De Cambridge Analytica à Macron : quand ceux qui ont exploité les réseaux sociaux veulent les censurer

Introduction

Avant de s'appeler Meta et de parler de métavers, Facebook était surtout une machine à capter l'attention… et donc la donnée. Ce qui a fait exploser l'affaire Cambridge Analytica en 2018, ce n'est pas seulement un scandale de vie privée : c'est la révélation que les plateformes sociales étaient devenues des infrastructures d'ingénierie du comportement.

En 2016, une société parvient à siphonner les données de dizaines de millions d'utilisateurs, établir des profils psychométriques et cibler des messages politiques ultra-personnalisés. Le scandale éclate, l'entreprise s'effondre, des régulations sont votées.

Mais cette histoire ne s'arrête pas là. Elle continue en France avec En Marche !, se poursuit avec l'IA générative, et trouve son dernier avatar en 2025 quand Emmanuel Macron propose de "réguler" les outils qu'il a lui-même utilisés pour conquérir le pouvoir.

Entre Cambridge Analytica (collecte illégale), En Marche ! (exploitation légale) et les propositions actuelles de Macron (verrouillage sélectif), il n'y a pas de rupture. Il y a une continuité : celle du capitalisme de surveillance appliqué au politique.

```chart {"version":"1.0","type":"chart","metadata":{"title":"Chronologie du capitalisme de surveillance politique (2014-2025)","description":"Les moments clés de l'exploitation des données comportementales en politique","height":450},"config":{"palette":"corporate","chartType":"line"},"data":{"labels":["2014","2015","2016","2017","2018","2019","2020","2021","2022","2023","2024","2025"],"datasets":[{"label":"Capacité de ciblage (échelle 0-100)","values":[30,40,55,75,70,72,75,80,82,78,88,95],"unit":"pts"},{"label":"Niveau de régulation (échelle 0-100)","values":[10,12,15,18,40,50,55,58,62,68,72,80],"unit":"pts"},{"label":"Scandale public (impact médiatique 0-100)","values":[5,8,25,15,90,40,30,25,20,35,45,70],"unit":"pts"}]}} ```

Cet article analyse cette continuité en trois temps : le précédent Cambridge Analytica, les méthodes d'En Marche !, et le virage répressif actuel – sous le regard de l'intelligence artificielle qui démultiplie ces capacités.

---

Chapitre 1 : Cambridge Analytica, ou la révélation d'une industrie

1.1 L'écosystème du data-driven campaigning

Le scandale Cambridge Analytica de mars 2018 ne révèle pas une nouveauté technologique. Il expose publiquement des pratiques existantes dans l'industrie du marketing politique depuis des années : le ciblage des électeurs avec une précision behavioriste.

Du microtargeting démographique au psychographique

Le ciblage politique traditionnel repose sur des corrélations démographiques : "les femmes de 40-50 ans en banlieue sont plus susceptibles de voter X". Limité mais efficace.

Deux évolutions transforment radicalement ces pratiques :

1. Les réseaux sociaux deviennent des bases de données comportementales (2007-2012)

Facebook, Twitter et Instagram accumulent des données inédites : chaque like, partage, commentaire, temps de lecture devient un signal révélant des traits psychologiques. Facebook offre des outils publicitaires permettant de cibler avec une précision nouvelle : "femmes 35-45 ans, divorcées, intéressées par yoga et écologie, tel district électoral".

2. La psychométrie devient computationnelle (2012-2016)

La recherche académique développe des modèles pour inférer la personnalité à partir de traces numériques. Le modèle OCEAN (Openness, Conscientiousness, Extraversion, Agreeableness, Neuroticism) classe les individus selon cinq dimensions psychologiques.

```chart {"version":"1.0","type":"chart","metadata":{"title":"Le modèle psychométrique OCEAN","description":"Les 5 dimensions utilisées pour profiler les électeurs","height":450},"config":{"palette":"ocean","chartType":"radar"},"data":{"labels":["Ouverture","Conscience","Extraversion","Agréabilité","Neuroticisme"],"datasets":[{"label":"Profil conservateur type","values":[35,75,55,60,45],"unit":"score"},{"label":"Profil progressiste type","values":[85,50,65,70,55],"unit":"score"},{"label":"Électeur persuadable","values":[60,62,58,65,52],"unit":"score"}]}} ```

En 2012, une étude de Michal Kosinski (Cambridge University) démontre qu'avec 70 likes Facebook, un algorithme connaît mieux la personnalité d'une personne que ses amis. Avec 150 likes, mieux que ses parents. Avec 300, mieux que son conjoint.

On peut désormais cibler selon ce que les gens ressentent profondément, pas seulement selon ce qu'ils sont démographiquement.

L'écosystème industriel

Avant Cambridge Analytica, toute une industrie s'est structurée :

• Data brokers (Acxiom, Experian) : collectent et revendent des données comportementales
• Plateformes de campagne (NationBuilder, NGP VAN) : gèrent bases de données et scoring électoral
• Agences de micro-ciblage : créent messages ultra-personnalisés via réseaux sociaux

En 2016, cette industrie est mature et légale. Cambridge Analytica n'est qu'un acteur parmi d'autres.

1.2 Le mécanisme Cambridge Analytica

La collecte

En 2014, Aleksandr Kogan crée une application Facebook : "thisisyourdigitallife". Les utilisateurs répondent à un questionnaire psychologique contre quelques dollars. 270 000 personnes l'installent. Mais l'application accède aussi aux données de tous leurs amis : 87 millions d'utilisateurs.

```chart {"version":"1.0","type":"sankey","metadata":{"title":"Flux de données Cambridge Analytica : de Facebook aux électeurs","description":"Comment 270 000 utilisateurs ont permis de profiler 87 millions de personnes","height":500},"config":{"palette":"corporate"},"data":{"nodes":[{"id":"n1","name":"270K users app"},{"id":"n2","name":"87M amis Facebook"},{"id":"n3","name":"Base GSR"},{"id":"n4","name":"Cambridge A."},{"id":"n5","name":"Profils OCEAN"},{"id":"n6","name":"Segments élect."},{"id":"n7","name":"Messages test"},{"id":"n8","name":"Facebook Ads"},{"id":"n9","name":"Swing states USA"}],"links":[{"source":"n1","target":"n3","value":30},{"source":"n2","target":"n3","value":40},{"source":"n3","target":"n4","value":50},{"source":"n4","target":"n5","value":50},{"source":"n5","target":"n6","value":40},{"source":"n6","target":"n7","value":30},{"source":"n7","target":"n8","value":25},{"source":"n8","target":"n9","value":20}]}} ```

Le traitement

Kogan et Global Science Research (GSR) utilisent le modèle de Kosinski pour inférer les profils OCEAN des 87 millions d'utilisateurs. Résultat : une base avec coordonnées démographiques, profils psychologiques, centres d'intérêt et réseau social de chaque personne.

Le transfert illégal

Kogan transfère cette base à Cambridge Analytica, violant les conditions d'utilisation de Facebook. Cambridge Analytica est une filiale de SCL Group, spécialisée en "guerre psychologique" pour gouvernements et armées.

L'exploitation

Avec cette base, Cambridge Analytica pratique du micro-ciblage d'une précision inédite :

• Segmentation par traits psychologiques plutôt que démographie
• Messages adaptés (peur pour les anxieux, tradition pour les conservateurs)
• Tests A/B massifs sur des centaines de variantes
• Optimisation continue en temps réel

Campagnes documentées : Trump 2016, Brexit, et dizaines d'élections mondiales.

1.3 Le scandale et ses révélations

Mars 2018 : Christopher Wylie parle

Christopher Wylie, ex-employé, contacte The Guardian et le New York Times. Il révèle l'ampleur de la collecte illégale, les méthodes de manipulation psychologique, et les liens avec Steve Bannon.

Réactions

• Facebook perd 120 milliards $ de capitalisation
• Cambridge Analytica dépose le bilan en mai 2018
• Amende de 5 milliards $ (FTC)
• Débat public explosif sur vie privée et manipulation

```chart {"version":"1.0","type":"chart","metadata":{"title":"Impact du scandale Cambridge Analytica (Mars-Juin 2018)","description":"Conséquences mesurables du scandale sur Facebook","height":400},"config":{"palette":"sunset","chartType":"bar"},"data":{"labels":["Perte capitalisation","Amende FTC","Baisse confiance","Nouvelles régulations"],"datasets":[{"label":"Impact relatif (0-100)","values":[100,42,78,65],"unit":"pts"}]}} ```

Trois vérités systémiques

Le scandale révèle que :

1. Les plateformes sociales sont des infrastructures d'ingénierie comportementale, pas de simples hébergeurs
2. La donnée sociale est devenue un pouvoir politique majeur
3. La régulation accuse quinze ans de retard

Mais surtout : Cambridge Analytica n'était qu'un acteur parmi d'autres. L'entreprise fait scandale car elle collecte illégalement et qu'un whistleblower parle. Mais des dizaines d'acteurs légaux pratiquent les mêmes méthodes.

En France notamment, un nouveau mouvement politique applique ces techniques – en respectant la loi.

---

Chapitre 2 : En Marche ! applique les mêmes méthodes (légalement)

2.1 NationBuilder + Grande Marche : la machine à données

Quand Emmanuel Macron lance En Marche ! en avril 2016, il n'a aucune infrastructure traditionnelle. Mais la stratégie est claire : compenser l'absence de militants par une supériorité technologique. Profiler chaque électeur, cibler avec précision chirurgicale, optimiser chaque message.

NationBuilder : l'infrastructure centrale

En Marche ! adopte NationBuilder, plateforme américaine ayant servi Obama en 2012. NationBuilder publiera en 2017 un case study confirmant que LREM "a gagné 350 sièges" grâce à leur infrastructure.

Fonctions : scoring électoral, enrichissement automatique via réseaux sociaux, messages personnalisés, mesure temps réel. C'est l'équivalent de l'outil Cambridge Analytica – mais légal.

```chart {"version":"1.0","type":"swot","metadata":{"title":"Analyse SWOT de NationBuilder pour LREM","description":"Infrastructure data-driven de la campagne 2016","height":500},"config":{"palette":"corporate"},"data":{"strengths":["Base de données centralisée et enrichie en temps réel","Scoring prédictif des électeurs (probabilité de vote, engagement)","Automation des communications (emails, SMS personnalisés)","Intégration native avec Facebook Ads et Google Ads","Analytics en temps réel pour optimiser les actions"],"weaknesses":["Plateforme américaine : dépendance technologique","Coût élevé (plusieurs milliers d'euros/mois)","Nécessite expertise technique pour exploitation optimale","Données hébergées aux USA (souveraineté limitée)","Risque de perception négative (manipulation)"],"opportunities":["Avantage compétitif face aux partis traditionnels","Mobilisation rapide de sympathisants sans structure militante","Tests A/B massifs pour optimiser messages","Coordination nationale-locale facilitée","Collecte continue de données pour affiner stratégie"],"threats":["Scandale type Cambridge Analytica si fuite de données","Régulation RGPD (restrictions sur exploitation données)","Concurrents qui adoptent les mêmes outils","Fatigue numérique des électeurs (trop de sollicitations)","Backlash si méthodes rendues publiques"]}} ```

La Grande Marche : collecter massivement

Mai 2016 : En Marche ! lance la "Grande Marche". Objectif affiché : "écouter les Français". Objectif opérationnel : constituer une base de données.

Entre mai et novembre 2016 : 100 000 portes frappées, 25 000 entretiens détaillés (sources : recherches Anaïs Théviot). Chaque entretien alimente NationBuilder. Questions sur préoccupations, situation personnelle, priorités politiques.

Cette "démocratie participative" est en réalité du profilage systématique. Résultat fin 2017 : 400 000 sympathisants profilés pour un mouvement créé un an plus tôt.

```chart {"version":"1.0","type":"chart","metadata":{"title":"Construction de la base de données En Marche (2016-2017)","description":"Comment le mouvement a constitué son capital informationnel","height":450},"config":{"palette":"energy","chartType":"bar"},"data":{"labels":["Grande Marche","Adhésions web","Événements","Réseaux sociaux","Enrichissement auto"],"datasets":[{"label":"Contacts collectés (milliers)","values":[100,150,80,120,50],"unit":"k"}]}} ```

```chart {"version":"1.0","type":"sankey","metadata":{"title":"Flux de collecte de données En Marche (2016-2017)","description":"Comment transformer des citoyens en données exploitables","height":500},"config":{"palette":"corporate"},"data":{"nodes":[{"id":"n1","name":"Grande Marche"},{"id":"n2","name":"Site web"},{"id":"n3","name":"Événements"},{"id":"n4","name":"Réseaux sociaux"},{"id":"n5","name":"NationBuilder"},{"id":"n6","name":"Profils enrichis"},{"id":"n7","name":"Scoring électeurs"},{"id":"n8","name":"Campagne ciblée"},{"id":"n9","name":"Victoire 2017"}],"links":[{"source":"n1","target":"n5","value":30},{"source":"n2","target":"n5","value":35},{"source":"n3","target":"n5","value":20},{"source":"n4","target":"n5","value":30},{"source":"n5","target":"n6","value":80},{"source":"n6","target":"n7","value":80},{"source":"n7","target":"n8","value":60},{"source":"n8","target":"n9","value":40}]}} ```

2.2 Facebook Ads et micro-ciblage

Entre 2016 et 2017, En Marche ! investit plusieurs millions d'euros en publicités Facebook et Instagram, volume supérieur à tous les autres candidats.

Contrairement à un spot TV vu par tous, Facebook permet des messages différents par segment. Jeunes urbains : innovation, tech, Europe. Personnes âgées : sécurité, retraites. Classes moyennes : pouvoir d'achat. Entrepreneurs : simplification administrative.

Chaque segment reçoit le message conçu pour le toucher, sans voir ce qui est dit aux autres. La différence avec Cambridge Analytica ? Tout est légal. Pendant que le scandale éclate (mars 2018), ces infrastructures sont utilisées en France de manière conforme.

```chart {"version":"1.0","type":"swot","metadata":{"title":"Analyse SWOT : Facebook Ads et micro-ciblage LREM","description":"Les forces et faiblesses de la stratégie numérique","height":500},"config":{"palette":"ocean"},"data":{"strengths":["Budget publicitaire supérieur à tous les concurrents","Maîtrise des outils de ciblage Facebook Ads","Base de données NationBuilder pour scorer les cibles","Équipe jeune et digitalement native","Absence d'appareil partisan traditionnel = liberté d'action"],"weaknesses":["Dépendance totale aux plateformes américaines","Risque de backlash si méthodes exposées publiquement","Manque de militants 'réels' sur le terrain","Image 'hors sol' et technocratique","Coût élevé = nécessité de financement important"],"opportunities":["Électorat fragmenté et volatile = ciblage efficace","Désaffection partis traditionnels = espace libre","Médias traditionnels fascinés par l'innovation","RGPD pas encore en vigueur (2016-2017)","Concurrents technologiquement en retard"],"threats":["Scandale Cambridge Analytica (mars 2018) révèle les méthodes","Réglementation RGPD (mai 2018) pourrait limiter pratiques futures","Concurrents qui adoptent les mêmes outils (Mélenchon 2022)","Fatigue de l'électorat face à la sur-sollicitation numérique","Perte de contrôle si plateformes changent algorithmes"]}} ```

2.3 Le scoring prédictif des électeurs

Avec NationBuilder et les données accumulées, l'équipe construit un modèle prédictif scorant chaque électeur selon :

• Probabilité de vote Macron (0-100%)
• Probabilité de voter (turnout score)
• Persuadabilité (acquis, perdu, indécis)
• Valeur militante (dons, événements, influence)

```mermaid graph TB A[Données Grande Marche] --> D[Modèle ML] B[Données Web/…