Dans la lignée du succès des LLMs (large language models) génératifs, une pratique étonnante s’est développée : le silicon sampling. Elle consiste à remplacer les humains par l’intelligence artificielle afin de générer les réponses aux questions de sondage – voire d’interviews. C’est facile, rapide et peu coûteux. Entreprises de sondage, de marketing, mais des chercheurs l’explorent. Mais est-ce fiable ? Une équipe française vient de tenter l’expérience. Etienne Ollion présente l’enquête et ses résultats, qui mettent en garde contre les limites et les biais spécifiques à ce type d’exercice.

Intervenant

Etienne Ollion (CNRS/CREST) est sociologue. Il travaille sur les transformations du politique, avec un intérêt particulier pour les données numériques et les sciences sociales computationnelles. Il a notamment publié "Machine Bias. How Do Generative Language Models Answer Opinion Polls?, Sociological Methods & Research, 2025, 54(3), p.1156-1196 (avec Julien Boelaert, Samuel Coavoux, Ivaylo Petev et Patrick Präg); Ce qui échappe à l'intelligence artificielle, Paris, Editions Hermann, 2024 (avec François Levin) et "The Augmented Social Scientist. Using Sequential Transfer Learning to Annotate Millions of Text", Sociological Methods and Research, 2022, 53(3), p. 1167-1200 (avec Salomé Do et Rubing Shen)

Discutant

Emiliano Grossman (Sciences Po, CEE) est politologue et dirige le Centre de données socio-politiques de Sciences Po (CDSP). Ses recherches portent sur les institutions politiques comparées, les processus de mise sur agenda et le rôle des médias. Il a récemment publié “Tunnels of attention: reconsidering issue competition”, Comparative Political Studies, 58 (12), p. 2559 – 2593 (avec Isabelle Guinaudeau) et “The paradox of environmental consciousness: dissecting the gap between climate change awareness, environmental concern and policy support”, Climate Policy, 2025, p. 1–18 (avec Cristina Penasco).

Chair

Nonna Mayer, Sciences Po, CEE, CNRS