One Vote, Several Parliaments: An Empirical Analysis of the Algorithmic Ambiguity of the Italian Electoral Law on the 2022 General Election Data
Cet article valide empiriquement que le texte statutaire de la loi électorale italienne Rosatellum pour la répartition des sièges admet plusieurs interprétations algorithmiques, démontrant que si la force des partis reste stable, l'ordre spécifique de traitement des circonscriptions et l'interprétation choisie modifient de manière significative quels candidats individuels sont élus.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous avez une pizza géante et délicieuse représentant tous les votes exprimés lors des élections italiennes de 2022. La loi dicte exactement comment découper cette pizza : d'abord, on découpe les grosses parts pour les circonscriptions à un seul vainqueur, puis on distribue le reste du fromage « proportionnel » aux partis politiques en fonction du nombre de voix qu'ils ont obtenues.
Mais voici le rebondissement : la recette de la partie proportionnelle est écrite d'une manière qui ressemble à un puzzle avec des instructions manquantes. Elle dit ce qu'il faut faire (découper des parts, compter les miettes, déplacer les morceaux en trop), mais elle ne dit pas dans quel ordre le faire.
Cet article, écrit par Paolo Coppola, est comme un chef super intelligent qui a décidé de tester ce qui se passe si l'on suit cette recette de différentes manières. Ils ont pris les données réelles de l'élection de 2022 — les votes réels de chaque ville — et ont passé les chiffres à travers trois « recettes » différentes (appelées Algorithmes A, B et C) pour voir si la pizza finale se ressemblait.
La grande découverte : L'ordre compte
La conclusion principale est que l'ordre dans lequel on traite les régions change qui va manger la pizza.
- L'Algorithme C (Le Chef du monde réel) : C'est la méthode réellement utilisée par les responsables électoraux. C'est comme un chef qui découpe d'abord toutes les croûtes épaisses, puis regarde l'ensemble de la table pour décider qui recevra les miettes supplémentaires. Cette méthode est stable ; si vous mélangez l'ordre des régions, la liste finale de ceux qui obtiennent un siège reste la même.
- L'Algorithme A (Le Chef séquentiel) : C'est la façon la plus « naturelle » de lire le texte : traiter la Région 1, la terminer, puis passer à la Région 2, et ainsi de suite. L'article a découvert que si vous utilisez cette méthode, l'ordre que vous choisissez importe énormément.
- Si vous traitez les régions dans l'ordre officiel, vous obtenez une liste de 3 91 personnes élues.
- Si vous inversez l'ordre (en commençant par la fin), 6 personnes différentes perdent leur siège, et 6 autres personnes les obtiennent à la place.
- Les auteurs ont lancé une simulation avec 1 000 ordres aléatoires. Ils ont découvert que dans certains de ces ordres aléatoires, la pizza n'était même pas entièrement découpée ! Dans 29 % des exécutions aléatoires, la recette échouait à attribuer un ou deux sièges, laissant le parlement avec des chaises vides. Dans un autre 9 % des cas, le nombre total de sièges pour chaque parti politique changeait, même si le nombre total de voix ne changeait pas.
Le bug « Mattarella » (Algorithme B)
Il existe une troisième façon de lire la recette, similaire à la façon dont une loi de 1993 a été interprétée. Les auteurs ont découvert qu'en utilisant cette méthode, 2 sièges ne peuvent tout simplement pas être attribués par les règles du texte, peu importe l'ordre choisi. C'est comme si la recette disait « donnez la dernière part à la personne la plus affamée », mais si tout le monde est rassasié, la part s'évapore. Cela s'est réellement produit lors des élections de 1994, 1996 et 2001.
Les chefs ont-ils bien fait ?
Avant de présenter ces résultats, les auteurs ont dû prouver que leur code informatique était parfait. Ils ont comparé leur « Algorithme C » (la méthode du monde réel) aux registres officiels du gouvernement.
- Ils ont fait correspondre 389 personnes sur 391 élues par leur nom (99,5 %).
- Les deux personnes qu'ils n'ont pas faites correspondre ? Ce sont exactement les deux mêmes personnes que le propre comité électoral du Parlement italien enquête actuellement, car les registres officiels sont confus ou incohérents. Ainsi, le code est en fait plus précis que la paperasse officielle désordonnée dans ces cas spécifiques.
Pourquoi est-ce important ?
L'article soutient que la loi n'est pas seulement « vague » ; elle est opérationnellement ambiguë. Ce n'est pas que les mots sont difficiles à comprendre ; c'est que les instructions ne verrouillent pas un résultat unique.
- La force des partis : Dans la méthode du monde réel (C), le nombre total de sièges pour chaque parti reste le même. L'ambiguïté ne change que quelle personne spécifique obtient le siège et quelle région elle représente.
- Le chaos : Mais si vous utilisez la méthode séquentielle (A) avec un ordre aléatoire, même la force des partis peut changer.
L'essentiel
Les auteurs n'ont pas seulement deviné ; ils ont appliqué toute la mathématique sur les données réelles de 2022. Ils ont prouvé que les mêmes votes, traités avec différentes lectures « admissibles » de la même loi, élisent des parlements différents.
- Dans leurs simulations, 119 personnes différentes ont été élues dans certains scénarios mais pas dans d'autres.
- Seules 339 personnes ont été élues dans chaque scénario testé.
Ainsi, la prochaine fois que vous entendrez que « un vote, un parlement », cet article suggère que pour les sièges proportionnels, c'est plutôt « un vote, plusieurs parlements possibles », selon la version de la recette que l'ordinateur décide de suivre. La loi fonctionne, mais elle fonctionne d'une manière qui laisse le résultat final à un choix de planification que le texte lui-même n'a jamais défini.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.