Comment l'intelligence artificielle a influencé les élections de mi-mandat - et deviendra une caractéristique permanente de la démocratie

L'intelligence artificielle a contribué à donner aux démocrates un avantage en matière de collecte de fonds cette saison électorale, permettant au parti bleu de conserver le contrôle du Sénat et d'empêcher une prise de contrôle républicaine de la Chambre.

Bien qu'il y ait de nombreux autres facteurs en jeu, les démocrates se sont davantage appuyés sur l'IA pour trouver des donateurs, selon des collecteurs de fonds professionnels, rapportant plus d'argent à des donateurs individuels de petite taille que leurs rivaux républicains.

"L'IA jouera un rôle de plus en plus important dans la démocratie à l'avenir", a déclaré Martin Kurucz, qui dirige Sterling Data Company , une société de technologie de données démocrate dans le domaine de la collecte de fonds.

L'analyse de données est utilisée dans la collecte de fonds politiques depuis plus d'une décennie, et les bots - des systèmes automatisés qui publient sur les réseaux sociaux - diffusent depuis longtemps des messages politiques à grande échelle. Mais l'utilisation de l'IA pour identifier les donateurs et maximiser les efforts de sensibilisation est relativement nouvelle.

Du côté gauche de l'allée, les collecteurs de fonds utilisent l'intelligence artificielle pour prédire qui est susceptible de faire un don à leur cause, tandis que du côté républicain, les collecteurs de fonds utilisent l'intelligence artificielle pour maximiser l'efficacité de la sensibilisation aux listes de donateurs établies. Bien que l'approche républicaine puisse collecter plus de dollars par donateur, elle a moins de donateurs à collecter.

Considérez John Fetterman, le démocrate qui a remporté un siège au Sénat en Pennsylvanie contre le républicain Mehmet Oz. Selon la Commission électorale fédérale , Fetterman a levé plus de 55 millions de dollars en 2022, contre un peu plus de 15 millions de dollars pour Mehmet Oz. Plus de la moitié du transport de Fetterman provenait de donateurs individuels donnant 200 $ ou moins, tandis qu'environ un tiers seulement des contributions d'Oz provenaient de donateurs aussi modestes.

M. Fetterman, dont la campagne a utilisé l'IA, n'était pas seul. La plupart des démocrates à l'échelle de l'État ont dépassé leurs homologues du GOP par de grands multiples dans l'espace des petits dollars.

Les données de la Commission électorale fédérale du cycle électoral de 2022 montrent que les organisations donatrices démocrates telles que le Comité de campagne du Congrès démocrate, ou DCCC, ont dépensé environ 8,4 millions de dollars en acquisition numérique, tout en collectant 85,6 millions de dollars grâce à de petites contributions unifiées, soit environ dix fois ce qu'elles ont dépensé. Dans le même temps, des organisations républicaines telles que le National Republican Congressional Committee ont dépensé environ 32 millions de dollars en acquisition numérique et ont collecté moins du double de ce montant en petites contributions unitaires.

Alors que les petits donateurs de gauche sont généralement plus aisés que leurs homologues républicains, l'avantage des démocrates ne se limite pas à la démographie.

Pendant la majeure partie de la dernière décennie, les publicités numériques ont été le moyen prédominant de trouver des donateurs. Mais la collecte de fonds s'est déplacée vers l'acquisition par e-mail et mobile alors que les retours de la publicité numérique se sont affaiblis suite aux mesures de confidentialité d'Apple en 2021 qui ont limité les capacités de suivi des annonceurs numériques. Quelques entreprises se sont vite rendu compte que le ciblage des donateurs basé sur l'IA était le moyen le plus efficace et le plus rapide d'acquisition par e-mail et mobile.

"Aucun analyste de données au monde ne peut trier des dizaines de milliers de donateurs potentiels et déterminer lequel est le plus susceptible de donner de l'argent", a déclaré Kurucz, dont l'entreprise a aidé à la fois le DCCC et Fetterman, "mais l'IA peut le faire."

"Nous avons atteint un point où quiconque peut utiliser une feuille de calcul peut utiliser l'apprentissage automatique pour la prise de décision basée sur les données", a déclaré Jonathon Reilly , cofondateur d'Akkio.

Les modèles d'IA peuvent détecter des tendances plus larges, prédire les dons en ligne et recalibrer le ciblage en quelques secondes, permettant aux campagnes d'adapter leur portée en temps quasi réel.

"Nous générons plus de revenus par donateur que les démocrates à tous les niveaux", a déclaré Tom Newhouse, vice-président du marketing numérique chez Convergence Media , mais a ajouté que les changements iOS d'Apple ont nui aux stratégies de prospection des donateurs des républicains.

Sterling Data utilise un site Web d'apprentissage automatique sans code, Akkio.com , qui permet aux utilisateurs de glisser-déposer leurs feuilles de calcul de données sur le site. Sur le backend, Akkio analyse les données et donne à l'utilisateur des options pour ce qu'il veut prédire. Dans le cas de Sterling Data, il s'agit de la probabilité que chaque personne donne de l'argent.

Sterling Data a constitué une base de données d'environ 30 millions de donateurs avec 500 colonnes d'informations ou plus sur tout, du type de voiture que chaque donateur conduit à celui que Netflix montre qu'il regarde. Il exécute un sous-ensemble de données via un modèle Akkio formé pour repérer les donneurs probables pour un candidat particulier. Le résultat est une liste de donateurs potentiels classés du plus susceptible au moins susceptible de donner, permettant à Sterling Data de concentrer ses efforts sans perdre de temps et d'argent sur les mauvaises personnes.

"La facilité d'utilisation des listes classées par l'IA signifie que les entreprises de données vendant des prospects donateurs sélectionnés par l'IA peuvent proposer des prix inférieurs au reste du marché", a déclaré Jacob Geers, qui était jusqu'à récemment directeur général de Veracity Media, une agence de stratégie numérique.

Les outils d'IA comme Akkio permettent désormais aux organisations d'évoluer d'une manière qui était autrefois impossible, en analysant des millions de points de données en quelques secondes et en hiérarchisant les actions à entreprendre pour un effet maximal.

"Nous avons atteint un point où quiconque peut utiliser une feuille de calcul peut utiliser l'apprentissage automatique pour la prise de décision basée sur les données", a déclaré Jonathon Reilly , cofondateur d'Akkio. "Notre plate-forme permet aux utilisateurs non techniques d'extraire de la valeur de leurs données."

Sterling Data transmet ensuite la liste de contacts prioritaires à l'équipe du candidat, qui contacte les donateurs de la manière la plus efficace possible.

"Le tout est de prédire qui fera un don si mon candidat tend la main", a déclaré Kurucz, ajoutant que le modèle d'Akkio construit des listes de donateurs potentiels qui augmentent systématiquement deux fois plus que les listes construites avec d'autres méthodes.

Au cours du dernier cycle, l'acquisition de donateurs basée sur l'IA fournie par des fournisseurs tels que Sterling Data a modifié les attentes de l'industrie en matière de rapidité de retour sur investissement, a déclaré Kevin Massey, partenaire de Momentum Campaigns , une agence de collecte de fonds numérique. Dans les cycles passés, a-t-il dit, il était courant de s'attendre à environ 6 mois ou plus avant qu'une acquisition d'e-mail ne soit entièrement payée pour une campagne. "Mais avec ces nouvelles acquisitions axées sur l'IA, nous avons vu ce chiffre passer rapidement à un à trois mois", a déclaré Massey.

Le gain plus rapide permet aux campagnes de réagir plus rapidement et d'être plus intelligentes avec leurs budgets d'acquisition, car elles obtiennent des résultats plus rapidement.

Sterling Data passe des milliers d'heures à appeler des donateurs potentiels à gros budget. L'entreprise utilise une autre forme d'IA appelée traitement du langage naturel pour lire les notes d'appel et glaner de nouveaux détails sur ces donateurs. Les e-mails sont réservés aux petits donateurs potentiels. Sterling Data travaille avec les démocrates de haut en bas du scrutin, des candidats au Congrès aux candidats au conseil municipal.

« Le ciblage à grande échelle est vraiment difficile et mettre la main sur le donateur, que ce soit par e-mail ou par numéro de téléphone, est encore plus difficile », a déclaré Kurucz.

Il existe de nombreuses sources de données différentes à partir desquelles agréger les informations sur les donateurs potentiels. "Plus vous obtenez d'informations sur les donateurs potentiels, meilleur est le modèle", a déclaré Kurucz.

Kurucz pense que l'approche sans code se répandra car elle met le pouvoir entre les mains d'un praticien quotidien qui n'a plus besoin de scientifiques de données coûteux pour obtenir des résultats. Kurucz a noté qu'il peut créer et exécuter ses modèles d'IA en utilisant Akkio dans un avion sur son ordinateur portable.

Newhouse de Convergence Media dit qu'ils utilisent des fonctionnalités d'IA dans une plate-forme de messagerie et de SMS appelée Iterable pour optimiser le moment ou le mode de diffusion, que ce soit par e-mail ou par SMS, par exemple, ce qui entraîne des dons plus élevés par donateur. Mais il a déclaré que les républicains n'avaient pas encore fusionné autour d'un ensemble central d'outils technologiques partagés à tous les niveaux.

"Pour élargir la base de donateurs républicains, les républicains doivent adopter l'intelligence artificielle ou la modélisation des données pour identifier de nouveaux donateurs", a-t-il déclaré.