
Il y a quelques jours, je suis tombée sur une étude du Pew Research Center consacrée aux personnes synthétiques dans la recherche. Ma première réaction a été assez simple : « Si ce ne sont pas de vraies personnes, pourquoi leur poser des questions ? » Alors j’ai continué à lire.[1]
En simplifiant, une personne synthétique est un profil qu’une IA tente de représenter. Dans l’expérience de Pew, un modèle a pris le rôle de membres réels de son panel. Il a reçu des informations démographiques et des réponses précédentes de chaque personne, puis a répondu aux mêmes questions que celles de trois enquêtes. Pew a ensuite comparé les résultats humains et synthétiques.[2]
L’idée m’a paru étrange et fascinante à la fois.
Imaginons un couple de 35 ans, avec un jeune enfant, certains revenus et un appartement de deux pièces. Donnons ce profil à une IA et demandons-lui ce qu’il rechercherait en déménageant. La réponse serait sans doute raisonnable : plus d’espace, des écoles à proximité, du calme, peut-être une terrasse.
Mais ce couple n’a visité aucun appartement. Il n’est pas entré dans un logement qui semblait parfait avant de changer d’avis à cause de la lumière. Il n’a pas discuté de l’intérêt de s’éloigner de dix kilomètres. Il n’a pas découvert que ce qu’il jugeait indispensable ne l’était peut-être pas tant que ça.
L’IA peut construire une réponse plausible. Mais personne ne l’a vécue.
Et c’est là que ma curiosité s’éveille.
Sur les trois enquêtes étudiées, l’erreur absolue moyenne entre les résultats synthétiques et les réponses humaines était de 12,4 points de pourcentage. Elle était plus élevée dans certains groupes. Pew a également observé une moindre diversité dans les opinions générées.[3][4]
Un autre détail m’a fait réfléchir : changer de modèle pouvait changer le tableau obtenu. GPT-5.1 et Claude Opus 4.6 ne représentaient pas toujours l’opinion publique de la même façon.[5]
Alors, qui sommes-nous en train d’écouter ? Un consommateur possible ? Les schémas que le modèle a appris sur des personnes qui lui ressemblent ? Ou aussi la personnalité statistique de l’IA elle-même ?
Je découvre encore la recherche avec l’IA et je n’ai pas de réponse définitive. Je ne pense pas non plus qu’il faille écarter ces outils. Ils peuvent aider à explorer des scénarios, à tester des questions ou à formuler des hypothèses avant de se confronter au réel.
Mais j’ai du mal à les voir comme un aboutissement.
Une personne synthétique peut peut-être nous aider à imaginer ce qui est probable. Et c’est justement pour cela qu’il faudra veiller à ne pas le confondre avec ce que quelqu’un vit réellement.
Eugénie Morant Vermeersch
Sources
Rapport rédigé par Athena Chapekis, Arnold Lau, Samuel Bestvater, Sono Shah, Andrew Mercer et Aaron Smith.
- Pew Research Center (30/09/2026) · Can AI Stand In for Human Survey-Takers? Not Really ↗
- Pew Research Center (30/09/2026) · Méthodologie de Silicon Samples and Synthetic Surveys ↗
- Pew Research Center (30/09/2026) · Comparaison entre échantillons synthétiques et opinion publique ↗
- Pew Research Center (30/09/2026) · Diversité des opinions dans les enquêtes synthétiques ↗
- Pew Research Center (30/09/2026) · Différences selon le modèle d’IA ↗
