evidoria

← Volver al listado

Buena práctica Importada

Grand Débat National — El análisis asistido por IA de 2 millones de contribuciones ciudadanas en Francia

Francia · Paris · Ver el perfil de Francia · Ver el perfil de Paris

Evidencia: Descriptivo / autodeclarado Top 36% 67/100 · Pregunte a Evidence Copilot sobre esta práctica

El Grand Débat National de 2019 en Francia utilizó el pipeline de PLN de un consorcio de siete empresas para clasificar y sintetizar casi 2 millones de contribuciones en línea y más de 16.000 registros locales, procedentes de 1,5 millones de ciudadanos, en 19 árboles de conocimiento públicos en unas dos semanas.

1.93 million contributions
Contribuciones en línea analizadas (January–April 2019)
16,000+ registers
Registros municipales digitalizados (2019)
~1.5 million citizens
Ciudadanos representados en los registros locales (2019)
19 knowledge trees
Árboles de conocimiento temáticos producidos (2019)
Grand Débat National — El análisis asistido por IA de 2 millones de contribuciones ciudadanas en Francia

Detalles

Madurez
Descontinuada
Promotor
French Government (Grand Débat National) with Roland Berger, Cognito, Bluenove, OpinionWay, Qwam, Res Publica and Missions Publiques
Período
Jan 2019 – Apr 2019
Palabras clave
citizen consultation, natural language processing, deliberative democracy

Contexto

Tras las protestas de los 'chalecos amarillos', el gobierno francés lanzó en 2019 el Grand Débat National, invitando a los ciudadanos de todo el país a presentar sus opiniones sobre fiscalidad, servicios públicos, democracia y medio ambiente. El gobierno contrató a un consorcio de siete empresas, liderado por Roland Berger, para procesar las respuestas recibidas mediante procesamiento de lenguaje natural.

Actividades

El consorcio digitalizó registros manuscritos locales (con Numen y la Bibliothèque Nationale de France) y analizó casi 1,93 millones de contribuciones en línea además de más de 16.000 registros municipales que representaban a unos 1,5 millones de ciudadanos, utilizando un proceso de análisis lexicológico contextualizado para clasificar el texto en categorías predefinidas y producir 19 árboles de conocimiento temáticos, con equipos humanos de síntesis completando el análisis final escrito en aproximadamente dos semanas.

Resultados

La revisión independiente del Institut Montaigne concluyó que el sistema logró gestionar la escala del ejercicio, pero mostró límites técnicos: tuvo dificultades con la ironía, el lenguaje ambiguo y las frases casi duplicadas, la participación se inclinó hacia hombres mayores, más educados y propietarios de vivienda, y el sistema pudo señalar pero no distinguir totalmente las campañas coordinadas de la repetición orgánica de base.

Implementación
Coste indicativo
Medio (50 000–500 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
Seven-firm consortium led by Roland Berger (Cognito, Bluenove, OpinionWay, Qwam, Res Publica, Missions Publiques), Numen and Bibliothèque Nationale de France for register digitization, Human synthesis teams for final written analysis

Condiciones para el éxito

  • Rapid multi-firm mobilization within a compressed timeframe
  • Predefined taxonomy/categories to structure classification
  • Human synthesis teams to complete final analysis rather than relying on NLP output alone

Modos de fallo comunes

  • NLP pipeline struggled with irony, ambiguous language and near-duplicate phrasing
  • Could not fully distinguish coordinated campaigns from organic grassroots repetition
  • Participation skewed toward older, more educated, home-owning men, limiting representativeness

Dónde encaja

Tipo de gobernanza
national government consultation
Escala
national
Nivel de ingresos
high-income

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles