L’IA électorale gagne en précision, mais les électeurs ont toujours besoin de sources officielles

Google News a mis en évidence un résultat encourageant avant les élections de mi-mandat de 2026 : les principaux outils d’IA n’ont commis aucune erreur factuelle vérifiable dans une récente étude sur les élections. Cela semble marquer une nette amélioration par rapport aux tests de fin 2025. Toutefois, ces mêmes outils omettaient régulièrement des candidats et ne dirigeaient pas les électeurs vers les sites officiels consacrés aux élections.

La distinction est importante, car une réponse techniquement correcte peut tout de même empêcher une personne de trouver les informations nécessaires pour voter. Une liste de candidats incomplète ne comporte pas de faux nom. Elle donne néanmoins à l’électeur une vision déformée de l’élection.

La nouvelle étude sur l’IA et les élections a examiné ChatGPT et l’interface d’IA intégrée à Google Search. Les chercheurs ont recueilli 899 réponses lors de deux phases de test, dont 402 pendant l’enquête principale menée au début de 2026.

Le States United Democracy Center a constaté de réels progrès entre ces deux phases. Google AI affichait un taux d’erreurs factuelles de 6,9 % lors des tests préliminaires, contre 8,2 % pour ChatGPT. Aucune des deux plateformes n’a produit d’erreur factuelle vérifiable lors de la phase plus ciblée de 2026.

Pourtant, ChatGPT a fourni des listes incomplètes de candidats au poste de gouverneur dans 88,9 % des requêtes pertinentes. Il n’a mentionné un site électoral d’État que dans 39,4 % de l’ensemble des réponses de la phase principale. Google AI en a mentionné un dans 55,6 % des cas, avant qu’un changement de format ne supprime les résumés explicatifs de nombreuses réponses testées.

C’est là que réside le conflit central auquel font face les électeurs. Les entreprises d’IA améliorent l’exactitude factuelle, mais l’information électorale exige de l’exhaustivité, de l’actualité, un contexte local et une voie claire vers l’action.

Les produits de recherche sont optimisés pour répondre immédiatement aux questions. Les bureaux électoraux, eux, constituent des sources responsables dont les informations évoluent au gré des candidatures déposées, des échéances, des décisions de justice et des procédures locales. Les électeurs devraient considérer le premier système comme un point de départ et le second comme l’autorité finale.

Ce que le rapport de Google News sur les élections a réellement constaté

Les réponses de l’IA sur les élections sont devenues plus exactes, mais l’étude n’a pas conclu qu’elles pouvaient remplacer de façon fiable les bureaux électoraux.

States United a mené son enquête préliminaire en septembre et octobre 2025. Les chercheurs ont testé 216 réponses de Google AI et 281 réponses de ChatGPT dans six États politiquement disputés.

Ces États étaient l’Arizona, le Michigan, le Nevada, la Caroline du Nord, la Pennsylvanie et le Wisconsin. Les questions portaient sur l’inscription sur les listes électorales ainsi que sur les dates des primaires et des élections générales.

La seconde phase s’est déroulée en janvier et février 2026. Elle s’est concentrée sur l’Arizona, le Michigan et la Pennsylvanie, avec certaines questions ne précisant pas d’État.

Les chercheurs ont testé la version gratuite de ChatGPT sans compte connecté. Ils ont également testé Google AI dans un navigateur en navigation privée et via un compte présentant un historique de navigation sceptique à l’égard des élections.

L’étude a comparé les affirmations factuelles distinctes à des sources officielles des États. Elle a examiné des sujets tels que l’inscription, les lieux de vote, le vote par correspondance, les dates électorales, les listes de candidats et le dépouillement.

Cette méthodologie a produit la conclusion la plus encourageante de l’étude. La part des réponses contenant des erreurs factuelles vérifiables est passée de 6,9 % pour Google AI et 8,2 % pour ChatGPT à zéro lors de la seconde phase.

Ce résultat mérite d’être reconnu. Des tests électoraux antérieurs avaient montré que l’IA générative pouvait inventer des lieux de vote, indiquer de mauvaises échéances ou fournir des instructions obsolètes. Éviter ces défaillances directes réduit un risque évident.

Toutefois, l’absence d’erreurs détectées ne signifie pas une exactitude universelle. La phase principale couvrait trois États, un ensemble défini de questions et plusieurs semaines de comportement produit en évolution rapide.

Elle mesurait aussi si les affirmations effectivement formulées étaient correctes. Cette approche ne classait pas automatiquement un candidat omis ou un lien d’action manquant comme une erreur factuelle.

Cette limite explique pourquoi le chiffre phare de l’étude et ses conclusions pratiques paraissent si différents. Une réponse peut ne contenir que des affirmations vraies tout en excluant des informations susceptibles de modifier la décision d’un électeur.

Le reportage original a illustré cette tension par un exemple simple. Un chatbot peut identifier les candidats républicain et démocrate tout en omettant tous les candidats de partis tiers.

Rien dans cette réponse n’est nécessairement faux. Pourtant, un électeur pourrait raisonnablement conclure que seuls deux candidats sont en lice.

L’étude n’a pas non plus comparé tous les principaux assistants. Claude, Copilot, le chatbot autonome de Gemini, Grok et Perplexity ne faisaient pas partie de son test principal.

Ses conclusions s’appliquent donc aux produits et aux conditions testés. Elles ne doivent pas être considérées comme un classement définitif du marché plus large de l’IA.

Même dans ce cadre limité, l’amélioration est importante. La question plus difficile consiste à déterminer si l’exactitude factuelle représente le bon critère pour l’assistance électorale.

Des faits exacts peuvent tout de même produire une mauvaise réponse sur le vote

Les conseils électoraux doivent être complets et exploitables, et pas seulement exempts d’affirmations que les chercheurs peuvent qualifier de fausses.

Prenons le cas d’un électeur qui demande comment s’inscrire. Un chatbot peut décrire avec exactitude les conditions d’éligibilité, tout en omettant le portail officiel d’inscription.

Un autre électeur peut demander où voter. Une réponse peut décrire les bureaux de vote de manière générale sans demander les informations de localisation nécessaires pour identifier le bon bureau.

Les résultats concernant les listes de candidats mettent ce problème particulièrement en évidence. ChatGPT a produit des listes incomplètes dans 88,9 % des requêtes sur les candidats au poste de gouverneur, 35,7 % des requêtes sur les candidats au poste de procureur général et 28,6 % des requêtes sur les candidats au poste de secrétaire d’État.

Les résumés de Google AI ont également rencontré des difficultés. Ils étaient incomplets dans 44,4 % des requêtes portant sur les candidats au poste de gouverneur et dans 42,9 % des requêtes concernant les deux autres fonctions à l’échelle de l’État.

L’Arizona a largement contribué à cette tendance. Au moment des tests, la course au poste de gouverneur dans cet État comptait au moins neuf candidats déclarés, répartis entre plusieurs partis.

Toutes les réponses textuelles testées concernant les candidats au poste de gouverneur en Arizona étaient incomplètes. Le taux atteignait 77,8 % pour le Michigan et 44,4 % pour la Pennsylvanie.

Ces défaillances reflètent un problème structurel plutôt qu’une question de culture générale difficile. Les listes de candidats évoluent lorsque des personnes déposent leur candidature, se retirent, se qualifient, font face à des contestations ou perdent leur accès au bulletin de vote.

Les modèles linguistiques apprennent à partir d’informations historiques et récupèrent souvent des pages web de manière périodique. Les bases de données d’État sur les candidatures constituent le registre juridique à jour.

Un modèle peut identifier plusieurs candidats importants à partir d’une couverture récente tout en manquant une candidature moins connue ajoutée la veille. Sa présentation concise peut faire paraître la liste partielle comme définitive.

La sélection des sources rendait cette faiblesse plus préoccupante. Wikipedia représentait 12,3 % des 3 481 liens cités lors des tests principaux.

Wikipedia peut fournir un contexte utile, mais ses pages sont modifiées librement. Elles ne constituent pas des registres faisant autorité pour les périodes actives de dépôt des candidatures ou les procédures électorales propres à chaque juridiction.

Les sources de contenu mixte, notamment Reddit et YouTube, représentaient 7,6 % supplémentaires des liens cités. Certains contenus publiés sur ces plateformes proviennent de responsables électoraux, d’autres non.

Ensemble, Wikipedia et les sources mixtes ou peu fiables représentaient environ un lien cité sur cinq. Une longue liste de sources ne garantissait donc pas des sources faisant autorité.

ChatGPT comptait en moyenne 5,61 liens Wikipedia dans chaque réponse relative à l’élection du gouverneur. Ses réponses concernant les courses au poste de secrétaire d’État et de procureur général comptaient en moyenne entre 6,4 et 6,8 liens de ce type.

Les modèles se comportaient de façon plus responsable lorsqu’on leur demandait un lieu de vote. ChatGPT mentionnait un site électoral d’État dans 88,2 % de ces réponses.

Cette performance tombait à 33,6 % pour les autres types de questions. Les résumés de Google AI affichaient un écart similaire entre les questions sur les lieux de vote et les autres requêtes électorales.

Les lieux de vote obligent le système à reconnaître une limite. Sans adresse et carte des circonscriptions électorales à jour, il ne peut pas fournir avec assurance un lieu personnalisé.

La réponse la plus sûre consiste donc à orienter l’utilisateur vers un outil officiel de recherche. Le même principe de conception devrait s’appliquer aux dates limites d’inscription, aux règles de vote et aux candidatures.

Les systèmes d’IA devraient identifier les cas où une question dépend de registres publics en constante évolution. Ils devraient alors orienter l’électeur vers la source responsable plutôt que d’imiter une autorité finale.

Google AI a modifié sa réponse pendant l’étude

Le risque le plus important n’était pas une information inventée. C’était une décision produit qui a modifié sans avertissement la manière dont les informations électorales étaient présentées.

Vers le 2 février 2026, Google AI a commencé à remplacer les résumés électoraux écrits par des listes de liens dans les conditions de test en navigation privée. La sortie indiquait : « Here are top web results for exploring this topic. »

Avant ce changement, ces réponses comptaient en moyenne 224,5 mots. Bon nombre des réponses ultérieures ne contenaient plus que neuf mots, accompagnés des résultats liés.

Les 79 réponses recueillies via le compte à l’historique sceptique à l’égard des élections sont toutes arrivées après ce changement. Toutes utilisaient le format limité aux liens.

Le déploiement n’a pas été entièrement cohérent. Les résumés sont brièvement réapparus à plusieurs dates de février avant que le format limité aux liens ne revienne.

Les chercheurs ont également observé que certaines requêtes non électorales continuaient de recevoir des résumés, tandis que les questions électorales recevaient des listes de liens. L’étude n’a pas pu établir la raison exacte de cette différence.

Ce changement a entraîné un compromis. Google AI a cessé de générer du texte explicatif, ce qui a réduit les occasions de produire un langage non étayé ou une synthèse trompeuse.

Dans le même temps, les utilisateurs ont perdu des indications sur le caractère officiel des destinations proposées. Davantage de liens ne rendaient pas nécessairement le résultat plus facile à utiliser.

Les résumés antérieurs au changement comptaient en moyenne 3,7 sources. Les réponses limitées aux liens en comptaient 9,6, tandis que ChatGPT en comptait 10,2.

Les résumés de Google AI mentionnaient des sites électoraux officiels d’État dans 55,6 % des réponses avant le changement de format. Cette mesure est tombée à zéro ensuite, car le nouveau format ne proposait aucun texte d’orientation.

Les sorties limitées aux liens incluaient toujours des liens gouvernementaux. Elles n’expliquaient toutefois pas quel lien représentait l’autorité électorale de l’État ni par lequel l’électeur devait commencer.

C’est ici que l’article de Google News dépasse le simple cadre d’un indicateur d’exactitude. Une interface produit peut modifier la diffusion d’informations civiques au cours d’un même cycle électoral.

Cette instabilité complique la validation externe. Les chercheurs peuvent tester une version en janvier et rencontrer une expérience sensiblement différente quelques jours plus tard.

Les responsables électoraux font face au même problème lorsqu’ils préparent des informations destinées au public. Ils ne peuvent pas supposer que le comportement d’orientation d’une plateforme restera stable jusqu’aux dates limites d’inscription ou au jour du scrutin.

L’étude a demandé à Google AI pourquoi son format avait changé. Sa réponse générée citait l’exactitude, la réduction des hallucinations, les préoccupations des éditeurs et les efforts visant à rendre la recherche par IA plus monétisable.

Cette réponse a été générée par le produit, et non fournie dans une déclaration vérifiée de l’entreprise. Elle ne peut pas établir la motivation interne de Google.

Elle souligne néanmoins une véritable question de politique publique. Les interfaces de recherche doivent concilier les réponses aux utilisateurs, le trafic des éditeurs, la publicité, les contrôles de sécurité et l’engagement produit.

L’information électorale s’insère difficilement dans ces incitations changeantes. Une date limite exacte ou un registre officiel des candidats a une valeur civique, quelle que soit sa performance commerciale.

La protection la plus sûre devrait exister en dehors du texte généré. Un module électoral fixe pourrait toujours renvoyer vers le site gouvernemental approprié.

Anthropic adopte déjà une approche similaire. Claude affiche une bannière qui dirige les questions électorales vers TurboVote, un service non partisan exploité par Democracy Works.

OpenAI affirme que ses protections pour 2026 incluent un partenariat aux États-Unis avec Democracy Works. Ce partenariat vise à faire apparaître des informations fiables sur le vote et l’inscription électorale dans ChatGPT.

Ces renvois dépendent moins de la formulation du modèle. Ils peuvent aussi résister aux changements de longueur des réponses, de méthodes de récupération d’informations et d’expérimentations publicitaires.

La recherche par IA devient le nouveau champ de bataille électoral

La pression dépasse la simple exactitude des modèles, car les campagnes et les acteurs de l’influence façonnent de plus en plus les contenus pour la récupération par IA.

L’optimisation traditionnelle pour les moteurs de recherche vise à faire apparaître une page en bonne place dans les résultats de recherche classiques. L’optimisation pour les moteurs génératifs cible les contenus sélectionnés et résumés par une réponse d’IA.

Isabel Linzer, analyste des politiques électorales au Center for Democracy and Technology, a décrit l’environnement actuel comme une phase d’optimisation pour les moteurs génératifs.

Les campagnes veulent que leurs pages de programme, biographies et cadrages privilégiés apparaissent dans les réponses des chatbots. Les services électoraux ont besoin que leurs instructions officielles bénéficient de la même visibilité.

Des acteurs malveillants peuvent poursuivre une stratégie similaire. Ils peuvent publier des réseaux de pages répétant un faux récit dans des formats que les systèmes de récupération traitent facilement.

Le risque ne suppose ni le piratage d’un modèle ni la modification de ses données d’entraînement. Une opération peut cibler les sources web actives qu’un assistant récupère lorsqu’il répond à des questions d’actualité.

L’analyse sur l’empoisonnement algorithmique décrit comment des acteurs peuvent structurer l’information afin de gagner en visibilité dans la recherche médiée par l’IA. Cela rend la provenance, la pondération des sources et les renvois officiels de plus en plus importants.

Le problème est particulièrement aigu lors des scrutins locaux. Les médias nationaux maintiennent rarement des listes complètes et en temps réel des candidats pour chaque comté, conseil scolaire et élection municipale.

Un système d’IA peut combler ce manque d’information avec des contenus issus de sites de campagne, de réseaux sociaux, d’encyclopédies modifiables ou de pages locales de faible qualité. Chaque source répond à des incitations différentes.

Google News reste utile pour découvrir des reportages sur ces risques. Il ne constitue pas une source officielle pour l’accès au bulletin de vote, l’inscription électorale, les lieux de vote ou les procédures électorales locales.

Les résumés générés par IA ajoutent une couche supplémentaire entre l’électeur et la source sous-jacente. Cette couche peut clarifier des informations complexes, mais elle peut aussi aplanir les incertitudes.

La personnalisation soulève une autre inquiétude. Un système pourrait adapter sa formulation en fonction des conversations précédentes, des habitudes de navigation, des signaux de localisation ou de préférences déduites.

L’étude de States United a tenté de tester cet aspect au moyen d’un compte dont l’historique de navigation était sceptique à l’égard des élections. Toutefois, un changement de format chez Google a empêché toute comparaison nette avec les résumés en navigation privée.

Toutes les réponses du compte personnalisé n’utilisaient qu’un format de liens. Les chercheurs n’ont donc pas pu dissocier les effets de la personnalisation du changement de présentation à l’échelle de la plateforme.

Cette question non résolue est importante, car l’information politique ne devrait pas varier discrètement selon l’idéologie supposée d’un utilisateur. Deux électeurs posant la même question de procédure doivent recevoir les mêmes faits de base.

Un chatbot peut aussi devenir complaisant, c’est-à-dire s’adapter trop facilement aux hypothèses d’un utilisateur. Il risque alors de valider une prémisse trompeuse au lieu de la corriger.

Par exemple, un utilisateur peut demander où les responsables ont « déplacé » un lieu de vote qui n’a jamais changé. Un modèle au ton serviable pourrait accepter cette prémisse et chercher des éléments pour l’étayer.

Les campagnes politiques ont également de fortes incitations à influencer les descriptions des candidats. Un système qui compose une réponse à partir de pages de campagne peut reproduire des affirmations sélectives sans suffisamment de contexte.

Ces pressions font de la recherche par IA une question d’infrastructure informationnelle. La question centrale n’est plus de savoir si un modèle peut réciter une date d’élection.

Les plateformes doivent décider quelles sources méritent la priorité, quand une incertitude doit être signalée et quand le produit doit cesser de résumer. Ces choix influencent des millions de parcours d’information individuels.

Pourquoi les sites électoraux officiels restent l’autorité finale

Les services électoraux des États et des collectivités locales restent la meilleure source, car ils administrent les règles que les systèmes d’IA tentent de décrire.

Les élections américaines se déroulent dans 50 États et des milliers de juridictions locales. Les systèmes d’inscription, les échéances, le vote anticipé, le vote par correspondance, les règles d’identification et les lieux de vote varient considérablement.

Ces détails évoluent également. Les législatures révisent les lois, les tribunaux rendent des ordonnances, les commissions électorales adoptent des procédures et des urgences peuvent modifier les lieux de vote.

Un assistant d’IA national peut fournir un contexte général. Il ne peut pas assumer la responsabilité juridique de la mise en œuvre d’une procédure dans la juridiction d’un électeur.

Les responsables électoraux des États gèrent les systèmes d’inscription, publient les échéances, certifient les candidatures et communiquent les résultats. Les responsables des comtés et des municipalités gèrent souvent les détails les plus locaux.

Ce rôle institutionnel ne rend pas chaque page gouvernementale parfaite. Les sites officiels peuvent être confus, obsolètes, inaccessibles ou difficiles à consulter sur mobile.

Toutefois, le service responsable peut corriger ses propres informations. Il entretient aussi un lien juridique et administratif avec la procédure décrite.

Un chatbot n’a aucune de ces relations. Il peut répéter une ancienne page officielle après que le service a publié une version plus récente.

Les électeurs devraient donc suivre une simple hiérarchie de vérification.

• Commencez par l’IA lorsqu’une explication générale peut aider à cadrer la question.

• Identifiez le service de l’État ou local responsable de la procédure précise.

• Ouvrez directement le site gouvernemental officiel.

• Vérifiez-y les dates, adresses, règles d’éligibilité et dépôts de candidature.

• Contactez le service électoral si la réponse reste peu claire.

Cette approche préserve la commodité de l’IA sans lui attribuer une autorité qu’elle ne possède pas. Elle réduit également la dépendance à un langage assuré ou à de longues listes de citations.

Les orientations fédérales sur l’IA électorale soulignent de même les risques liés à l’exactitude, à l’usurpation d’identité et aux contenus trompeurs. Elles fournissent aux administrateurs électoraux des ressources pour orienter les électeurs vers des informations officielles.

Les services électoraux ont aussi un travail à accomplir. Leurs pages doivent être compréhensibles, à jour, adaptées au mobile et faciles à identifier pour les systèmes de recherche.

Les données structurées peuvent aider les machines à distinguer une échéance officielle d’inscription d’un commentaire à son sujet. Des URL stables facilitent la citation cohérente des pages gouvernementales.

Un langage clair compte également. Si une page officielle enfouit une réponse dans un document numérisé, un système d’IA peut privilégier une source plus claire mais moins autoritative.

States United recommande des intégrations directes avec les systèmes de dépôt de candidature. De telles connexions réduiraient le décalage entre un dépôt légal et les informations qu’un assistant récupère.

Les plateformes pourraient également ajouter des bannières électorales permanentes. Ces modules devraient apparaître pour les requêtes concernant l’inscription, les lieux de vote, les candidats, les bulletins et les résultats.

Une bannière n’est pas une solution complète. Les utilisateurs peuvent l’ignorer, et un résumé incorrect peut tout de même causer du tort.

Néanmoins, un renvoi stable crée un parcours responsable. Il indique aux utilisateurs où la réponse peut être confirmée avant qu’ils n’agissent.

Les travailleurs du savoir adoptent déjà des habitudes de vérification similaires dans des contextes où les enjeux sont moindres. Ils conservent les sources, comparent les versions et distinguent les résumés générés des documents originaux.

Une base de connaissances IA personnelle peut aider à organiser les recherches et à conserver les citations. Elle ne peut pas transformer une source secondaire en autorité électorale.

Le même principe s’applique à chaque électeur. Enregistrez l’explication utile si nécessaire, mais vérifiez le détail actionnable auprès du service qui l’administre.

Ce qu’il faut surveiller avant les élections de mi-mandat de 2026

Trois signaux indiqueront si les plateformes d’IA deviennent des guides électoraux plus sûrs ou simplement plus habiles à paraître exactes.

Le premier signal est la cohérence des renvois. ChatGPT et Google AI devraient orienter les questions électorales vers le site officiel approprié de l’État ou de la collectivité locale.

Ce renvoi devrait aller au-delà des seuls lieux de vote. Il devrait couvrir l’inscription, le vote par correspondance, les dépôts de candidature, les règles d’identification, les procédures de vote et les résultats.

Une bannière à l’échelle de la plateforme fournirait des preuves plus claires que des liens occasionnels au sein d’un texte généré. Elle resterait également visible lorsque les formats de réponse changent.

Si les renvois officiels deviennent universels, la critique centrale de l’étude s’affaiblira. S’ils restent incohérents, un taux d’erreurs factuelles plus faible offrira une protection limitée.

Le deuxième signal est l’exhaustivité des listes de candidats après les échéances de dépôt. Les courses actives constituent un test exigeant, car les candidatures peuvent évoluer rapidement.

Les chercheurs devraient répéter les mêmes questions après la certification des bulletins. Ils devraient comparer chaque candidat nommé aux dossiers officiels de dépôt.

Une amélioration suggérerait que la récupération en temps réel ou les intégrations de données gouvernementales fonctionnent. Des omissions persistantes confirmeraient que la recherche généraliste reste structurellement faible pour les listes électorales.

Les tests devraient inclure les scrutins de moindre ampleur, et pas seulement les fonctions à l’échelle de l’État. Les élections locales bénéficient d’une couverture médiatique plus limitée et de moins de sources secondaires bien entretenues.

Le troisième signal est la stabilité du produit jusqu’au jour de l’élection. Le changement de format de Google en cours d’étude a montré à quelle vitesse une expérience d’information civique peut évoluer.

Les chercheurs et les responsables électoraux devraient documenter si les résumés, liens, avertissements, citations et résultats personnalisés changent autour des grandes échéances.

Les plateformes devraient publier des avis clairs lorsque leurs systèmes de réponse aux questions électorales évoluent. Elles devraient aussi expliquer quelles sources de données officielles soutiennent leurs protections.

Une interface stable renforcerait la confiance dans la capacité des mécanismes de sécurité à résister aux mises à jour commerciales et techniques. Des changements soudains et non documentés l’affaibliraient.

L’adoption rend ces trois signaux urgents. Une enquête sur l’usage des chatbots menée en juin 2026 a révélé qu’environ la moitié des adultes américains avaient utilisé un chatbot d’IA.

Environ un quart ont déclaré en utiliser quotidiennement, tandis qu’environ quatre sur dix utilisent des chatbots pour rechercher des informations. ChatGPT à lui seul avait été utilisé par 44 % des adultes.

Ces chiffres ne révèlent pas combien de personnes recherchent des conseils électoraux. Ils montrent que les assistants d’IA sont devenus des outils d’information familiers avant les élections de mi-mandat.

Le véritable critère n’est donc pas de savoir si un chatbot surpasse un modèle plus ancien. Il s’agit de savoir si un électeur peut accomplir correctement la prochaine action requise.

Google News peut orienter les lecteurs vers des reportages importants, et l’IA peut expliquer des notions électorales peu familières. Ni l’un ni l’autre ne devrait remplacer les informations actuelles maintenues par les responsables électoraux.

Avant de vous fier à une réponse, posez-vous trois questions : est-elle complète, est-elle à jour et renvoie-t-elle vers le service gouvernemental responsable ?

Si l’une des réponses est non, poursuivez vos vérifications. Pour le cycle électoral de 2026, une meilleure IA représente un progrès utile, mais la vérification reste une composante d’un vote responsable.