Analyse du Biais Démographique du Collège Électoral US
Conception et développement d'un tableau de bord analytique interactif quantifiant les distorsions de représentation démographique (origines ethniques, genres, tranches de revenus) engendrées par la règle du Winner-Take-All et la répartition des 538 grands électeurs.
"Langage & Logiciel":
Python 3.10+
"Interface utilisateur":
Streamlit
"Traitement Data":
Pandas & NumPy
"Dataviz & Cartes":
Plotly Express
538
Grands Électeurs au total
3
Sièges minimum garantis par État
3,6×
Poids du vote Wyoming vs Californie/Texas
2000 / 2016
Scrutins où le résultat s'est inversé
In [1]: tableaux_de_bord.render()
Tableaux de Bord & Captures Interactives
Le projet s'appuie sur les microdonnées officielles du U.S. Census Bureau (CVAP) et des National Archives afin d'isoler la population américaine en âge de voter et de mesurer son véritable poids politique selon son lieu de résidence.
Vue d'ensemble du tableau de bord Streamlit et analyse multi-variables
Analyse Multi-Variables
Découpage et croisement des données du Census selon l'ethnie, le genre et la tranche de revenus pour identifier les populations sous-représentées.
Simulateur de Scénarios
Moteur de calcul comparant le système Statu Quo actuel (plancher de 2 sièges sénatoriaux) au modèle Proportionnel Strict (prorata CVAP).
Cache Local 100% Offline
Architecture optimisée avec mise en cache locale des jeux de données volumineux pour une exécution ultra-rapide sans dépendance API au runtime.
Indicateurs Statistiques de Calcul
Écart direct entre le nombre de Grands Électeurs réels captés (Actual) et le quota théoriquement neutre (Expected).
Mesure mathématique globale de la disproportionnalité électorale pour évaluer le décalage entre voix et pouvoir décisionnel.
Conversion des distorsions de sièges en volumes réels de citoyens américains sous-représentés à l'échelle fédérale.
Out[1]: - pseudo-code illustratif du calcul du Delta EV
quota_national = total_grands_electeurs / population_totale
for etat in etats:
ev_attendus = etat.population * quota_national
delta_ev = etat.ev_reels - ev_attendus
# delta_ev > 0 → État sur-représenté (ex: Wyoming)
# delta_ev < 0 → État sous-représenté (ex: Californie)In [2]: analyse.conclusions()
Analyse, Résultats & Conclusions de l'Étude
Ce que la modélisation des données électorales et démographiques a permis de mettre en évidence.
Sur-représentation des États peu peuplés
Le Wyoming n'est pas mieux représenté par hasard : c'est une conséquence arithmétique directe du plancher de 3 Grands Électeurs garanti à chaque État. Diviser 3 sièges par ses 580 000 habitants donne un poids par tête que la Californie, avec ses 39 millions d'habitants, ne pourra jamais atteindre - quel que soit le résultat de l'élection. Résultat mesuré : 3,6 fois plus de poids par électeur.
Impact de la règle "Winner-Take-All"
L'analyse démontre que l'essentiel du biais ne vient pas seulement de la taille des États, mais de la règle du Winner-Take-All. Ce mécanisme "efface" des millions de voix minoritaires au sein de chaque État (ex: Démocrates au Texas, Républicains en Californie), créant de grands volumes d'électeurs invisibilisés.
Inégalités Démographiques Mesurées
En croisant la base CVAP avec la répartition des sièges, l'étude révèle que certaines minorités urbaines fortement concentrées dans des États très peuplés (comme la Californie ou New York) subissent un sous-poids structurel récurrent par rapport aux populations rurales plus dispersées.
Inversions Électorales Historiques
La modélisation rétrospective confirme que le calcul de l'Indice de Gallagher explose lors des scrutins inversés (notamment en 2000 et 2016), prouvant mathématiquement que la divergence entre le vote populaire national et le résultat électoral n'est pas une anomalie ponctuelle, mais une propriété inhérente au système.
In [3]: methodologie.formules()
Méthodologie & Formules Mathématiques
Le modèle compare scientifiquement la représentation effective d'un groupe démographique à sa valeur théorique équitable.
Ce que j'ai appris
Traitement de Données Massives (Pandas)
Agrégation et normalisation de données démographiques volumineuses (Census CVAP), gestion des valeurs manquantes et requêtage statistique performant sous Pandas & NumPy.
Dataviz Interactive (Plotly & Mapbox)
Création d'interfaces cartographiques complexes (cartes choroplèthes), personnalisation avancée des infobulles et synchronisation des palettes de couleurs selon le contexte.
Modélisation & Simulation Statistique
Conception d'algorithmes de simulation électorale, mise en place d'indicateurs de disproportionnalité (Gallagher Index) et formalisation de métriques d'équité.
Développement Web Rapid Application (Streamlit)
Conception de tableaux de bord interactifs complets, gestion des états de sessions (session_state) et optimisation des temps de chargement via le caching d'applications.