Les dépenses en IA des campagnes américaines ont atteint 17 millions de dollars, mais les déclarations ne révèlent qu’une partie de l’histoire

Les dépenses en IA des campagnes américaines ont atteint au moins 17 millions de dollars répartis entre 523 candidats et comités fédéraux depuis 2020. Pourtant, ce chiffre révèle un paradoxe, non un décompte exhaustif. L’intelligence artificielle s’est installée dans les opérations courantes des campagnes, tandis que les candidats restent réticents à expliquer précisément aux électeurs comment ils l’utilisent.

Les relevés de dépenses font apparaître des abonnements pour le personnel, des services de recherche, de la messagerie automatisée, de l’analyse des donateurs et des plateformes d’engagement des électeurs. Ils mettent également en évidence des différences partisanes dans le choix des fournisseurs. Toutefois, les paiements les plus visibles ne représentent que les transactions que les campagnes ont déclarées directement sous des noms de fournisseurs identifiables.

Cette distinction est importante à l’approche des élections de mi-mandat de 2026. ChatGPT et Claude attirent l’attention du public, mais les plateformes politiques spécialisées reçoivent beaucoup plus d’argent des campagnes. Entre-temps, des consultants peuvent utiliser l’IA générative en coulisses sans mentionner l’outil sous-jacent dans les déclarations fédérales.

Il en résulte un déficit de transparence inhabituel. Les campagnes dépendent de plus en plus de l’automatisation, mais les électeurs ne voient souvent ni les logiciels ni les décisions humaines qui les encadrent.

Ce que mesurent réellement les dépenses en IA des campagnes américaines

Le chiffre de 17 millions de dollars doit être compris comme un minimum documenté, et non comme une estimation complète de l’utilisation de l’IA en politique.

Nathan E. Sanders et Bruce Schneier ont analysé les dépenses détaillées de la Federal Election Commission remontant à 2020. Leurs conclusions publiées identifient des paiements à des fournisseurs d’IA provenant de 523 candidats fédéraux et comités politiques.

Le tableau de bord des dépenses de campagne sous-jacent rapproche les noms des bénéficiaires, les descriptions de dépenses, les motifs et le texte des mémos d’une taxonomie de fournisseurs établie par la recherche. Il couvre à la fois les systèmes généralistes et les outils conçus spécifiquement pour les campagnes politiques.

Cette méthodologie saisit un paiement lorsqu’un comité mentionne OpenAI, Anthropic, Daisychain, Campaign Nucleus ou un autre fournisseur identifié. Elle ne détecte pas chaque cas où le travail de campagne implique de l’IA.

Un cabinet de conseil peut utiliser un modèle de langage pour rédiger des variantes d’e-mails, analyser des réponses à des sondages ou créer du contenu publicitaire. Le rapport de la campagne pourrait ne mentionner que le cabinet de conseil. Le fournisseur d’IA resterait invisible dans les archives publiques.

Le même problème se pose lorsque les campagnes achètent des services groupés. Une agence numérique peut combiner travail du personnel, logiciels, publicité et analyse de données sur une même facture. Les rapports fédéraux n’exigent généralement pas que l’agence répertorie chaque sous-traitant ou application impliqué.

Les paiements directs répondent donc à une question limitée : quels fournisseurs d’IA identifiables ont reçu des fonds de campagne déclarés ? Ils ne permettent pas de déterminer pleinement à quelle fréquence l’IA a touché le contenu des campagnes, le ciblage, la collecte de fonds ou la stratégie.

Les relevés regroupent également des technologies issues d’époques différentes. Certains fournisseurs proposaient de la messagerie automatisée ou de l’engagement fondé sur les données avant que l’IA générative moderne ne devienne largement disponible. D’autres centrent leurs produits sur des modèles plus récents de langage, d’image ou de voix.

Cette différence explique pourquoi le total est bien supérieur au montant versé directement aux entreprises de chatbots les plus connues. Les dépenses les plus importantes concernent souvent des plateformes opérationnelles conçues pour les campagnes, et non des abonnements individuels à ChatGPT.

Les relevés de dépenses de la FEC restent la source essentielle. Ils identifient les bénéficiaires, les montants, les dates et les motifs déclarés pour les dépenses couvertes. Ils n’ont pas été conçus pour auditer chaque technologie intégrée à un flux de travail politique.

Cette limite ne rend pas les conclusions moins utiles. Elle en précise le sens. Les données offrent le seuil minimal le plus clair disponible pour l’adoption de l’IA par les campagnes, tout en montrant où les règles actuelles de déclaration perdent en visibilité.

Le calendrier est également important. Une grande partie des dépenses du cycle électoral de 2026 interviendra à l’approche du jour du scrutin. Des rapports supplémentaires modifieront les totaux par fournisseur, le nombre de comités et la répartition entre abonnements directs et services spécialisés.

Les dépenses actuelles en IA des campagnes américaines montrent déjà que cette technologie a dépassé le stade des expérimentations isolées. Ce qui demeure incertain, c’est l’ampleur de l’activité menée par l’intermédiaire de fournisseurs dont les noms ne signalent jamais une utilisation de l’IA.

ChatGPT et Claude deviennent des logiciels de bureau pour les campagnes

Les chatbots généralistes semblent entrer dans les campagnes comme des outils de productivité ordinaires, même lorsque leurs usages politiques restent limités.

Au moins 80 campagnes et comités fédéraux ont déclaré des paiements à OpenAI à partir de 2024, selon l’analyse. Leurs dépenses déclarées cumulées s’élevaient à environ 50 000 dollars.

Le Republican National Committee était le plus important acheteur organisationnel déclaré, avec des dépenses approchant les 10 000 dollars. Parmi les utilisateurs individuels figuraient des campagnes associées à Mike Lawler, John Kennedy, Bill Cassidy, Ro Khanna et Ted Lieu.

La plupart des entrées décrivaient des frais de bureau, des abonnements pour le personnel, de la recherche ou des usages administratifs similaires. Ces libellés suggèrent que ChatGPT est souvent considéré comme un logiciel de travail plutôt que comme une plateforme dédiée à la persuasion.

Cependant, un libellé d’abonnement ne peut révéler ce que les membres du personnel ont saisi dans le système. Recherche, planification, synthèse, élaboration de messages et publicité peuvent tous partir de la même interface.

Un examen distinct des déclarations de campagne a identifié 39 candidats au Congrès ayant déclaré des paiements à OpenAI au cours du cycle actuel. Deux déclarations reliaient explicitement des abonnements à la publicité.

OpenAI affirme que les campagnes peuvent utiliser ses outils pour un travail interne responsable et dirigé par des humains. Ses politiques limitent la persuasion politique ciblée ainsi que plusieurs activités destinées aux électeurs.

Ces limites créent un problème opérationnel. Un modèle peut aider à étudier une proposition sur l’éducation, mais refuser une demande visant à promouvoir cette proposition auprès d’un groupe démographique sélectionné. L’application de ces règles peut aussi dépendre de la manière dont l’utilisateur formule sa demande.

Des consultants politiques ont indiqué à la publication que les campagnes utilisent couramment l’IA pour les e-mails, les scripts et les textes publicitaires. Ils ont également soutenu que les candidats ont peu d’intérêt à le faire savoir.

Anthropic a développé une présence politique comparable beaucoup plus rapidement. Au moins 65 candidats ou comités ont déclaré avoir payé le créateur de Claude au cours de 2026, après une activité déclarée presque inexistante lors des cycles précédents.

Les clients déclarés penchaient en faveur des démocrates dans une proportion de près de deux pour un. Néanmoins, le plus grand utilisateur individuel était la campagne du sénateur républicain Tom Cotton, qui a déclaré plus de 4 000 dollars de dépenses auprès d’Anthropic en juin.

Parmi les autres utilisateurs notables de Claude figuraient Seth Bodnar, Jason Knapp et Mary Peltola. Leurs affiliations variées montrent que l’adoption par les fournisseurs ne suit pas une frontière partisane parfaite.

Seuls environ 12 % des comités payant OpenAI ou Anthropic ont déclaré des dépenses auprès des deux entreprises. La plupart semblaient se standardiser sur un seul assistant généraliste.

Cette tendance peut refléter les préférences du personnel, les intégrations logicielles existantes, des décisions de sécurité ou des habitudes institutionnelles. Les déclarations ne permettent pas d’établir que l’idéologie politique en est la cause.

xAI d’Elon Musk présentait une base de clients plus réduite et davantage républicaine. Sept candidats ou comités fédéraux et deux au niveau des États ont déclaré environ 5 000 dollars de paiements cumulés.

L’essentiel de ce montant provenait de la campagne présidentielle de Robert F. Kennedy Jr. en 2024. Parmi les autres clients déclarés figuraient les républicains Dave McCormick et Thomas Massie.

Ces totaux liés aux chatbots restent modestes comparés aux budgets technologiques plus larges des principales organisations politiques. Leur importance tient à l’adoption, non au volume financier.

Dès lors qu’une campagne donne à son personnel un accès habituel à un modèle, ce système peut influencer la recherche, la planification interne, les brouillons de collecte de fonds et la relecture de contenu. Le coût de l’abonnement renseigne peu sur le volume de travail qui en résulte.

C’est pourquoi les outils d’IA pour les campagnes ressemblent à une infrastructure de bureau. Leur influence dépend de la fréquence à laquelle le personnel les utilise et de l’examen humain qui entoure leurs résultats, et pas simplement de ce que montre la facture mensuelle.

Les fournisseurs d’IA politique captent les budgets les plus importants

Les dépenses déclarées les plus élevées sont consacrées au contact avec les électeurs et aux opérations de campagne, et non aux images synthétiques ou aux licences de chatbots.

AmplifAI illustre cette différence. Le fournisseur de messagerie automatisée a reçu environ 4,7 millions de dollars de dépenses de campagne au cours du seul cycle de 2022.

Ses clients comprenaient des campagnes démocrates associées à Mark Kelly, Joe Biden, Bernie Sanders et Adam Schiff. Les dépenses déclarées ont ensuite diminué après qu’AmplifAI est devenue une composante de Triller.

La messagerie automatisée précède le boom actuel de l’IA générative. Elle remplit néanmoins une fonction politique centrale : atteindre de vastes listes d’électeurs avec des communications adaptables à un coût marginal relativement faible.

Daisychain est devenue une option plus récente, alignée sur les démocrates, pour l’envoi de SMS assisté par IA. Les comités de candidats ont déclaré environ 300 000 dollars de dépenses chez Daisychain au cours du cycle de 2026, contre près de 50 000 dollars en 2024.

Plus de la moitié des dépenses des candidats en 2026 provenaient de la campagne d’Abdul El-Sayed pour le Sénat du Michigan. Cette concentration montre pourquoi les totaux doivent toujours être considérés en parallèle du nombre de clients.

Quelques campagnes peuvent faire paraître un fournisseur largement dominant lorsqu’un seul comité génère la majeure partie de ses revenus. Le nombre de comités révèle l’étendue de l’adoption, tandis que les montants indiquent son intensité.

Campaign Nucleus occupe une position connexe dans la politique républicaine. La plateforme est associée à Brad Parscale, qui a dirigé la campagne de réélection de Donald Trump en 2020 avant de quitter ce rôle.

Le Republican National Committee et plusieurs comités d’action politique alignés sur Trump ont déclaré des dépenses à six chiffres auprès de Campaign Nucleus. Mike Johnson, Kari Lake et d’autres figures politiques ont enregistré des paiements à cinq chiffres.

Sa croissance exerce également une pression sur les fournisseurs déjà en place. Prompt.io a conservé environ 375 000 dollars de dépenses déclarées en 2026, contre plus de 500 000 dollars lors du cycle de 2022.

Une organisation nuance cette tendance. A More Affordable California, un comité d’action politique parrainé par Uber, a déclaré avoir dépensé plus d’un million de dollars auprès de Prompt.io au cours de 2026.

La comparaison montre comment les partis développent des piles technologiques différentes. Les campagnes démocrates ont concentré des dépenses notables de messagerie autour de Daisychain, tandis que les organisations républicaines ont adopté Campaign Nucleus et Prompt.io.

Il ne s’agit pas simplement de versions partisanes du même chatbot. Ces outils combinent données de campagne, systèmes de contact, messagerie et fonctionnalités de flux de travail destinées aux organisations politiques.

Cette spécialisation peut compter davantage que la qualité du modèle. Les campagnes fonctionnent sous des contraintes de délais, d’exigences de conformité et de processus d’approbation complexes. Un outil conçu autour de ces contraintes peut attirer davantage de dépenses qu’un assistant généraliste.

Les déclarations au niveau des États confirment cette tendance. En Californie, au Colorado, au Massachusetts et dans l’État de Washington, les chercheurs ont identifié au moins 92 000 dollars de dépenses en IA générative moderne associées avec certitude depuis 2022.

Les paiements provenaient d’au moins 108 candidats et comités. Les dépenses déclarées au niveau des États en 2026 représentaient déjà environ dix fois le montant identifié pour l’ensemble de 2024.

Daisychain dominait la catégorie des fournisseurs spécialisés dans ces États. OpenAI et Anthropic dominaient parmi les fournisseurs généralistes.

DonorAtlas est également apparu de manière importante. Le système prend en charge la recherche de donateurs potentiels, et le Parti démocrate de Californie a déclaré près de 4 000 dollars de paiements à l’entreprise.

Ces chiffres montrent où l’IA crée une valeur opérationnelle immédiate. Les campagnes doivent identifier leurs soutiens, prioriser les prises de contact, rédiger des messages et maintenir des contacts répétés sur plusieurs canaux.

L’automatisation promet un plus grand volume de messages et des itérations plus rapides. Elle donne également aux petites équipes accès à des capacités d’analyse et de production autrefois réservées aux grandes organisations.

Cet avantage pousse les concurrents à adopter des outils similaires. Une campagne qui refuse l’IA par principe peut se retrouver face à un adversaire produisant davantage de variantes de sollicitations de dons, de synthèses de recherche et de messages aux électeurs avec les mêmes effectifs.

La compétition qui en résulte n’oppose pas simplement des militants humains à des machines. Elle oppose une organisation de campagne à une autre, chaque camp faisant des choix différents en matière d’automatisation, de vérification et de transparence.

Le débat sur les deepfakes ignore la plupart des outils d’IA de campagne

Les médias synthétiques captent l’attention du public, mais les dépenses déclarées suggèrent que des formes d’automatisation plus discrètes sont déjà plus profondément intégrées.

Seuls six candidats ou comités fédéraux ont déclaré des dépenses auprès d’ElevenLabs, un fournisseur de technologie de voix synthétique. Leurs dépenses cumulées s’élevaient à environ 1 400 dollars.

Le candidat indépendant au Congrès Samir Witta représentait la plus grande part déclarée. Cinq campagnes ou comités fédéraux ont déclaré des paiements à Midjourney totalisant environ 1 600 dollars.

Sholdon Daniels, candidat républicain au Texas, était en tête de ce petit groupe. Dans les quatre États examinés, les dépenses combinées auprès d’ElevenLabs et de Midjourney sont restées inférieures à 100 dollars.

Ces chiffres semblent rassurants jusqu’à ce qu’on les compare à la publicité politique observée. Le Wesleyan Media Project a identifié au moins 164 publicités politiques contenant des médias générés ou améliorés par l’IA au cours du cycle actuel.

Ces publicités étaient associées à au moins 80 millions de dollars de dépenses de diffusion. Soixante-neuf pour cent ne comportaient aucune mention indiquant l’utilisation de l’IA, selon une analyse de la publicité par IA.

Les deux mesures décrivent des réalités différentes. Un paiement à un fournisseur retrace ce qu’un comité a acheté directement. Les dépenses publicitaires couvrent les sommes utilisées pour diffuser des médias finalisés, quelle que soit la manière dont ces médias ont été produits.

Ces chiffres ne peuvent pas être additionnés pour former un total unique des dépenses en IA. Toutefois, leur divergence révèle l’ampleur de l’activité de production qui disparaît derrière les agences, les consultants et les acheteurs médias.

Une campagne peut payer une entreprise publicitaire pour créer et diffuser une vidéo. Si cette entreprise utilise un générateur d’images, un modèle vocal ou un assistant de montage, la déclaration de campagne peut toujours ne mentionner que l’entreprise publicitaire.

Les groupes indépendants créent un autre angle mort. Les Super PACs et organisations associées peuvent dépenser au nom d’un candidat sans se coordonner avec sa campagne. Leurs sous-traitants peuvent utiliser l’IA sans faire apparaître ces outils dans les rapports détaillés.

Cela aide à expliquer pourquoi les paiements directs pour les médias synthétiques paraissent minimes alors que les publicités assistées par IA restent visibles. Le coût de création peut être groupé, indirect ou négligeable à côté du coût de diffusion.

Se concentrer exclusivement sur les deepfakes restreint aussi excessivement le débat politique. Les vidéos trompeuses sont importantes, mais les campagnes peuvent influencer les électeurs sans usurper l’identité de qui que ce soit.

Les systèmes génératifs peuvent créer des milliers de variantes de titres, de messages de collecte de fonds ou de scripts adaptés à des publics spécifiques. Les outils prédictifs peuvent classer les donateurs et les électeurs. Les plateformes de messagerie peuvent automatiser les relances à grande échelle.

Ces applications sont moins spectaculaires qu’une vidéo fabriquée d’un candidat. Elles peuvent aussi devenir plus déterminantes parce que les campagnes les déploient de façon répétée tout au long d’un cycle électoral.

La personnalisation crée un problème supplémentaire de transparence. La publicité télévisée délivre le même message à de nombreux électeurs. Les systèmes numériques automatisés peuvent présenter des arguments différents à des segments d’audience plus restreints.

Les observateurs peuvent peiner à comparer ces messages ou à identifier les contradictions. Les journalistes et les opposants ne peuvent pas facilement examiner des communications qui n’apparaissent que brièvement dans des fils privés ou des conversations par SMS.

Le risque central n’est donc pas un seul faux convaincant. C’est un système de communication en expansion qui produit, teste et distribue des messages politiques plus vite que les observateurs extérieurs ne peuvent les examiner.

Les lois sur la publicité politique par IA se concentrent souvent sur les étiquettes pour les images, l’audio ou les vidéos synthétiques. De telles règles répondent à la tromperie, mais peuvent laisser largement intacts la persuasion automatisée et le ciblage individualisé.

Les campagnes font également face à une incertitude concernant les politiques des fournisseurs. OpenAI et d’autres prestataires limitent certains usages politiques, mais les consultants peuvent passer d’un produit à l’autre ou accéder à des modèles par l’intermédiaire d’intermédiaires.

Un refus dans un chatbot ne constitue pas une garantie à l’échelle du secteur. Il peut plutôt rediriger le travail vers un produit moins restrictif, un modèle ouvert ou un prestataire externe.

La question de l’application devient plus difficile lorsqu’une campagne affirme qu’un humain a approuvé le résultat final. La vérification humaine peut réduire les erreurs factuelles, mais elle ne résout pas les préoccupations liées au ciblage, à la transparence ou au volume de messages.

C’est ici que le débat public et la réalité opérationnelle se séparent. Les électeurs redoutent les faux reconnaissables, tandis que les campagnes tirent des avantages plus larges d’une automatisation ordinaire qui reste difficile à observer.

Les candidats bénéficient de l’IA tout en restant discrets à son sujet

Les campagnes font face à un arbitrage politique simple : l’IA peut améliorer la productivité, mais reconnaître son utilisation peut réduire la confiance des électeurs.

Une enquête Pew de septembre 2025 a révélé que plus de 70 pour cent des Américains auraient une moins bonne opinion d’un candidat utilisant l’IA pour aider à rédiger un discours. Cette réaction donne aux campagnes une forte raison de décrire leurs outils de manière vague.

Les libellés de dépenses de bureau sont techniquement plausibles. Ils révèlent toutefois peu de choses sur la question de savoir si l’IA a influencé le langage finalement transmis aux électeurs.

Les campagnes peuvent distinguer la recherche interne de la rédaction finale. Un modèle peut résumer des documents contextuels avant qu’un membre du personnel ne rédige le discours. Une autre équipe peut lui demander une version complète, puis en modifier le résultat.

Les deux campagnes pourraient déclarer la même dépense d’abonnement. Leur dépendance au système serait pourtant sensiblement différente.

Les organisations politiques ont aussi intérêt à ne pas abandonner un avantage tactique. Expliquer publiquement un processus d’automatisation pourrait aider les opposants à le reproduire, à le critiquer ou à y rechercher des erreurs.

Les candidats parlent donc d’efficacité en termes généraux. Ils publient rarement des journaux de prompts, des sorties de modèles, des procédures de vérification ou des listes de contenus destinés aux électeurs élaborés avec l’aide de l’IA.

Ce silence rend difficile toute véritable responsabilité. Un relevé de dépenses indique aux électeurs qu’une relation existait, mais pas quelles données ont été introduites dans le système ni quelles décisions en sont issues.

Les informations confidentielles constituent une autre préoccupation. Les campagnes détiennent des dossiers de donateurs, des coordonnées d’électeurs, des recherches internes, des documents stratégiques et des contenus politiques non publiés.

Téléverser ces informations vers un service externe peut créer des risques pour la vie privée et la sécurité. Le niveau de risque dépend des conditions du fournisseur, de la configuration du compte, des paramètres de conservation et du comportement du personnel.

L’exactitude demeure un enjeu distinct. Les modèles de langage peuvent produire des déclarations erronées, des citations inventées ou des synthèses trompeuses. Une campagne pressée peut diffuser une erreur avant qu’un examinateur ne la repère.

Les biais peuvent aussi s’introduire par les données d’entraînement, les prompts, les modèles de ciblage et les hypothèses humaines. Les résultats automatisés peuvent reproduire des stéréotypes ou négliger des électeurs mal représentés dans les informations sous-jacentes.

Aucun de ces problèmes ne signifie que les campagnes abandonneront cette technologie. La pression concurrentielle pousse dans la direction opposée.

Une enquête sectorielle citée dans des reportages a révélé que 57 pour cent des consultants politiques utilisaient l’IA quotidiennement, contre 34 pour cent un an auparavant. Ce taux d’adoption rend l’évitement de plus en plus coûteux.

La compétition pratique devient celle d’une adoption responsable face à une adoption opaque. Les campagnes utiliseront les systèmes disponibles, mais elles peuvent considérablement différer en matière de gouvernance et d’explication publique.

Une norme crédible de transparence pourrait séparer l’administration interne de la persuasion destinée aux électeurs. Elle pourrait également distinguer le contenu génératif de l’analytique, du ciblage et de la diffusion automatisée.

Les catégories de dépenses actuelles n’offrent pas cette clarté. Elles ont été conçues pour suivre l’argent, non pour documenter la manière dont les logiciels influencent le discours politique.

La transparence volontaire reste possible. Les campagnes pourraient identifier les fournisseurs approuvés, divulguer les principaux cas d’usage et décrire leur processus de vérification humaine sans publier de stratégie sensible.

Elles pourraient également conserver des dossiers montrant quels contenus destinés aux électeurs ont fait intervenir des systèmes génératifs. Des auditeurs indépendants ou des régulateurs pourraient examiner ces dossiers après des litiges.

Toutefois, l’action volontaire entre en conflit avec les incitations électorales. Un candidat qui fournit des informations détaillées peut attirer des critiques qu’un adversaire plus discret évite.

Des règles communes réduiraient ce déséquilibre. Elles nécessiteraient également des définitions précises pour éviter de traiter la correction orthographique, l’analyse de données, les médias synthétiques et la persuasion ciblée comme des activités équivalentes.

L’enjeu n’est pas d’éliminer les logiciels des campagnes. Il est de garantir que les électeurs puissent comprendre quand une communication politique a été façonnée de manière substantielle par des systèmes automatisés.

Trois signaux à surveiller avant les élections de mi-mandat de 2026

La prochaine phase sera évaluée à travers la croissance des divulgations, la production externalisée et l’efficacité des nouvelles règles de transparence.

Le premier signal sera la prochaine vague de déclarations fédérales. Les chercheurs devraient suivre si les dépenses américaines de campagne en IA continuent de se concentrer autour de fournisseurs politiques spécialisés ou se déplacent vers des modèles à usage général.

Une forte hausse du nombre de comités utilisant OpenAI et Anthropic suggérerait que l’accès aux chatbots devient une infrastructure standard des campagnes. Une croissance de Daisychain ou Campaign Nucleus montrerait un investissement plus profond dans le contact automatisé avec les électeurs.

La distinction entre le nombre de clients et le total des dollars restera importante. Un seul grand comité peut dominer les revenus d’un fournisseur sans démontrer une adoption généralisée.

Le deuxième signal sera l’écart entre les paiements directs aux fournisseurs et la publicité observable générée par IA. Cet écart indiquera quelle part de l’activité transite par des consultants et des groupes indépendants.

Davantage de publicités assistées par IA sans dépenses technologiques correspondantes renforcerait l’idée que les déclarations actuelles manquent la plupart des processus de production.

Les chercheurs auront besoin d’archives publicitaires, de déclarations de campagne et de dossiers de fournisseurs pour étudier cet écart. Aucun jeu de données unique ne couvre les trois niveaux.

Le troisième signal sera de savoir si les lois sur la transparence modifient réellement le comportement des campagnes. Plus de 30 États ont adopté des restrictions ou des exigences d’étiquetage concernant les deepfakes électoraux.

Les premières données montrent une transparence incohérente même là où des règles existent. Les ressources d’application, les contestations constitutionnelles et les définitions légales étroites peuvent affaiblir ces politiques.

Une étiquette visible sur un média synthétique aide les spectateurs à évaluer une publicité. Elle ne révèle pas si l’analytique, la personnalisation automatisée ou le texte génératif ont façonné la campagne dans son ensemble.

Les régulateurs fédéraux font également face à des limites de compétence et à des désaccords politiques. La FEC peut appliquer les règles de financement des campagnes, mais elle n’a pas créé de système complet de déclaration pour les communications assistées par IA.

La divulgation future la plus utile pourrait provenir de la combinaison de plusieurs approches. Les dossiers financiers peuvent identifier les fournisseurs, les étiquettes de contenu peuvent identifier les médias synthétiques et les archives peuvent conserver les messages ciblés.

Les politiques des fournisseurs constituent un autre signal critique. Si les principaux prestataires renforcent leurs restrictions politiques, les campagnes peuvent adopter des contrôles d’entreprise ou migrer vers des modèles alternatifs.

Si les restrictions restent incohérentes, les équipes de campagne et les consultants continueront à tester les limites. Une application reposant principalement sur les refus de requêtes n’offrira que des garanties limitées.

Les électeurs devraient aussi surveiller la manière dont les campagnes expliquent leurs erreurs. Une hallucination corrigée, une image trompeuse ou un message non autorisé peut révéler si une organisation dispose de procédures de contrôle réellement solides.

Les 17 millions de dollars divulgués établissent déjà que l’IA fait partie de l’infrastructure des campagnes américaines. Ils ne démontrent ni l’efficacité de la technologie ni l’étendue complète de son influence.

La question essentielle n’est plus de savoir si les campagnes utilisent l’IA. Elle est de déterminer si les électeurs, les observateurs et les régulateurs peuvent en voir suffisamment l’usage pour en évaluer les conséquences.

Suivez les prochaines déclarations, comparez-les aux messages politiques publiés et demandez aux campagnes ce que leurs descriptions de dépenses omettent. Les dépenses des campagnes américaines en matière d’IA comptent surtout là où les dossiers actuels s’arrêtent.