qui suivent vos parcours sur internet) permettaient de proposer des publicités ciblées. Inutile en effet de proposer des messages du genre « Dieu veut que vous votiez Romney » si l’usager vient de passer une heure sur des sites à caractère pornographique (quoique…). Plus précis encore : les bases de données à partir desquelles les équipes de campagne appellent les électeurs potentiels étaient en permanence complétées par des données sur leurs habitudes personnelles, voire par des informations sur leurs connaissances. Une fois leurs listes de contact (Facebook, LinkedIn, etc) minutieusement épluchées par un programme informatique, les équipes de campagne tentaient de trouver un bénévole qui les connaitrait. La collecte de ces informations reste toutefois un tabou, et les accusations d’intrusion dans la vie privée n’ont pas manqué.

La campagne a donné lieu à de belles visualisations. Les donations ont eu droit à une carte animée très (trop ?) léchée, mais surtout les données, y compris individuelles, sont facilement accessibles sur le site de l'administration des finances de campagneThe Atlantic propose une rapide rétrospective des cartographies électorales du New York Times, dont celle de 1896, qui rappelle que les équilibres partisans étaient exactement inversés, avec un Sud démocrate – ce qui ne veut pas dire de gauche, et encore moins à l'époque.

L'élection présidentielle de 1896, par le NY Times

NPR a fait dans les extrêmes d'un point de vue technique. D’un côté, la radio publique a proposé un bon vieux tableau des scores digne des matches de baseball pour suivre les résultats en direct. À force de valoriser la prouesse graphiques, on oublie que ces représentations fournissent rapidement une somme d’information finalement bien plus importante. Le Big Board de NPR était un site particulièrement utile pour suivre les résultats au fur et à mesure de leur arrivée.

NPR Big Board

De l’autre, une série de cartes basées sur le principe d’un morphisme : la surface représentée est proportionnelle à une variable, comme le nombre de grands électeurs, ou ci-dessous l'argent dépensé. Cela permet de bien montrer qu’en dépit des déclarations des candidats prétendant parler au pays entier, certains États ont été au cœur de toutes les attentions.

Dépenses en publicité par Etat (NPR)

Ce genre de graphique laisse songeur. Sur le caractère démocratique de l'élection, avec une campagne qui se joue sur cinq États à coup de dépenses de campagnes inouïes. Au total, ce sont 2,6 milliards de dollars qui ont été dépensés à des fins partisanes pour cette campagne (à comparer aux quelques 60 millions d'euros pour l’élection présidentielle française de 2012, avec 10 candidats). Sur les résultats aussi, puisqu'on aboutit finalement à un statu quo ante remarquable : le Président est le même, le Sénat reste démocrate, et la Chambre des représentants est toujours entre les mains des républicains. Du point de vue républicain, le retour sur investissement est finalement assez mauvais.


Imprimer ce billet Imprimer ce billet

5 commentaires pour  “Election 2012: beaucoup de data, pour quoi ?”

  1. Joël a dit le 11/11/2012 à 21:28 :

    Pas de référence précise sous la main, mais il y a deux types de sondages aléatoires assez souvent pratiqués :
    - des sondages téléphoniques : avec deux sous-types : soit on a une base de sondage (l'annuaire, concrètement), avec le problème des listes rouge/orange etc. ; soit on compose des numéros de téléphone aléatoirement (et on peut stratifier par indicateur géographique). Dans les deux cas, ça restreint évidemment la base de sondages aux gens qui ont le téléphone...
    - des sondages par "random walk" : un programme définit aléatoirement un itinéraire à partir d'un point (partir de là, tourner à la première à droite, puis la deuxième à gauche, monter au deuxième étage et sonner à la première à gauche, demander à parler à la troisième personne du foyer par ordre de date de naissance). Ce sont techniquement les meilleurs, mais aussi les plus chers, et donc les moins souvent pratiqués... De mémoire, l'enquête ESS par exemple est réalisée selon cette méthodologie.

    Répondre
  2. Joël a dit le 08/11/2012 à 22:23 :

    Pour une réflexion supplémentaire sur le sujet : http://andrewgelman.com/2012/11/poll-aggregation-and-election-forecasting/

    Répondre
  3. Joël a dit le 08/11/2012 à 22:20 :

    Concernant Nate Silver, ce n'est en effet pas tant une victoire des sondages que d'un certain savoir-faire dans leur manipulation. Pour ce que j'en comprends, il ne redresse pas les sondages (il faut savoir que le redressement est moins systématique chez les sondeurs américains que chez les français, puisqu'il y a encore pas mal de sondages aléatoires aux USA), mais en revanche il les pondère selon leur fiabilité passée (et il n'est pas impossible qu'ici, il rajoute une petite touche manuelle). Surtout, il ne s'intéresse pas qu'aux estimations ponctuelles mais aussi au degré d'incertitude, ce qui me semble essentiel. Enfin, les sondages ont bien fonctionné parce que l'important c'était de bien évaluer les swing states, et il y a eu de très, très nombreux sondages réalisés dans ces États. La comparaison avec la France me semble donc difficile.

    Répondre
    • étienne a dit le 09/11/2012 à 13:54 :

      Absolument: il ne fait aucun sondage, mais s'appuie sur des séries de sondages qu'il intègre dans un modèle. Mais il me semble que la compilation de données floues (les sondages) corrigées à la main (pondération) n'est pas le genre de choses que les statisticiens ou même les électoralistes cautionneraient (voir les remarques sur scatterplot, ou celles que tu cites).

      Et pourtant ça a marché...probablement parce que, comme tu dis, il dispose d'observations répétées (variations d'un sondage) et de sondages multiples par État (ce qui lui permet de prédire la tendance).

      Sinon, dans la série prédictions, il y avait aussi Votamatic

      Répondre
    • étienne a dit le 11/11/2012 à 21:21 :

      Joël, je me suis posé une question en te lisant: comment font-ils pour faire des sondages aléatoires (je veux dire: matériellement)? Ont-ils des échantillons énormes, ou font-ils de l'aléatoire sur des effectifs réduits? Tu as des références?

      Répondre

Laisser un commentaire

XHTML: Vous pouvez utilisez ces balises :<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <embed style="" type="" id="" height="" width="" src="" object="" allowfullscreen="" allowscriptaccess="" cachebusting="" bgcolor="" quality="" flashvars=""> <iframe width="" height="" frameborder="" scrolling="" marginheight="" marginwidth="" src=""> <object style="" height="" width="" param="" embed=""> <param name="" value="">