Gains :
- Capacité à utiliser l'IA pour collecter, résumer et thématiser des enquêtes, des opinions et des données sur les parties prenantes dans la planification participative
- Soyez conscient de la représentation, des préjugés et de la responsabilité de protéger les voix des groupes marginalisés lors de l'analyse des commentaires qualitatifs avec l'IA.
- Comprendre que le résumé de l'IA ne remplace pas la participation et que la décision finale appartient à un processus public transparent et responsable
Un plan est techniquement correct mais illégitime s’il ne porte pas la voix des personnes qui en vivront. La planification participative signifie que les décisions sont prises non seulement par des experts, mais aussi par les citoyens qui utilisent cet espace, les commerçants, les chefs d'établissement, la société civile et d'autres parties prenantes. Dans ce processus, de grandes quantités de données qualitatives (données contenant du texte et des opinions, et non des chiffres) sont collectées à partir d'enquêtes, de réunions, de pétitions, d'opinions en ligne et d'observations sur le terrain. L'IA est une aide puissante pour résumer ces milliers d'opinions, extraire des thèmes, effectuer des analyses de sentiments et des rapports. Mais le plus grand danger de l’IA dans la planification participative est le biais de représentation : elle peut amplifier les voix de la majorité et les déclarations souvent répétées et rendre invisibles les voix de la minorité, des groupes numériquement inaccessibles et marginalisés. Le résumé de l’IA ne remplace pas la participation ; La décision finale est un processus public transparent et responsable.
Pourquoi et comment participer
La participation n'est pas une cérémonie de « certification-rassemblement » mais une véritable source de connaissances et de légitimité. Un bon processus d’engagement combine différents canaux : réunion en face à face, enquête auprès des ménages, formulaire en ligne, visite sur le terrain, réunion du groupe cible. Chaque canal capte des personnes différentes : les jeunes en ligne, les personnes âgées rencontrant en face-à-face et les habitants du quartier. S’appuyer sur un seul canal exclut tous ceux qui n’utilisent pas ce canal.
L’IA entre en jeu dans la compréhension des données collectées : il faudrait des semaines à un être humain pour lire des centaines de pages de texte libre, les regrouper et en extraire des thèmes importants ; L’IA réduit cela à quelques heures. Mais cette rapidité n’élimine pas la responsabilité de la représentation.
Attention : les résumés de l'IA ont tendance à présenter l'opinion la plus répétée et la plus bruyante comme étant « l'opinion générale ». Ce n’est pas parce qu’une demande est répétée qu’elle est plus juste ; cela peut simplement indiquer que ce groupe est plus grand ou plus organisé. Dans chaque résumé, la question « qui manque, dont la voix est rauque ? demander.
Une autre dimension de la participation est la diversité linguistique et culturelle. Dans une ville, il existe des groupes parlant différentes langues, différents niveaux d’alphabétisation et différentes formes d’expression. L'IA offre ici une réelle commodité car elle peut traiter des vues de plusieurs langues en une seule exécution ; par exemple, il peut relier les commentaires collectés dans différentes langues à des thèmes communs. Mais des subtilités peuvent se perdre dans la traduction et le résumé : un langage local, un reproche, une référence culturelle peuvent être aplatis et mal interprétés par l’IA. Ainsi, avec une participation multilingue ou culturellement diversifiée, il est important que les résultats de l’IA soient examinés par des personnes qui connaissent ces communautés. L’élargissement de l’accès grâce à la technologie est précieux ; mais l’accès n’exonère pas la responsabilité de transmettre le sens avec précision.
Représentation, préjugés et éthique
Trois risques éthiques sont particulièrement importants dans la planification participative :
- Biais de participation : qui a participé à l’enquête ? Les quartiers avec un faible accès à Internet, les personnes âgées, les personnes handicapées, les immigrés et les femmes qui travaillent sont souvent sous-représentés. L'IA ne le dit pas elle-même ; Il est nécessaire d'examiner le profil des participants séparément.
- Biais sommaire : l’IA favorise l’expression majoritaire et fréquente ; Une alerte rare mais critique (par exemple une observation d'inondation) peut être considérée comme du « bruit » et éliminée.
- Biais de commentaire : l'analyse des sentiments et l'extraction de thèmes peuvent être influencées par les hypothèses culturelles contenues dans les données d'entraînement de l'IA ; peut mal interpréter le contexte local.
Trois principes contre ces risques : protéger l’accès aux données brutes (le résumé ne doit jamais être la seule vérité), surveiller séparément les groupes minoritaires et marginalisés et enregistrer le processus de manière transparente.
Étape par étape : analyse des données d'engagement avec l'IA
- Anonymisez les données. Effacer les données personnelles (nom, contact) ; KVKK/confidentialité.
- Créez un profil de participant. Qui était présent, qui manque ?
- Créez un thème pour l'IA. Mais demandez les thèmes minoritaires séparément.
- Comparez avec les données brutes. Le résumé reflète-t-il la réalité ?
- Identifiez et complétez les groupes manquants. Ajoutez un canal supplémentaire (face à face).
- Signalez de manière transparente. Il est clair qui a participé et qui manquait.
- Laissez la décision au processus public. Entrée récapitulative de l’IA, pas décision.
Invite faible/Invite forte
Invite faible : « Résumez ces commentaires d’enquête. »
L’IA met en évidence les thèmes le plus fréquemment ; La voix minoritaire disparaît, le profil des participants disparaît.
Invite forte : "Il y a 1 200 opinions de citoyens ci-dessous [anonymisées]. (1) Extrayez les thèmes principaux par fréquence. (2) Rassemblez AUSSI les thèmes minoritaires qui sont peu nombreux mais peuvent être importants (tels que la sécurité, les inondations, l'accessibilité) dans une liste séparée ; éliminez-les comme étant de faible fréquence. (3) Dans chaque thème, indiquez s'il est clair quelle opinion vient de quel type de participant. [...]"
La deuxième invite demande explicitement de protéger la voix, le profil et les angles morts de la minorité.
Quatre modèles copiables
Tâche : À partir des données de participation [anonymes] ci-dessous, extrayez (1) les thèmes clés par fréquence, (2) UNE liste SÉPARÉE de thèmes moins récurrents mais potentiellement critiques. Éliminez les commentaires à faible fréquence. Ajoutez votre propre commentaire ; groupe tel quel.Données : [...]
Tâche : Examinez les données du profil des participants ci-dessous. Quels groupes (âge, quartier, sexe, accès) peuvent être sous-représentés ? Quel canal d'engagement supplémentaire est recommandé pour combler les voix manquantes ?Profil : [...]
Tâche : Produire une liste de contrôle pour comparer le résumé suivant du thème de l'IA avec les données brutes : comment puis-je vérifier quel thème est vraiment dominant, lequel est exagéré, quelle vision critique a pu être éliminée ? Résumé : [...]
Tâche : Rédiger un PROJET d'information publique transparent à partir des résultats de participation ci-dessous. Indiquez honnêtement qui a participé, qui était absent et comment leurs opinions seront reflétées dans la décision. Ne présentez pas la participation comme une « approbation ». Résultats : [...]
Une table : canal de participation et représentation
canal
Qui l'attrape bien ?
Qui kidnappe
Le rôle de l'IA
formulaire en ligne
Jeune, adepte du numérique
Personnes âgées, faible accès
Extraction de thème
rencontre face à face
installé, concerné, calme
employé, à distance
résumé des notes
enquête auprès des ménages
section large
pas à la maison
Édition des données
Groupe cible
partie prenante spécifique
grand public
Résumé de l'entretien
Pétition/plainte
Organisé, problématique
Majorité silencieuse satisfaite
Classement
trois mini-cases
Cas 1 – Avertissement de disparition d’une minorité. Une commune résume 3 000 avis avec AI ; Le dossier met en lumière les demandes de « stationnement » et d’« espaces verts ». Lorsqu'un planificateur demande des thèmes distincts pour les minorités, il constate que 11 personnes ont déclaré avoir observé des inondations le long d'un cours d'eau. Cet avertissement critique mais « légèrement répétitif » a été éliminé dans le premier résumé. La protection des voix minoritaires peut être un problème de sécurité.
Cas 2 — Le quartier invisible. Une équipe découvre, grâce à une analyse de profil, que 70 pour cent de la participation provient des trois quartiers centraux, tandis que les banlieues ne montrent pratiquement aucune réponse. L’accès au formulaire en ligne y est faible. L'équipe affine la représentation en ajoutant une réunion en face-à-face et une enquête auprès des ménages. La diversité des chaînes est une condition préalable à l’équité.
Cas 3 — Reportage honnête. Une municipalité écrit clairement dans son rapport de participation que « 2 400 personnes ont participé au processus ; cependant, les plus de 65 ans et deux quartiers de banlieue étaient sous-représentés et des réunions supplémentaires ont été organisées pour ces groupes ». Le Parlement évalue le résultat avec un poids réaliste. Signaler la lacune plutôt que la cacher légitime la participation.
Erreurs courantes
- Prendre le résumé de l'IA comme la seule vérité. L'accès aux données brutes doit être protégé ; Il s'agit d'un commentaire sommaire.
- Confondre fréquence et équité. Une demande très répétitive n’est pas la demande la plus précise.
- Éliminer les contacts minoritaires. Les alertes rares mais critiques (sécurité, inondation) ne doivent pas être perdues.
- Ne pas examiner le profil des participants. Si la question de savoir qui est porté disparu n’est pas posée, l’exclusion n’apparaîtra pas.
- S'appuyer sur un seul canal. Chaque chaîne manque un groupe ; la diversité est une nécessité.
- Présenter la participation comme une « approbation ». La participation est un apport à la décision, et non un vernis de légitimité.
- Ne protège pas les données personnelles. Les avis ne doivent pas être traités sans anonymisation.
En résumé
La planification participative est la source de connaissances et de démocratie qui légitime la planification ; L’IA est une aide puissante pour résumer, extraire par thème et rapporter les grandes données qualitatives collectées. Mais l’IA comporte un biais de représentation : elle élève la majorité et l’expression fréquente, et diminue la minorité et l’inaccessible numériquement. Maintenez l'accès aux données brutes pour une utilisation appropriée, surveillez les thèmes des minorités séparément, examinez les profils des participants et remplissez les groupes manquants via des canaux supplémentaires, et signalez honnêtement les progrès. Le résumé de l’IA ne remplace pas la participation ; La décision finale revient à un processus public transparent et responsable.
Tâche de candidature
Considérez un ensemble de données d'engagement (réel ou échantillon). (1) Extraire les thèmes majeurs et minoritaires séparément avec le premier modèle ; capturer au moins un thème critique de la minorité. (2) Avec le deuxième modèle, examinez le profil du participant, identifiez un groupe manquant et suggérez un canal supplémentaire. (3) Produire une liste de contrôle pour comparer le résumé de l'IA avec les données brutes avec le troisième modèle. (4) « Qui manque, dont la voix est rauque ? Répondez à la question dans le contexte de ces données.
liste de contrôle
- [ ] J'ai anonymisé les données de participation ; J'ai protégé mes données personnelles.
- [ ] J'ai examiné le profil du participant ; J'ai identifié les groupes manquants.
- [ ] Je voulais aussi des thèmes minoritaires et critiques ; Je l'ai empêché d'être éliminé.
- [ ] J'ai comparé le résumé de l'IA aux données brutes.
- [ ] J'ai complété les sons manquants avec des canaux de participation supplémentaires.
- [ ] J'ai signalé honnêtement ma présence ; Je ne l'ai pas présenté comme une "approbation".
- [ ] Je laisse la décision finale au processus public transparent.