Quantifier le comportement électoral à l'aide d'économétrie appliquée et de big data

Cette thèse étudie le comportement électoral en combinant de façon créative des big data, des modèles économétriques appliqués, ainsi que différents langages de programmation statistique. Le premier chapitre analyse l’effet d’événements exogènes sur la perception de représentants politiques. Il utilise des données de la British Election Study (BES), de la variation exogène de résultats de football, des cotes de paris sportifs pour ajuster les attentes, des données géospatiales du réseau social Twitter pour apparier les répondants et les scores, ainsi que des régressions de panel OLS. Le deuxième chapitre analyse l'impact de débats télévisés présidentiels aux États-Unis sur la polarisation des électeurs. Il utilise des big data du réseau social Reddit, des algorithmes de machine learning via Google BERT pour extraire les opinions politiques des utilisateurs, ainsi que des régressions de panel OLS. Le troisième chapitre analyse l'effet d´opérations militaires américaines et de crimes de guerre en France pendant la deuxième guerre mondiale sur le vote local en faveur des partis d'extrême droite. Il utilise un data set géocodé inédit, reconstitué à partir de documents d'archives, des résultats d´élections présidentielles et législatives, ainsi que des modèles OLS et 2SLS.