POLITUBE
Vidéo politique analysée

Il faut réduire drastiquement les dépenses publiques !

Éric Zemmour · publiée le 1 juillet 2026

179 948 vues5 774 mentions J’aime226 commentaires

Résumé et contexte

Depuis la fin du «quoi qu’il en coûte», les dépenses publiques annuelles ont augmenté de 300 milliards d'euros. Il est temps de tailler dans toutes les dépenses de l’État. La France ne retrouvera des marges de manœuvre qu’en réduisant drastiquement sa dépense publique.

Personnes mentionnées ou détectées

Éric Zemmour

Noms détectés automatiquement dans la transcription ; une mention ne signifie ni soutien ni opposition.

Repères dans la transcription

0:00Je vais vous donner trois chiffres qui m'ont frappé quand je les ai découverts parce que je n'y croyais pas. Avant le Covid, en 2019, les dépenses publiques étaient un montant de 1350 milliards d'euros. On est en 2019. Arrive le Covid, le quoi qu'il en coûte, et on monte à 1480 milliards d'euros. On croit ensuite qu'il n
0:30d'euros. Donc ça veut dire que dans les dépenses publiques, on dépense plus que pendant le Covid et le temps du quoi qu'il en coûte. Donc vous voyez bien qu'il y a un problème énorme de dépenses publiques générales. Je pourrais vous donner l'exemple des collectivités locales qui en 20 ans ont doublé. Je crois que c'est 180 milliards à 330 milliards. Je
1:00Vous avez raison, mais c'est là que je me distingue de vous, je pense. C'est que je pense que là, il faut tailler dans toutes les dépenses publiques. Globalement, il y a beaucoup de domaines où il faut trancher.

Éléments repérés par ASTER

Ces extraits ont passé la validation technique ASTER. Ils documentent le contenu, mais ne constituent pas à eux seuls un positionnement politique publié.

« il faut tailler dans toutes les dépenses publiques »

Le locuteur affirme explicitement sa volonté de réduire les dépenses publiques en utilisant l'expression 'il faut tailler dans toutes les dépenses publiques'.

Confiance technique : 100 % · 1:00

Traçabilité de l’analyse

Transcription : nvidia-riva · nvidia-openai-whisper-large-v3. ASTER : ollama-local · modèle gemma4:26b-a4b-it-qat · prompt aster-evidence-fr-1.2.0 · 1 candidats conservés, 0 rejetés.

Consulter la méthode, les limites et le processus de correction.

Autres analyses liées