Deux électeurs peuvent poser au même chatbot la même question sur les élections de mi-mandat et repartir avec deux images différentes de la course, même si tous les faits qu'on leur donne sont exacts. C'est le premier constat du LLM Election Observatory du MIT, un tableau de bord public qui suit ce que les chatbots d'IA les plus utilisés disent aux gens sur les élections américaines de 2026. Cela compte, car les réponses d'un chatbot, contrairement aux fils des réseaux sociaux, restent propres à chaque conversation, si bien que personne à l'extérieur ne peut voir en quoi elles diffèrent.
Le projet est mené par Chara Podimata, de MIT Sloan, et les politologues Adam Berinsky et Charles Stewart III. Tous les quelques jours, l'équipe soumet à plusieurs chatbots une série fixe de questions sur les scrutins de la Chambre et du Sénat, la certification des résultats, les sujets clivants, les pronostics et la couverture médiatique, en faisant varier les informations sur l'utilisateur jointes à chaque question : lieu de résidence, affiliation partisane et autres traits d'identité. L'objectif est un relevé continu de ce que les électeurs auraient vu à chaque moment de la campagne, impossible à reconstituer une fois les modèles mis à jour. L'équipe prévoit de mettre le jeu de données à la disposition d'autres chercheurs.
Dans un entretien avec MIT News, Podimata n'a décrit les premières tendances qu'à grands traits. Selon l'identité d'utilisateur présentée par l'équipe, les réponses diffèrent par leur présentation, leur ton et les sources citées par le modèle, parfois avec des faits de fond identiques. Son étude de 2024 sur la présidentielle avait déjà montré que les réponses évoluaient au fil de la campagne et selon la formulation de la question, et que les modèles différaient dans leur façon de décrire les candidats et d'anticiper implicitement le résultat.
L'inquiétude porte moins sur les contre-vérités franches que sur le cadrage. Berinsky souligne que les chatbots répondent avec assurance même lorsqu'ils se trompent ou s'appuient sur des sources faibles, et qu'un électeur qui veut une réponse nette peut ne pas remarquer qu'elle a été bâtie à partir d'un autre mélange de sources que celle de son voisin. Le même problème vaut pour tout assistant généraliste, y compris ChatGPT et les autres chatbots que nous analysons, dès que les utilisateurs les laissent se souvenir de qui ils sont. Berinsky rappelle aussi l'autre versant : des travaux antérieurs ont montré que des échanges fondés sur des preuves avec un chatbot peuvent réduire durablement l'adhésion aux théories du complot.
Les chercheurs exposent eux-mêmes les limites. Ils n'ont pas mené l'analyse complète, n'ont publié aucune taille d'effet et ne peuvent pas encore dire si les écarts sont stables ni si de vraies personnes changeraient d'avis à cause d'eux. Le tableau de bord présente des données descriptives préliminaires que l'équipe compte réviser. Pour l'instant, il s'agit d'un audit bien conçu en cours, pas d'un résultat mesuré, et le plus utile sera le jeu de données une fois l'élection passée.