Utilisation de la PNL dans l'analyse des idées présidentielles

L'utilisation des technologies deep learning dans les processus de consultation massive des citoyens permet de traiter rapidement et efficacement des milliers de propositions afin de donner une viabilité à ce type d'exercice démocratique.

Introduction

Des élections présidentielles ont lieu au Chili. Au moins six candidats sont en lice pour cette élection. L'un d'entre eux, le leader dans les sondages, Gabriel Boric, a décidé de créer son programme gouvernemental à partir d'un processus sans précédent, dans lequel des centaines de groupes de citoyens ont été créés pour discuter des idées et des propositions à inclure dans le programme gouvernemental dans des dizaines de domaines prioritaires.

Méthodologie

Entre le 20 septembre et le 24 octobre 2021, un processus de construction programmatique citoyenne a été réalisé par Gabriel Boric dans lequel 33 728 personnes ont participé aussi bien sous la forme de Tables citoyennes que via la participation en ligne.
Un total de 603 Tables citoyennes pour Boric ont été organisées, dans lesquelles 7 284 personnes ont travaillé dans 80 communes du Chili, en plus de 14 tables en territoire étranger. Sur le nombre total de Tables citoyennes, 258 correspondent à des Tables territoriales et 318 à des Tables technico-thématiques ou de cause citoyenne, et 27 Tables de travail sectorielles.
Dans le cadre de la consultation citoyenne en ligne, plus de 120 000 réponses ont été soumises par 12 011 personnes qui ont participé au processus en ligne, tandis que 16 433 personnes ont répondu aux questions citoyennes postées sur les réseaux sociaux. À l'issue du processus, un total de 13 250 propositions programmatiques ont été formulées.

Vous trouverez ci-dessous une infographie résumant le processus :

Utilisation du traitement du langage naturel (NLP).

Plus de 13 000 propositions programmatiques reçues ont dû être traitées en quelques jours afin de présenter le résultat de ce processus au pays. À cette fin, et compte tenu de l'impossibilité de le faire manuellement, des modèles de langage naturel ont été utilisés en tant que Deep Talk service. Des fichiers .csv contenant les propositions des individus et des tableaux programmatiques ont été téléchargés sur la plateforme en ligne, et à partir de là, 90 clusters ont été obtenus autour desquels les propositions ont été organisées. Voici les clusters (en espagnol) :

Ensuite, une analyse plus détaillée de ces groupes a été effectuée afin de regrouper certains groupes similaires et leurs propositions, ce qui a permis de construire un résumé des suggestions en fonction des domaines.

Conclusion

L'utilisation des technologies deep learning dans les processus de consultation massive des citoyens permet de traiter rapidement et efficacement des milliers de propositions afin de donner une viabilité à ce type d'exercice démocratique. Dans le cas décrit ci-dessus, la quantité de ressources humaines nécessaires pour traiter manuellement le grand nombre de propositions écrites en langage naturel rendait sa mise en œuvre très difficile. Grâce à l'utilisation de la plateformeDeep Talk , des milliers de propositions ont pu être traitées en quelques minutes, donnant ainsi une réelle viabilité au processus.
Il est intéressant d'observer comment l'utilisation de ce type d'outils peut soutenir l'approfondissement de la démocratie par la participation active des citoyens, qui écrivent, donnent leur avis et génèrent des propositions de programmes aux gouvernements.

Document officiel ici