Le pipeline d'apprentissage automatique de Séoul pour le tri des propositions de budget participatif

Séoul mène depuis mai 2012 l'un des plus grands programmes de budget participatif (BP) au monde, allouant environ 50 milliards de wons sud-coréens (environ 2,2 % du budget municipal) via un Comité général de 250 citoyens, responsables et représentants de la société civile ; en 2014 seulement, le processus a reçu 1 533 propositions, dont 352 ont finalement été retenues pour financement.

Pour aider à traiter ce volume, la chercheuse Bokyong Shin (Université d'Helsinki) a publié en 2026 une étude dans le Journal of Public Budgeting, Accounting & Financial Management analysant 21 833 propositions dédupliquées (sur 25 415 soumises initialement) entre 2013 et 2021. L'étude a combiné une modélisation de sujets non supervisée fondée sur des plongements Sentence-BERT — identifiant 17 sujets principaux répartis en deux groupes (neuf liés aux infrastructures, huit au social/bien-être) — avec un classificateur supervisé Random Forest prédisant la sélection des propositions avec une AUROC de 0,73, surpassant la régression logistique, le gradient boosting, les SVM et les arbres de décision. L'objectif est de réduire les « coûts d'apprentissage » des citoyens grâce à la catégorisation et au résumé automatiques, et les « coûts de conformité » grâce à un retour prédictif avant la délibération formelle.

Il s'agit encore d'une capacité au stade de la recherche, construite à partir de données ouvertes historiques, et non d'un outil confirmé en fonctionnement dans le processus de BP actuel de Séoul — son rôle de tri doit donc être considéré comme une preuve de concept validée, non comme un système opérationnel. L'ampleur et la gouvernance du programme sont corroborées de façon indépendante par la documentation de cas de Participedia.