L'IA dans l'innovation de produits : dans quelle mesure un groupe cible artificiel simule-t-il bien de vrais clients ?

• La scientifique Monika Imschloß sur la simulation du comportement d'achat
• Le développeur Paulo Salem parle de l'interaction dans les groupes de personas d'IA
• L'innovateur Julian Mangold parle de l'utilisation de l'IA générative pour le prototyper
• Cinq aspects à emporter

Crée le jumeau numérique de ton groupe cible grâce à l'IA, afin de comprendre plus rapidement les besoins, de tester plus tôt les idées ou de tester les prototypes de manière plus réaliste. C'est ce que recommande un expert, Joe Pulizzi, dans l'épisode "Unconventional Content Marketing Strategies" du podcast "This Old Marketing" fin 2024. Pulizzi est une sommité du milieu, plus de 250.000 personnes le suivent sur LinkedIn.

Pulizzi est soutenu par environ 3.000 chercheurs en marketing de 14 pays. Selon eux, ce ne seront bientôt plus les hommes qui testeront vos produits - mais leurs copies par IA. D'ici 2027, "plus de la moitié des études de marché classiques pourraient être réalisées à l'aide de personas synthétiques créés par IA", écrivent les auteurs du rapport Market Research Trend 2025.

Mais dans quelle mesure ce soi-disant Silicon Sampling fonctionne-t-il ? Et à quel point les prévisions sont-elles réalistes ? ISPO a recherché pour toi ce qui se cache derrière cette tendance, comment tu peux en profiter dès aujourd'hui - et pourquoi l'utilisation de groupes cibles synthétiques peut te donner une nette avance sur le marché.

Monika Imschloß est professeur de marketing à l'université Leuphana de Lüneburg. Elle mène depuis des années des recherches sur le marketing multisensoriel et étudie désormais ce domaine à l'aide de l'intelligence artificielle.

ispo.com : Que sait la science des personas synthétiques ?

Monika Imschloss : Nous étudions si les Large Language Models (LLMs) peuvent reproduire des effets connus dans la recherche marketing. Par exemple, nous avons testé avec ChatGPT 4.0 si le comportement de réponse humain est reproduit dans des enquêtes synthétiques. Un exemple est l'effet "Exciting Red and Competent Blue", dans lequel les marques avec des logos rouges semblent plus excitantes et les marques avec des logos bleus plus compétentes. Si l'on invite les logos séparément dans ChatGPT, les résultats sont moins clairs. En revanche, si l'on montre les deux logos en même temps à ChatGPT, l'effet, que nous connaissons également chez les sujets humains issus d'études marketing antérieures, devient plus visible.

Quelle est la conclusion de cette expérience avec les deux logos ?

Une question clé est la suivante : comment prompter correctement ? Dans le marketing sensoriel, il s'avère que l'IA peut reconnaître des modèles cohérents, mais que la bonne stratégie d'invite est décisive. Des invites comparatives telles que "Voici deux logos, lequel semble le plus compétent ?", fonctionnent mieux que des évaluations individuelles, du moins à l'heure actuelle.

Dans quelle mesure l'IA peut-elle donc simuler des groupes cibles ?

Cela dépend de la question posée. Nous avons par exemple examiné si les effets des réductions de prix, que nous connaissons grâce à des études avec des participants humains, se reflètent également dans des échantillons synthétiques. Une méthode consiste à créer un persona synthétique à l'aide de données d'un échantillon humain telles que l'âge, le revenu ou les préférences en matière de produits - et à comparer le comportement de réponse de cet échantillon jumeau artificiel avec celui de l'échantillon réel. Les effets principaux ont généralement été conservés, mais certaines variables, comme l'historique des achats, ont davantage influencé le comportement humain que celui des simulations d'IA.

Existe-t-il des cas où l'IA parvient à reproduire un groupe cible de manière trompeuse ?

Cela fonctionne bien pour l'apprentissage associatif - par exemple les associations de couleurs. Il existe également des approches prometteuses dans les enquêtes qualitatives, où l'IA incarne des personas avec des caractéristiques prédéfinies.

Et quelles sont les limites de la simulation de l'IA ?

Il y a des effets psychologiques qui sont difficiles à reproduire dans une IA - par exemple, lorsque de nombreux facteurs inobservables qui contrôlent le comportement d'achat humain n'apparaissent pas dans les corpus de textes de l'IA. C'est un champ de recherche encore ouvert.

En demandant à l'IA d'être précise, il est donc possible dans certains cas de simuler de bons représentants IA de son groupe cible. Mais que se passe-t-il si quelqu'un veut interroger plus d'une personne ? Paulo Salem, docteur en informatique, travaille comme Senior Data & Applied Scientist. En 2024, il a l'idée d'un système multi-agents basé sur les personnes - qu'il présente d'abord à ses collègues de Microsoft et qu'il met ensuite en ligne en version open source.

ispo.com : TinyTroupe simule des personas contrôlés par l'IA avec leurs propres personnalités, intérêts et objectifs - afin de reproduire le comportement humain pour des scénarios commerciaux.

Paulo Salem : Oui. Nous voulons tester : les personas simulés peuvent-ils être utiles dans les brainstormings ? Est-ce qu'ils reflètent les opinions réelles des clients ? Fournissent-ils des informations précieuses aux développeurs de produits ?

Ton outil adopte une approche ludique et simulatrice. Quel est le point fort de cette méthode ?

Les simulations permettent une expérimentation rapide. Les entreprises peuvent jouer différents scénarios, tester des hypothèses et itérer des idées - sans avoir recours à de véritables groupes de discussion. De plus, les erreurs sont autorisées dans les simulations. Elles permettent d'améliorer les produits et les stratégies à un stade précoce, avant qu'ils n'arrivent dans le monde réel.

Dans TinyTroupe, les TinyPersons interagissent dans un TinyWorld. Comment fonctionne ce système ?

Il repose sur de puissants modèles linguistiques. Notre framework ajoute à ces modèles une infrastructure qui permet de travailler plus facilement avec eux. Au lieu d'écrire du code détaillé ou des invites, un utilisateur peut définir : "J'ai besoin d'une responsable marketing de 35 ans, originaire de Munich, qui fait des achats en tenant compte du prix". TinyTroupe génère alors un persona approprié et le fait agir dans une simulation. Les personas se souviennent en outre des interactions passées, ce qui constitue une forme de mémoire.

Un cas d'utilisation est le test de prototypes. Y a-t-il des entreprises qui l'utilisent déjà ?

Oui, une entreprise du secteur de l'éducation teste actuellement TinyTroupe pour des brainstormings sur de nouvelles fonctionnalités logicielles. L'IA simule des discussions avec les clients afin de déterminer quelles idées seront retenues. Les premiers résultats montrent que ces discussions simulées sont souvent proches des réunions réelles. Mais il s'agit encore d'une phase expérimentale - il n'y a pas encore de validation scientifique.

Un autre cas d'utilisation est l'analyse publicitaire ?

Nous avons pris de vraies publicités Bing et les avons présentées à des personas TinyTroupe, qui ont ensuite donné leur avis. Le principe : les annonceurs testent les publicités dans la simulation avant de dépenser de l'argent réel pour des tests A/B. Outre le marketing et le développement de produits, nous voyons un potentiel dans les études de marché, la conception de services, les processus d'innovation ou l'analyse de la manière dont les clients utilisent les produits numériques.

Un défi de taille : de nombreux facteurs inconscients du comportement humain sont difficiles à modéliser.

C'est un problème central. Les LLM sont optimisés pour être polis, justes et serviables - ce qui entraîne des distorsions. Un persona IA aura tendance à être gentil, même si un vrai client était agacé. Nous travaillons à rendre le comportement plus réaliste en développant les règles d'interaction des personas.

Les prochaines étapes du développement de TinyTroupe ?

Premièrement : nous travaillons sur des modèles de comportement encore plus réalistes. Deuxièmement, nous voulons faciliter la simulation de groupes cibles plus importants en évitant de devoir définir chaque persona séparément. Troisièmement : TinyTroupe doit devenir plus flexible - avec ses propres outils simulés pour les personas IA. Les IA-personnes disposeront alors par exemple de leurs propres clients de messagerie, d'un calendrier ou d'une liste de choses à faire.

Quelle est ta vision ?

Les gens n'agissent pas toujours de manière rationnelle. Ils changent d'avis spontanément, agissent sous le coup de l'émotion ou sont influencés par des expériences personnelles. Nous n'en sommes qu'au début de la reproduction de ces nuances dans des personas d'IA. Mais dans quelques années, ces simulations pourraient se rapprocher considérablement - et peut-être même fournir des informations surprenantes sur le comportement humain.

Conclusion intermédiaire : nous assistons au début d'une évolution. Quelles sont les expériences des premiers utilisateurs dans l'économie ? Julian Mangold peut répondre. Il travaille chez ZEISS Digital Business Innovation, qui développe de nouveaux produits en collaboration avec des unités commerciales internes - de la technique médicale à la fabrication de semi-conducteurs. Pour ce faire, l'équipe mise entre autres sur l'IA générative et les personas synthétiques.

ispo.com : À quoi ressemble votre processus d'innovation assisté par l'IA ?

Julian Mangold : Nous combinons les connaissances réelles des clients issues d'entretiens qualitatifs avec des simulations basées sur l'IA. Notre équipe de recherche interroge régulièrement des clients et des utilisateurs, par exemple des médecins. Nous utilisons ces données pour créer des personas synthétiques proches de la réalité. L'IA se charge ensuite d'une sorte de jeu de rôle : elle réagit aux idées de produits comme si elle était un client réel.

Peux-tu me donner un exemple ?

Prenons un nouveau produit médical, par exemple un écran holographique pour la salle d'opération. Sans l'IA, nous demanderions directement aux chirurgiens ce qu'ils en pensent. Aujourd'hui, nous avons créé un panel complémentaire de dix médecins virtuels. Ceux-ci simulent différents niveaux d'expérience - de jeune à expérimenté. Nous présentons ensuite l'idée et recevons immédiatement un feed-back : quelles sont les caractéristiques pertinentes ? Où y a-t-il des réserves et où devrions-nous nous renseigner à nouveau auprès des utilisateurs réels ?

Quels sont les insights de groupes cibles que vous obtenez avec l'IA ?

L'exemple ci-dessus est passionnant : Nous voyons des différences entre les groupes d'utilisateurs. Les jeunes souhaitent davantage de soutien visuel, les médecins expérimentés veulent davantage de contrôle. D'autres accordent de l'importance à l'interaction avec le patient ou à l'efficacité. L'IA nous aide à reconnaître ces segments et à les aborder de manière ciblée.

La science rapporte : L'IA ne peut pas reproduire les facteurs inconscients du comportement humain.

L'IA ne remplace pas les véritables entretiens avec les clients. Nous faisons toujours des recherches classiques sur les utilisateurs, car les gens ont souvent des besoins qu'ils n'expriment pas activement. Dans l'interaction humaine, nous voyons des comportements qui n'auraient jamais fait l'objet d'un entretien. Un exemple : une infirmière a documenté trois fois la même procédure à la main, à trois endroits différents. C'est sa routine. Mais elle n'aurait jamais mentionné cela comme un problème, nous ne l'aurions pas découvert grâce à l'IA. Notre solution est un mélange : des entretiens humains pour une vision plus approfondie, l'IA pour des tests d'hypothèses plus rapides.

L'un des problèmes de l'IA est qu'elle est trop polie pour donner un véritable avis aux clients. Comment gérez-vous cela ?

Mon collègue et développeur Devran "Cosmo" Ünal l'a testé - à l'aide de sa propre copie de l'IA. Il a pu lui apprendre à être critique et à adopter sa propre perspective. Nous en avons tiré des enseignements. Car les clients ne doivent pas s'adapter à notre produit. C'est l'inverse.

Et à l'avenir ?

Nous rendons l'IA encore plus critique et plus diversifiée. Actuellement, elle pense encore de manière très germano-européenne. Enfin, nous travaillons sur une plateforme évolutive pour que d'autres équipes puissent l'utiliser - pas seulement les départements d'innovation, mais aussi le marketing ou la communication interne.