10 ans d’IA dans la politique française sur X.

En dix ans, l’intelligence artificielle a quitté le seul débat technique. Elle apparaît désormais dans les prises de parole politiques sur la souveraineté, la sécurité, le travail et les politiques culturelles. Elle entre aussi dans la campagne présidentielle. Pris un par un, les messages politiques donnent une image fragmentée de cette trajectoire.

J’ai regroupé 2 381 tweets, réponses et citations originales publiés par 364 comptes politiques français entre 2016 et 2026. Les republications simples ont été retirées. La vue principale couvre toute la décennie. Un second onglet se concentre sur les 48 heures du scandale Mythos US, au moment où les restrictions américaines autour des modèles avancés d’Anthropic ont déclenché une séquence politique très resserrée.

Ce que montre la cartographie

Chaque point correspond à une prise de parole complète, et non à une phrase sortie de son contexte. Deux points proches indiquent des formulations ou des arguments proches sur le plan sémantique. Les couleurs servent à afficher les thèmes, les partis ou l’orientation argumentative. Cette lecture permet de séparer le contenu du discours et l’appartenance politique.

La projection aide à repérer des familles de discours, leurs zones de recouvrement et les cas qui s’éloignent du groupe. Elle donne une lecture de proximité entre textes, sans transformer les points affichés en vérité idéologique. Les étiquettes restent visibles au-dessus des ensembles de points. Le filtre de sujet permet aussi d’isoler un sous-ensemble précis tout en gardant le reste du corpus à l’écran.

Mythos US dispose d’un onglet séparé

La vue sur dix ans raconte une conversation lente. Elle traverse la régulation, l’innovation, la sécurité, la souveraineté et les services publics. Mythos US suit une temporalité beaucoup plus courte. En quelques heures, une décision américaine a concentré les réactions sur la dépendance technologique européenne, y compris lorsque les réponses politiques proposées partaient dans des directions opposées.

Cet onglet complète la vue générale. Il montre comment un événement extérieur peut rapprocher soudainement des vocabulaires qui, à l’échelle de la décennie, restent associés à des familles politiques et thématiques beaucoup plus éloignées.

Comment lire le réseau de sujets

Le graphe place les thèmes à partir de leurs cooccurrences. Les liens se comportent comme des ressorts. Plus deux sujets apparaissent ensemble dans les mêmes tweets, plus ils s’attirent. Les nœuds se repoussent en parallèle. Cette mécanique produit une géographie irrégulière et laisse les sous-groupes se former sans imposer un centre artificiel.

Méthode et limites

Le corpus vient de contenus publics publiés sur X. Les republications simples sont exclues. Les réponses et les citations avec un commentaire original sont conservées. Les thèmes sont produits avec BERTopic. Les proximités reposent sur des embeddings multilingues, puis sur UMAP. Les expressions sont extraites par mots-clés, après retrait des termes génériques IA et intelligence artificielle.

La visualisation publiée ici contient seulement les agrégats et les coordonnées nécessaires au graphe. La base de collecte et le texte brut des tweets restent hors de la publication. Le nom du compte et la date d’un point sont servis séparément au clic par une route limitée. Le parti reste une donnée agrégée du graphe. Une petite sélection de tweets publics est conservée comme exemples vérifiables.