L’étude d’ISD sur les chatbots électoraux révèle un taux d’échec de 29 %, et les réponses en espagnol chutent davantage

L’étude d’ISD sur les chatbots électoraux a relevé des réponses défaillantes à 29 % des questions élémentaires sur le vote, bien que tous les systèmes testés aient eu accès à des informations récentes sur le web. Les problèmes comprenaient des indications inexactes, incomplètes, ambiguës ou obsolètes. Les réponses devenaient sensiblement moins fiables lorsque les chercheurs posaient les mêmes questions en espagnol.

Cet écart linguistique transforme un problème ordinaire de précision des chatbots en problème d’accès. Une recommandation de produit erronée peut faire perdre de l’argent. Une mauvaise date limite d’inscription, une règle d’identification incorrecte ou une instruction erronée concernant le vote par correspondance peut empêcher quelqu’un de voter.

L’Institute for Strategic Dialogue, ou ISD, a testé des modèles associés à OpenAI, Google, Anthropic, xAI, Meta et DeepSeek. Ses chercheurs ont évalué 2 400 prompts et réponses portant sur les procédures électorales dans 10 États.

Les résultats ne montrent pas que chaque réponse de chatbot est erronée. Le modèle testé d’OpenAI a obtenu des résultats nettement meilleurs que plusieurs concurrents. La plupart des systèmes ont également rejeté les affirmations fausses présentées dans des prompts adversariaux.

Le contraste est plus difficile à écarter. Les entreprises d’IA présentent de plus en plus les chatbots comme des passerelles rapides et accessibles vers des informations à jour. Pourtant, les systèmes ont peiné face à des questions factuelles ayant des réponses officielles, en particulier lorsque ces réponses exigeaient une précision en espagnol.

L’étude d’ISD sur les chatbots électoraux a testé de véritables décisions de vote

L’étude a examiné si les chatbots pouvaient fournir suffisamment de détails exacts et à jour pour qu’un électeur puisse agir sans risque.

ISD a publié son étude sur les chatbots électoraux le 3 septembre 2026. Les chercheurs Valeria de la Fuente, Max Read et Peter Benzoni ont mené les tests en juin.

L’équipe a examiné six modèles disponibles à cette date. Il s’agissait de GPT-5.5 d’OpenAI, Gemini 3.5 Flash de Google, Sonnet 4.6 d’Anthropic, Grok 4.3 de xAI, Muse Spark de Meta et V4 Pro de DeepSeek.

Les chercheurs ont soumis 400 prompts à chaque modèle, produisant 2 400 paires de prompts et réponses. L’ensemble de données couvrait les réponses en anglais et en espagnol dans l’Arizona, l’Utah, la Caroline du Nord, l’Ohio, le Texas, la Pennsylvanie, le Michigan, la Géorgie, le Colorado et le Minnesota.

Ces États n’ont pas été choisis au hasard. ISD a sélectionné des juridictions dont les procédures électorales évoluaient, faisaient l’objet de propositions législatives en attente, de contentieux en cours, ou avaient connu des différends concernant l’administration des élections.

Les prompts comprenaient sept questions largement applicables sur l’inscription, le vote par correspondance, l’identification et d’autres procédures essentielles. Huit questions supplémentaires étaient adaptées aux règles et circonstances de chaque État.

Les chercheurs ont également soumis cinq prompts adversariaux par État. Ces questions introduisaient délibérément des affirmations contestées ou fausses, afin de permettre à l’équipe de vérifier si les modèles les corrigeaient ou les amplifiaient.

L’évaluation portait sur quatre dimensions. Les réponses devaient être exactes et opportunes, traiter les affirmations contestées de manière responsable, citer des sources faisant autorité et maintenir leur qualité en anglais comme en espagnol.

Cette approche est importante, car les indications électorales ne peuvent pas être évaluées uniquement selon que leur phrase centrale semble plausible. Une réponse peut énoncer correctement une règle générale tout en omettant une exception qui détermine si un bulletin particulier sera comptabilisé.

La Pennsylvanie a fourni un exemple utile. Les chercheurs ont demandé comment les résidents pouvaient s’inscrire, si une pièce d’identité était requise et ce qui se passait lorsqu’une enveloppe de vote par correspondance ne comportait pas de date.

Chaque question semble simple. Pourtant, une réponse utile doit tenir compte des procédures de l’État, des évolutions juridiques, de la situation de l’électeur et des dates limites pertinentes. Un langage générique ne suffit pas.

L’étude a classé comme problématiques les réponses incomplètes, ambiguës, obsolètes ou inexactes. Cette norme plus large explique pourquoi le chiffre mis en avant couvre davantage que les hallucinations évidentes.

Une hallucination est une information inventée présentée comme un fait. Dans cette étude, l’échec le plus courant était souvent moins spectaculaire. Les modèles fournissaient une partie de la réponse, mais omettaient les détails nécessaires pour agir.

Cette distinction doit guider la manière dont les lecteurs interprètent le chiffre de 29 %. Le résultat ne signifie pas que les chatbots ont fabriqué près d’un tiers de tout ce qu’ils ont dit. Il signifie que près d’un tiers des réponses de base n’ont pas satisfait à une norme pratique d’orientation électorale fiable.

La précision des chatbots en espagnol a baissé pour chaque modèle testé

L’espagnol n’était pas une faiblesse isolée touchant un seul modèle. Chaque système testé a fourni des réponses moins précises en espagnol qu’en anglais.

ISD a constaté que la précision des prompts génériques diminuait en moyenne de 16 % lorsque les chercheurs passaient de l’anglais à l’espagnol. Les réponses en espagnol étaient également 6 % plus susceptibles d’être obsolètes ou inexactes.

Le principal problème concernait l’exhaustivité. Une réponse pouvait identifier la règle de base tout en omettant des exceptions, des étapes procédurales ou des détails locaux nécessaires pour l’appliquer correctement.

Cette défaillance devient grave lorsque le sujet porte sur l’inscription électorale ou le traitement des bulletins. Un électeur ne peut pas rattraper une date limite manquée en demandant une réponse révisée après le jour du scrutin.

L’écart est également apparu dans la qualité et la quantité des citations. Les chercheurs ont constaté que les réponses en espagnol étaient bien plus susceptibles de ne fournir aucune référence externe, limitant la capacité de l’utilisateur à vérifier les indications.

Ce faible sourçage suggère que la précision des chatbots en espagnol dépend de davantage qu’une traduction directe. Un modèle doit retrouver des documents actuels en espagnol, identifier des sources faisant autorité et préserver les distinctions procédurales lors de la synthèse.

Les erreurs de traduction ont ajouté une difficulté supplémentaire. De la Fuente a décrit des modèles confondant les termes désignant les bureaux de vote et les circonscriptions électorales. Une réponse a employé un mot associé aux catégories raciales pour désigner une course électorale.

Un autre modèle aurait traduit le mot anglais “registration” par le terme espagnol maladroit “registración”. Le terme électoral approprié dans ce contexte était “registro”.

Ces exemples peuvent sembler mineurs pour un anglophone. Ils ne le sont pas lorsqu’un utilisateur doit identifier le bon bureau, formulaire, ressort territorial ou processus d’inscription.

Le modèle testé de Meta a enregistré l’écart linguistique signalé le plus important. Le taux de réponses exactes et complètes de Muse Spark est passé de 61,3 % en anglais à 38 % en espagnol.

Gemini 3.5 Flash de Google a reculé de 84 % en anglais à 64 % en espagnol. Cet écart de 20 points est apparu alors même que Google affirme que Gemini vise à fournir des informations exactes et opportunes dans toutes les langues.

GPT-5.5 a fourni les meilleurs résultats globaux. Il a produit des réponses exactes et complètes 89,3 % du temps en anglais et 82 % du temps en espagnol.

Cette avance relative est importante, mais elle n’efface pas la préoccupation sous-jacente. Un taux de réussite de 82 % laisse encore une marge d’erreur conséquente lorsque les utilisateurs demandent des instructions sur l’exercice d’un droit légal.

Les conclusions prolongent également une tendance documentée. Une évaluation de 2024 a relevé des informations erronées dans 52 % des réponses en espagnol, contre 43 % en anglais, sur cinq modèles alors disponibles.

Ce précédent test de précision linguistique portait sur des modèles, prompts et circonstances électorales différents. Ses pourcentages ne doivent pas être considérés comme une série chronologique directe.

Néanmoins, les deux évaluations ont relevé le même problème directionnel. Le passage à l’espagnol réduisait la fiabilité, alors même que les modèles testés et leurs capacités de recherche sur le web évoluaient.

Le véritable conflit oppose accessibilité et fiabilité

Les chatbots facilitent les questions sur des informations électorales complexes, mais cette accessibilité devient dangereuse lorsque la confiance dépasse la précision.

Les interfaces conversationnelles lèvent plusieurs obstacles. Les utilisateurs peuvent décrire des circonstances inhabituelles, poser des questions de suivi et demander un langage plus simple sans devoir naviguer sur un site gouvernemental complexe.

Ces avantages comptent aux États-Unis, où l’administration des élections est décentralisée. Les règles diffèrent selon les États et peuvent varier entre les comtés, les villes et les municipalités.

La U.S. Election Assistance Commission indique que le pays compte plus de 10 000 juridictions électorales. Chacune peut impliquer des responsables, procédures, modes de vote et ressources locales différents.

Un chatbot semble bien adapté à cette complexité. Il peut rechercher plusieurs pages, résumer les règles et adapter une réponse au lieu de résidence d’un électeur.

Les résultats d’ISD montrent pourquoi cette adéquation apparente est aussi un piège. Plus la question devient précise, plus une qualification manquante peut être dommageable.

Les modèles de langage génèrent des réponses en prédisant du texte à partir de schémas et d’informations récupérées. Ils ne comprennent pas intrinsèquement quel détail omis invalidera une inscription ou un bulletin.

L’accès au web devrait réduire les réponses obsolètes, mais il ne garantit pas une récupération fiable. Un modèle peut trouver une ancienne page, mal comprendre une page actuelle ou fusionner des règles provenant de juridictions différentes.

V4 Pro de DeepSeek aurait fait référence aux dates de l’élection de 2024 dans 15 réponses à des questions sur l’élection de 2026. Sonnet 4.6 d’Anthropic a décrit l’élection actuelle comme le cycle de 2025 à trois reprises.

Muse Spark de Meta a donné deux fois une mauvaise date d’élection, indiquant le 4 novembre plutôt que le 3 novembre. Il ne s’agissait pas d’une nuance juridique cachée. C’était un fait calendaire élémentaire.

Ces défaillances mettent sous pression toutes les entreprises proposant des assistants connectés à la recherche. La promesse produit s’étend de plus en plus au-delà de la rédaction créative, vers la synthèse factuelle, la recherche et l’aide à la décision personnelle.

L’information électorale expose la faiblesse de cette promesse. Une réponse soignée peut condenser plusieurs sources tout en dissimulant quelle phrase provient de quelle autorité.

L’utilisateur fait alors face à un risque asymétrique. Accepter une réponse correcte fait gagner quelques minutes. Accepter une réponse assurée mais incomplète peut affecter l’inscription, l’accès au vote ou la validité d’un bulletin.

Le risque est particulièrement pertinent, car l’usage des chatbots est déjà généralisé. Une enquête sur l’utilisation de l’IA menée en 2026 a révélé que 49 % des adultes hispaniques utilisaient des chatbots au moins occasionnellement.

L’enquête a relevé un usage quotidien chez 26 % des adultes hispaniques, contre 24 % de l’ensemble des adultes américains. Ces chiffres couvrent l’usage général des chatbots, et non spécifiquement les questions électorales.

ISD a également noté que relativement peu d’électeurs recherchent sciemment des informations politiques via des chatbots. Toutefois, les utilisateurs rencontrent de plus en plus de résumés générés par l’IA au sein de produits de recherche, de navigateurs et d’outils de productivité.

Cette exposition indirecte change les enjeux. Il n’est pas nécessaire d’ouvrir un chatbot dédié et de demander des conseils électoraux pour recevoir une présentation générée par l’IA des règles de vote.

Un meilleur démenti n’a pas corrigé les erreurs électorales courantes

Les systèmes ont généralement résisté aux fausses informations introduites, mais ont tout de même mal traité des questions ordinaires que les électeurs étaient plus susceptibles de poser.

Les prompts adversariaux d’ISD comprenaient des affirmations fausses ou contestées. Seuls 1,3 % des réponses en anglais et 2,3 % des réponses en espagnol montraient une tendance à confirmer ou amplifier ces affirmations.

C’est le résultat le plus encourageant de l’étude. Il suggère que les garde-fous électoraux peuvent aider les modèles à rejeter les récits familiers sur la fraude ou les controverses déjà réfutées.

Les meilleures performances indiquent aussi que les entreprises ont investi dans la détection des requêtes électorales litigieuses. Plusieurs développeurs ont mis en place des politiques, des ajustements de sécurité ou des renvois vers des ressources de vote fiables.

Ces protections se concentrent toutefois sur une catégorie visible de préjudices. Une requête alléguant une fraude massive signale clairement que le modèle doit ralentir, remettre en cause le postulat ou consulter des sources vérifiées.

Les questions ordinaires ne déclenchent pas nécessairement les mêmes garde-fous. Demander où s’inscrire ou si une pièce d’identité est requise paraît anodin, même lorsqu’une réponse incomplète entraîne des conséquences directes.

Cela produit un renversement révélateur. Les chatbots ont souvent mieux géré des prémisses délibérément trompeuses que des demandes procédurales banales.

Le résultat remet en cause une définition étroite de la désinformation électorale. Le préjudice ne nécessite ni campagne d’influence coordonnée ni théorie du complot fabriquée.

Une ancienne échéance peut induire en erreur. Une exception d’éligibilité omise peut induire en erreur. Une réponse qui énonce une règle générale d’un État sans expliquer son administration locale peut également induire en erreur.

Les directives officielles sur l’IA de l’Election Assistance Commission établissent clairement cette distinction. Elles avertissent que des informations générées par l’IA, pourtant plausibles, sont souvent inexactes et peuvent être particulièrement préjudiciables aux électeurs.

Les résultats de l’étude concernant les sources aident à expliquer ces défaillances. Les informations électorales officielles sont réparties entre les sites des secrétaires d’État, les pages des comtés, les décisions de justice, les mises à jour législatives et les documents d’assistance aux électeurs.

Certaines de ces ressources sont fréquemment actualisées. D’autres restent en ligne après le cycle électoral concerné, créant un environnement de recherche où directives anciennes et actuelles peuvent paraître tout aussi crédibles.

Le problème s’aggrave en espagnol. Les traductions faisant autorité peuvent être publiées plus tard, couvrir moins de questions ou employer un langage différent selon les juridictions et les communautés.

Un chatbot peut donc retrouver une page anglaise exacte sans trouver de ressource espagnole équivalente. Il peut traduire lui-même le contenu anglais, résumer une page moins fiable ou répondre sans citations.

Max Read, directeur de l’innovation civique de l’ISD, a décrit les chatbots comme des outils qui fournissent parfois davantage que ce que les utilisateurs ont demandé. Leurs développements assurés peuvent déformer l’information tout en donnant l’impression d’être utiles.

Cette tendance est familière dans les produits d’IA générative. Les modèles sont optimisés pour répondre, et non pour simplement indiquer qu’une source officielle devrait trancher.

Pour les questions électorales, la retenue peut être la capacité la plus sûre. Un système responsable devrait reconnaître lorsque des règles locales, des litiges ou un contexte manquant empêchent une réponse définitive.

Le benchmark a ses limites, mais l’avertissement y résiste

L’étude constitue un instantané important, et non un classement permanent des entreprises d’IA ni une simulation complète de l’usage des chatbots grand public.

La plupart des modèles ont été testés via OpenRouter et des interfaces de programmation d’applications, ou API. Une API permet à un logiciel d’envoyer directement des requêtes à un modèle sans utiliser son interface grand public habituelle.

Muse Spark de Meta a été testé via son portail public, les chercheurs ne disposant pas d’un accès API. Cette différence complique les comparaisons directes entre Meta et les autres développeurs.

Les applications grand public peuvent ajouter des instructions système, des outils de recherche, des avertissements spécifiques aux élections et des filtres de sécurité autour du modèle sous-jacent. Une réponse API peut ne pas inclure les mêmes protections.

Anthropic a souligné cette limite dans sa réponse aux articles concernant l’étude. L’entreprise a déclaré que la configuration API tierce ne reflétait pas la manière dont la plupart des personnes utilisent Claude, ni sa fonctionnalité grand public d’information électorale.

L’objection est raisonnable. Un benchmark de modèle ne devrait pas automatiquement devenir un benchmark de produit lorsque le produit applique des couches supplémentaires de recherche et de sécurité.

Cependant, cette limite n’invalide pas la conclusion plus générale. Les API sont utilisées par des développeurs pour créer des services que les utilisateurs rencontrent sur d’autres sites web et applications.

L’étude n’a également testé chaque question adaptée qu’une seule fois par modèle. Les modèles de langage peuvent produire des réponses différentes lorsqu’une requête est répétée, même sans changement manifeste du produit.

Une seule réponse ne peut donc établir le taux de défaillance stable d’un modèle pour chaque utilisateur. Un test longitudinal plus solide répéterait les requêtes au fil du temps, à travers les interfaces et dans des conditions de compte contrôlées.

Les modèles ont aussi évolué depuis juin. Plusieurs entreprises ont publié des mises à jour avant la parution du rapport ; les classements précis peuvent donc déjà être différents.

Ces limites importent surtout lorsqu’il s’agit de comparer les développeurs individuellement. Elles comptent moins pour la conclusion centrale selon laquelle les six systèmes testés ont tous produit des erreurs d’information électorale.

L’étude doit donc être lue comme un test de résistance d’un canal d’information, et non comme un tableau final de classement. Le score de tête de GPT-5.5 ne certifie pas chacune des réponses de ChatGPT.

De même, le faible score de Muse Spark ne prouve pas que chaque interface Meta AI se comportera de manière identique. Il montre que le système évalué a fréquemment échoué dans les conditions consignées.

Les données historiques renforcent cette interprétation. Début 2024, des responsables électoraux et des chercheurs ont testé cinq modèles antérieurs et jugé inexactes plus de la moitié de leurs réponses.

Les participants à ce précédent test de chatbots électoraux ont classé 40 % des réponses comme préjudiciables. Certains systèmes inventaient des lieux de vote ou s’appuyaient sur des informations obsolètes.

La nouvelle étude de l’ISD sur les chatbots et les élections indique des améliorations dans plusieurs domaines, notamment la résistance aux fausses informations introduites dans les requêtes. Elle montre également que la fiabilité procédurale reste non résolue.

C’est le juste équilibre. Les données ne permettent pas d’affirmer que les chatbots désinforment toujours les électeurs. Elles ne permettent pas non plus de considérer les assistants actuels comme des responsables électoraux faisant autorité.

Ce que les électeurs et les entreprises d’IA devraient surveiller ensuite

Trois signaux montreront si l’écart linguistique se réduit : des tests publics répétés, des sources officielles plus solides et une parité mesurable entre les produits grand public.

Le premier signal est une évaluation répétée avant l’élection du 3 novembre. Les chercheurs devraient relancer des requêtes identiques à plusieurs dates, car les règles électorales comme le comportement des modèles évoluent.

Des tests répétés révéleraient si les réponses incorrectes persistent ou disparaissent après les mises à jour des développeurs. Ils distingueraient aussi les variations aléatoires des faiblesses systémiques.

Le deuxième signal est la qualité des citations. Une réponse utile devrait orienter les électeurs vers l’autorité compétente de leur État ou de leur localité, plutôt que de simplement joindre plusieurs liens.

Les sources officielles doivent aussi être actuelles et adaptées à la langue. Une réponse en espagnol devrait orienter les utilisateurs vers des directives en espagnol lorsqu’une telle ressource existe.

L’Election Assistance Commission propose des FAQ multilingues pour les électeurs et oriente les électeurs vers les sites électoraux des États et territoires. Ces destinations officielles doivent rester l’autorité finale concernant les échéances, les règles d’identification et les lieux de vote.

Le troisième signal est la parité au sein des interfaces grand public. Les entreprises devraient tester les produits complets que les utilisateurs emploient réellement, y compris les requêtes système, la recherche web, les avis de sécurité et les fonctionnalités de localisation.

Publier des scores de précision uniquement en anglais ne révélera pas si les utilisateurs hispanophones reçoivent le même niveau de détail. Les développeurs ont besoin de mesures spécifiques à chaque langue portant sur l’exactitude, l’exhaustivité, l’actualité et les citations faisant autorité.

Les entreprises ont apporté des réponses différentes. Meta affirme que son assistant est conçu pour fournir des informations localisées ou orienter les utilisateurs vers des sources gouvernementales fiables.

Google affirme améliorer continuellement la capacité de Gemini à fournir des réponses exactes et opportunes dans toutes les langues. Anthropic affirme que Claude est conçu pour répondre avec exactitude aux questions sur le vote et contester les affirmations fausses.

OpenAI et Anthropic ont également annoncé travailler avec Democracy Works, une organisation à but non lucratif qui fournit des informations sur le vote. De tels partenariats peuvent améliorer la recherche d’informations, mais leur efficacité nécessite des tests indépendants.

L’étude de l’ISD sur les chatbots et les élections établit une base pratique pour cet examen. La question n’est pas de savoir quel modèle remporte un benchmark avec quelques points de pourcentage d’avance.

Le véritable test consiste à déterminer si un électeur peut agir sur la base d’une réponse sans découvrir qu’une date omise, une exception locale ou une erreur de traduction en a changé le sens.

Pour l’instant, les utilisateurs devraient considérer les chatbots comme des points de départ pour formuler leurs questions, et non comme des autorités finales sur les procédures de vote. Vérifiez chaque réponse susceptible d’entraîner une action auprès d’un bureau électoral local ou de l’État. Si une réponse ne cite pas de source officielle actuelle, demandez-en une au système et examinez-la directement. Les entreprises d’IA, quant à elles, devraient publier des évaluations bilingues répétées plutôt que de s’appuyer sur de vastes affirmations sur la qualité multilingue. Les responsables électoraux peuvent contribuer en maintenant des directives actuelles et consultables en anglais comme en espagnol. Avant les élections de mi-mandat, la question décisive est simple : des tests indépendants et répétés montreront-ils enfin que les électeurs hispanophones reçoivent les mêmes directives complètes et sourcées que les électeurs anglophones ?