Comment on calcule
qui va gagner

On collecte tous les sondages

Chaque sondage publié par les grandes firmes (Léger, Abacus, Nanos, Mainstreet, EKOS, Angus Reid…) est intégré avec sa date, sa taille d'échantillon et la firme qui l'a produit. Les sondages récents comptent plus — le modèle applique une décroissance temporelle.

Pour le fédéral canadien : plus de 190 sondages agrégés. Pour le Québec : 55+ sondages provinciaux.

On corrige les biais des firmes

Certaines firmes surestiment systématiquement un parti, d'autres le sous-estiment. On calcule ces biais (house effects) à partir des résultats électoraux passés et on les corrige automatiquement. Le résultat : une estimation du vrai appui électoral, pas du biais d'une firme particulière.

On estime les intentions de vote

Le cœur du modèle est un BSTS bayésien (Bayesian Structural Time Series) — un modèle statistique qui suit l'évolution des intentions de vote dans le temps en tenant compte de l'incertitude. Il génère une distribution de probabilités pour chaque parti, pas juste un chiffre unique.

En clair : le modèle dit « les libéraux ont probablement entre 44 % et 50 % des voix » — pas seulement « 47 % ».

On simule 10 000 scénarios de sièges

Pour chaque simulation, on tire aléatoirement un résultat national plausible et on l'applique à chacune des 343 circonscriptions fédérales (ou 125 comtés québécois, 124 circonscriptions ontariennes…). On tient compte du vote de 2025 dans chaque circonscription, de la dynamique régionale et d'un facteur d'aléa local.

Résultat : une distribution réaliste de sièges — pas un chiffre magique, mais une fourchette avec une probabilité associée pour chaque scénario.

On publie et on recommence demain

Les résultats sont exportés en JSON statique et mis à jour à chaque nouveau run. La page affiche la date du dernier run. Plus on approche du jour de l'élection, plus les sondages récents pèsent lourd — et plus la fourchette se resserre.