Un changement technologique est actuellement en cours et menace de redéfinir les secteurs du conseil et des études de marché. Au cœur de cette transformation se trouve l’émergence de « publics synthétiques » : des personnages numériques générés par l’IA, capables de simuler les pensées, les comportements et les processus décisionnels humains.
En cas de succès, cette technologie pourrait démanteler les modèles traditionnels utilisés par des géants de l’industrie comme McKinsey, Nielsen et Gartner, en remplaçant des mois de recherche centrée sur l’humain par des simulations numériques quasi instantanées.
Que sont les audiences synthétiques ?
À la base, la technologie d’audience synthétique utilise des modèles linguistiques étendus (LLM) pour « se mettre à la place » d’une personne. En fournissant à une IA des points de données spécifiques, tels que l’âge, le sexe, le lieu ou même une biographie détaillée, les chercheurs peuvent inciter le modèle à agir comme un personnage spécifique.
Au lieu de recruter, planifier et interroger de vrais humains, les entreprises peuvent « interroger » ces avatars numériques. Les implications pratiques sont stupéfiantes :
– Vitesse : Une recherche qui prenait auparavant quatre mois peut désormais être effectuée en deux minutes.
– Coût : Des projets coûtant des dizaines de milliers de dollars peuvent être exécutés pour quelques dollars seulement.
– Échelle : La capacité de tester simultanément des idées sur des milliers de personnes diverses.
Alors que des startups comme Electric Twin, Artificial Societies et Aaru mènent la charge, même des entreprises historiques bien établies comme Dentsu se lancent dans cet espace.
Le débat entre précision et vitesse
La principale tension dans ce nouveau domaine réside dans le compromis entre efficacité et vérité. Si les avantages en termes de rapidité et de coût sont incontestables, la question de « l’intelligence » demeure. Une simulation d’IA est-elle réellement plus intelligente qu’un répondant humain ?
Les recherches actuelles apportent une réponse nuancée :
– Précision contextuelle élevée : Une étude de Stanford réalisée en 2024 (Park et al.) a démontré que lorsque l’IA bénéficie d’un contexte riche et de biographies détaillées, elle peut reproduire les réponses humaines à une enquête avec une précision de 85 % à 90 %.
– Faible précision contextuelle : dans des scénarios plus simples, dans lesquels l’IA ne connaît que des données démographiques de base telles que l’âge et le quartier, la précision tombe à environ 72 %.
Même si une précision de 72 % peut sembler faible pour les décisions stratégiques à enjeux élevés, elle est nettement meilleure que les estimations aléatoires. Dans un paysage commercial où le comportement humain est notoirement difficile à prédire, un outil offrant un aperçu « meilleur que le hasard » des tendances de consommation à une échelle exponentielle constitue un atout puissant.
Obstacles à l’adoption : confidentialité et confiance des données
Malgré ce potentiel, une adoption généralisée se heurte à un obstacle de taille : le scepticisme des entreprises concernant la sécurité des données. De nombreuses entreprises du Fortune 500 hésitent à intégrer des outils synthétiques par crainte que leurs données propriétaires ne soient utilisées pour former des modèles d’IA publics.
Cependant, cette crainte néglige souvent la réalité actuelle de l’informatique d’entreprise. La plupart des grandes entreprises confient déjà leurs données sensibles à des fournisseurs de cloud comme Microsoft, Google et Amazon. Ces fournisseurs proposent des services d’IA de niveau entreprise avec des conditions générales strictes garantissant que les données des clients ne sont pas utilisées pour la formation de modèles. Le défi pour l’industrie de la recherche synthétique sera de dépasser ces préoccupations « émotionnelles » en matière de confidentialité et d’établir des protocoles standardisés et sécurisés.
Un avenir symbiotique ou une prise de contrôle totale ?
La relation entre les cabinets de conseil traditionnels et les startups d’IA n’est pas nécessairement une « guerre », mais peut-être une intégration complexe.
– Les entreprises historiques (comme WPP) possèdent des réseaux de distribution massifs et une portée mondiale qui manquent aux startups.
– Les startups possèdent l’agilité, des marges élevées et des cycles d’innovation rapides que les grandes entreprises ont du mal à maintenir.
Le résultat le plus probable est un modèle hybride dans lequel l’IA gère le gros du travail de simulation des données et d’itérations rapides, tandis que les stratèges humains fournissent l’interprétation nuancée et l’orientation de haut niveau que l’IA ne peut pas encore reproduire.
Le véritable impact de cette technologie ne réside pas dans des améliorations marginales, mais dans son caractère exponentiel. Lorsqu’un processus devient 100 000 fois plus rapide, il n’améliore pas seulement une industrie : il en crée une entièrement nouvelle.
Conclusion
Les audiences synthétiques représentent un changement fondamental des sondages humains traditionnels vers la simulation numérique rapide. Même si des questions d’exactitude et de confidentialité des données demeurent, l’ampleur et la rapidité de cette technologie suggèrent que le paysage du conseil est sur le point de subir une transformation structurelle permanente.
