La démocratie par internet : la science politique et l'informatique au service d'une démocratie directe à grande échelle

Internet democracy : the political science and computer science of direct democracy at the large scale

• Auteur / Autrice : Zacharyas Amaury Boufoy-Bastick
• Direction : Margaret Bernard, Marie-Madeleine Martinet
• Type : Thèse de doctorat
• Discipline(s) : Études anglophones
• Date : Soutenance le 05/12/2014
• Etablissement(s) : Paris 4 en cotutelle avec University of the West Indies
• Ecole(s) doctorale(s) : École doctorale Civilisations, cultures, littératures et sociétés (Paris ; 1992-....)
• Jury : Président / Présidente : Michel Petit
• Jury : Examinateurs / Examinatrices : Stephen Ansolabehere

Mots clés

Mots clés contrôlés

Intelligence artificielle

Internet

Démocratie électronique

Mots clés libres

Démocratie Internet

Démocratie directe

Démocratie représentative

Démocratie électronique

Gouvernance électronique

Apprentissage automatique

Analyse des sentiments

Intelligence artificielle

Science politique

Informatique

Représentation politique

Légitimité politique

Démocratie Athénienne

Théorie de l’élite

Accès à l’information

Production de l’information

Internet Democracy

Direct Democracy

Representative Democracy

E-Democracy

E-Government

Machine Learning

Sentiment Analysis

Artificial Intelligence;

Political Science

Computer Science

Political Representation

Political Legitimacy

Athenian Democracy

Elite Theory

Information Access

Information Production

Résumé

La démocratie représentative souffre de nombreuses lacunes qui remettent en question la légitimité même des gouvernements démocratiques modernes. Tandis que la représentation directe pourrait théoriquement éliminer ces incongruités, elle a jusqu'à présent été considérée comme irréalisable en raison de limitations spatio-temporelles. Cette thèse adresse ces problèmes en introduisant le concept de Démocratie Internet - distinct de l’e-démocratie et de l’e-gouvernement existant. La Démocratie Internet consiste à cerner la représentation démocratique de telle manière qu’elle puisse être opérationnalisée par le biais de l’informatique. Pour ce faire, cette thèse remonte d'abord aux problèmes de la démocratie et de la représentation indirecte dans ses principes premiers, et propose une nouvelle approche (structurelle symbiotique) à l'application de l'Internet pour la démocratie. Ensuite, elle montre que la Démocratie Internet peut fonctionner grâce à l'analyse des données collectées passivement sur l'accès et la production de l’information. Enfin, elle offre de nombreuses contributions à l’informatique, qui jusqu’alors était limitée dans la précision de l'analyse des sentiments. La thèse développe une Proposition d’Opinion Asymétrique (AOP) et l’applique à un nouveau concept de ‘Espace des Sentiments’; elle développe également la première base de données assez nuancée pour l'analyse des sentiments; et elle utilise l'Espace de Sentiment afin de développer la méthode de calcul originale «Split-Fit » qui accroît la précision de l’apprentissage automatique.

Representative democracy suffers from numerous shortcomings that are so significant they bring into question the very legitimacy of modern democratic governments. While direct representation might theoretically eliminate these multiple defects, it has until now been considered unworkable due to limitations of space and of time. This thesis addresses these deficiencies by introducing Internet Democracy, which is distinct from existing e-democracy and e-government. Internet Democracy is an operational, computational formulation of democratic representation. To support this contribution, this thesis first derives the problems of democracy and indirect representation from first principles. It then proposes a new approach (the symbiotic structural approach) which applies the Internet to democracy. It then supports the proposition that Internet Democracy can operate through the analysis of passively collected data on information access and on information production (for instance, using sentiment analysis). Finally, it makes numerous topical contributions to computer science based on the observation that sentiment analysis hits a ceiling of accuracy which cannot currently be transcended. These contributions range from suggesting an Asymmetric Opinion Proposition (AOP) and applying this to a Sentiment Space describing the computational structure of sentiment; developing the first extremely fine-grained dataset for sentiment analysis; and applying Sentiment Space to develop the original ‘Split-Fit’ computing method which increases the accuracy of machine learning based Sentiment Analysis.