EY et Aaru sont désormais partenaires officiels. Le 30 septembre 2026, EY a annoncé une alliance entre Aaru, une entreprise de simulation comportementale par IA, et Ernst & Young LLP (EY US) afin d'aider leurs clients à tester des décisions sur des populations simulées avant d'agir (EY newsroom). Cette alliance fait suite à un test à l'aveugle au cours duquel Aaru a reconstitué le rapport 2025 EY Global Wealth Research - une enquête de six mois menée auprès de 3,600 investisseurs aisés sur plus de 30 marchés - en une seule journée, atteignant une corrélation de Spearman médiane de 0.90 sur 53 questions à choix unique (EY insight). Les faits ci-dessous ont été vérifiés sur les sites d'EY et d'Aaru en octobre 2026.
Pour les acheteurs d'études, les questions pertinentes portent sur ce qui a réellement été mesuré, sur ce que cette alliance change et sur la façon d'évaluer un prestataire de simulation managée par rapport à des outils en libre-service. Cette page distingue les faits publiés du discours marketing. Minds est une plateforme de recherche synthétique et une alternative à Aaru ; nous précisons dans quels cas le modèle d'Aaru est le plus adapté.
En août 2025, l'équipe Wealth & Asset Management d'EY a mis Aaru au défi de reproduire le rapport 2025 EY Global Wealth Research sans avoir accès à ses résultats. L'étude initiale interrogeait 3,600 investisseurs aisés sur plus de 30 marchés et avait nécessité six mois de travail de terrain ; l'étude de cas d'Aaru évalue le coût de ce terrain à un montant à sept chiffres (Aaru case study).
Aaru a conçu des investisseurs simulés à partir de données démographiques, comportementales et de sentiment extraites de recensements nationaux, d'institutions financières et de réseaux sociaux, et la simulation a duré un jour. EY a ensuite comparé les deux jeux de données sur 53 questions à choix unique correspondantes selon trois métriques :
| Métrique | Résultat publié | Ce que cela indique |
|---|
| Corrélation de Spearman médiane | 0.90 | Les options de réponse ont été classées dans un ordre très similaire |
| Écart moyen par question (RMSE) | 7.1 points de pourcentage | Écart type entre les pourcentages de réponse simulés et réels |
| Distance euclidienne moyenne | 12.9 | Distance globale sur les profils de réponses à options multiples |
| Plus forte concordance | Confiance, perception de la valeur, personnalisation | Thématiques où la simulation s'est alignée sur l'enquête |
| Plus forte divergence | Planification successorale (corrélation de −37.82%), propension à recommander, fréquence de révision du portefeuille | Thématiques où la simulation et l'enquête ont divergé |
Source : EY insight, octobre 2025.
EY et Aaru soutiennent que ces divergences reflètent l'écart entre ce que les individus déclarent et ce qu'ils font réellement. Lorsqu'on leur a demandé s'ils conserveraient le conseiller de leurs parents, 82% des héritiers interrogés dans l'enquête ont répondu par l'affirmative ; la simulation prédisait 43%, et les études sectorielles citées par EY établissent la rétention réelle entre 20% et 30%. De même, 69% des investisseurs sondés affirmaient préférer un prestataire financier unique, tandis que la simulation prédisait 37%, EY mentionnant que 33% des personnes à patrimoine élevé recourent effectivement à un seul conseiller.
- Le test a été conçu et publié par les deux entreprises concernées, sans évaluation par des pairs ni réplication indépendante.
- Il ne portait que sur des questions à choix unique ; les justifications ouvertes, les arbitrages de prix et les nouveaux concepts de produits ne faisaient pas partie de la comparaison.
- Une corrélation de rang médiane de 0.90 signifie que l'ordre des réponses correspondait généralement ; l'écart moyen de 7.1 points constitue un meilleur indicateur de la marge d'erreur potentielle sur des pourcentages précis.
- L'argument selon lequel la simulation était plus proche du comportement réel repose sur une poignée de questions et sur des chiffres sectoriels tiers : il convient donc de le considérer comme un signal encourageant plutôt que comme une certitude établie.
L'alliance annoncée le 30 septembre 2026 associe le moteur de simulation d'Aaru aux équipes sectorielles et fonctionnelles d'EY US. Selon EY, Aaru génère des populations d'agents IA représentatives d'une audience cible, et EY US aide les clients à traduire ces résultats en leviers stratégiques. Le premier champ d'application désigné concerne les services financiers, où les deux entités testent des messages marketing, des offres de produits et de tarification, des stratégies de vente et de service, ainsi que l'impact d'opérations de fusion-acquisition (EY newsroom).
Pour les acheteurs, le changement concret réside dans le mode d'accès : les entreprises peuvent désormais solliciter Aaru dans le cadre d'une mission de conseil avec EY US, en bénéficiant des données sectorielles et des équipes d'accompagnement d'EY autour de la simulation, en plus d'une collaboration directe avec Aaru.
Aaru se présente comme une plateforme de simulation comportementale entraînée sur des résultats comportementaux réels. Dans le cadre de l'étude EY, la solution a généré des agents dotés d'architectures comportementales modélisant les traits décisionnels, les a intégrés dans des environnements simulés et leur a soumis les questions de l'enquête. Aaru affirme que la même population simulée peut être réinterrogée après un événement tel qu'une modification des taux d'intérêt ou une initiative concurrente, anticipant les évolutions de sentiment en 24 heures (Aaru case study).
Aaru ne publie pas de tarifs en libre-service ; l'accès s'effectue par des ventes directes aux entreprises ou, désormais, par l'intermédiaire de l'alliance avec EY US. Pour une comparaison détaillée entre Aaru et les solutions en libre-service, consultez Minds vs Aaru ainsi que le panorama des alternatives à Aaru.
Pour évaluer objectivement toute plateforme de recherche synthétique, les équipes doivent appréhender les limites statistiques et méthodologiques des populations synthétiques. Les résultats synthétiques sont directionnels. Ils n'établissent pas de représentativité statistique, ne constituent pas une preuve causale, ne prévoient pas la demande ni le consentement exact à payer, et ne se substituent pas aux participants recrutés pour les validations finales à fort enjeu.
Les agents simulés génèrent des réponses à partir de schémas issus de leurs données d'entraînement, de variables démographiques a priori et du contexte fourni. Testés sur plusieurs options de scénarios, ils mettent en lumière les arbitrages relatifs, les points de friction potentiels dans les messages et les logiques qualitatives sous-jacentes. Ces indications directionnelles aident à filtrer un large éventail d'idées avant d'engager des budgets de recherche primaire.
Toutefois, les simulations synthétiques ne peuvent pas remplacer la réalité empirique sur les aspects suivants :
- Représentativité : les personas basés sur des modèles de langage ne reproduisent pas la distribution démographique et psychographique exacte d'une population cible de façon statistiquement représentative.
- Preuve causale : simuler une réponse à un stimulus isolé n'isole pas les mécanismes de causalité et ne prend pas en compte les variables confondantes du monde réel.
- Prévision de la demande : les préférences déclarées par des agents simulés ne permettent pas de prédire avec exactitude les taux d'adoption réels, la pénétration de marché ou les volumes d'achat.
- Consentement à payer : les agents synthétiques n'étant soumis à aucune contrainte financière réelle, les simulations tarifaires ne peuvent déterminer l'élasticité-prix absolue.
- Validation finale à fort enjeu : les arbitrages stratégiques majeurs, les réallocations importantes de capital et les communications publiques requièrent toujours une vérification auprès de participants humains recrutés.
Considérer les résultats synthétiques comme des éléments exploratoires et itératifs plutôt que comme des prévisions absolues évite aux équipes de fonder excessivement leurs décisions de direction sur des données simulées.
Lorsqu'ils intègrent la recherche synthétique, les acheteurs d'entreprise choisissent généralement entre deux modèles opérationnels : les missions de conseil managées et les plateformes de simulation en libre-service.
Les missions de conseil managées, à l'image de l'alliance entre EY US et Aaru, mobilisent des équipes externes dédiées qui paramètrent des populations d'agents sur mesure, intègrent des données propriétaires d'entreprise, calibrent la simulation et remettent des rapports stratégiques approfondis. Cette formule convient aux transformations d'entreprise d'envergure, à la planification de scénarios et aux initiatives stratégiques complexes pour lesquelles une organisation souhaite confier la modélisation à un cabinet de conseil.
Les plateformes logicielles en libre-service placent la simulation directement entre les mains des chefs de produit, des chercheurs UX et des responsables de marque en interne. Les équipes internes configurent leurs propres Audiences, testent des concepts à la demande et mènent des recherches structurées sans dépendre des cycles de conseil. Ce modèle met l'accent sur la rapidité, l'autonomie et les tests continus tout au long du cycle de vie des produits.
Le choix pertinent dépend de l'organisation des équipes. Les structures disposant de chercheurs en interne qui itèrent quotidiennement sur des messages ou des fonctionnalités tirent profit d'un accès en libre-service. Celles qui recherchent un accompagnement stratégique externalisé privilégient souvent les prestations de conseil managées.
| Dimension | Conseil managé | Plateforme en libre-service |
|---|
| Utilisateur principal | Sponsors de direction générale, consultants en stratégie externes | Chercheurs d'études de marché intégrés, chefs de produit |
| Cadence d'exécution | Par projet, cycles stratégiques de plusieurs semaines | Itérations de recherche continues, à la demande |
| Contrôle du workflow | Configuration et analyses externalisées | Contrôle direct du chercheur sur les Audiences et les Études |
| Cas d'usage idéal | Analyse de scénarios, transformation d'entreprise | Présélection de concepts, tests de messages, hiérarchisation des priorités |
Minds est la plateforme de bout en bout pour la recherche synthétique commerciale. Elle offre aux équipes internes de produit, d'UX, de design de services, d'études de marché, de Voix du Client, de marketing, d'innovation ainsi qu'aux agences un contrôle direct, de la création d'audience et la planification d'études jusqu'au test de stimuli, aux méthodes qualitatives et quantitatives prises en charge, à la comparaison, à l'analyse et à l'export. Les stimuli peuvent inclure des éléments Figma lorsqu'ils sont activés, des sites web et parcours applicatifs, des images, des vidéos, des textes publicitaires, des présentations, des questionnaires et des concepts.
Dans Minds, les équipes créent des Audiences réutilisables de personas IA, appelés Minds, et mènent des Études avec des questions ouvertes, à choix unique, à choix multiples et sur échelle. Les chercheurs peuvent interviewer un Mind individuel ou recueillir les retours d'une Audience entière d'un seul coup, tout en conservant le contexte au fil des sessions.
Pour les tests quantitatifs structurés, les Études intègrent MaxDiff pour la priorité relative, l'analyse conjointe pour les arbitrages d'attributs, Kano pour la catégorisation des fonctionnalités, ainsi que Van Westendorp et Gabor-Granger pour la tarification. À l'instar du test réalisé par EY, Minds compare les réponses simulées à des résultats d'enquêtes réelles : Audience Validation évalue chaque Audience par rapport à des enquêtes publiées ou à vos propres fichiers d'enquête, avec un score sur 100, un intervalle de confiance à 95% et la liste des questions écartées.
Minds ne revendique pas de résultats représentatifs. L'observation humaine, les tests physiques ou sensoriels, les preuves réglementaires et les validations finales à fort enjeu peuvent compléter ce flux de travail si nécessaire ; ils ne réduisent pas Minds à un simple outil d'appoint. Minds est accessible en libre-service, avec une formule Pay as you go à 0,12 $ par réponse ; Aaru correspond davantage aux besoins d'une simulation managée pilotée par du conseil pour une décision stratégique d'envergure.
Lors de l'évaluation d'un logiciel de recherche synthétique ou d'un prestataire de simulation managée, les équipes achats et insights devraient appliquer une grille d'analyse articulée autour de quatre piliers opérationnels.
| Pilier d'évaluation | Exigences clés de vérification |
|---|
| 1. Conseil managé vs plateforme en libre-service | Définir les compétences internes, le besoin d'accompagnement externe et les délais attendus |
| 2. Méthodologie et configuration des études | Vérifier la présence de MaxDiff et du conjoint, la conception d'études structurées et la séparation entre requêtes libres et protocoles méthodologiques |
| 3. Examen des données probantes et auditabilité | Examiner les prompts des agents, la distribution complète des réponses et le versionnage des définitions de personas |
| 4. Protocole de validation humaine | Définir le recrutement pour les contrôles finaux et conditionner les décisions critiques à des données réelles |
Pilier 1 : alignement du modèle de déploiement
Les acheteurs doivent déterminer s'ils recherchent un accompagnement stratégique en conseil ou une capacité de recherche continue. Les services managés répondent à des évaluations ponctuelles de haut niveau pour lesquelles un sponsor de direction attend un livrable complet clé en main. Les plateformes en libre-service conviennent aux équipes intégrées ayant besoin d'un filtrage continu de concepts, d'itérations narratives et d'interactions avec des personas.
Pilier 2 : méthodes de recherche structurées
Le simple échange exploratoire par chat ne suffit pas pour prendre des décisions quantitatives d'arbitrage. Vérifiez si la plateforme gère des protocoles formels tels que MaxDiff pour hiérarchiser l'importance des fonctionnalités et l'analyse conjointe pour évaluer des offres multi-attributs, et assurez-vous qu'elle sépare clairement les requêtes informelles des protocoles expérimentaux.
Pilier 3 : examen des données probantes et auditabilité
La gouvernance d'entreprise exige une visibilité totale sur la manière dont les conclusions synthétiques sont produites. Assurez-vous de pouvoir auditer les prompts des personas, les hypothèses démographiques et les transcriptions brutes, et vérifiez si le fournisseur documente précisément la définition de ses métriques de précision, comme l'a fait EY avec la corrélation de Spearman, le RMSE et la distance euclidienne.
Pilier 4 : protocoles de validation humaine
Considérez la simulation synthétique comme un filtre en amont, et non comme un substitut au travail de terrain. Définissez formellement les cas où une conclusion peut s'appuyer sur des données synthétiques directionnelles et ceux où elle doit impérativement être validée auprès de panels humains. Les lancements majeurs, les dossiers réglementaires et les modifications tarifaires stratégiques doivent d'abord faire l'objet d'une validation humaine sur panel recruté.
Un dispositif de recherche mature ne repose pas sur un seul prestataire ou une seule méthode. Il positionne la recherche synthétique comme un accélérateur en amont qui permet de mieux cibler le recrutement humain en aval.
En phase de découverte, les chercheurs exploitent les personas IA pour appréhender le vocabulaire des clients, cartographier les objections et formuler des propositions de valeur. Lors du filtrage de concepts, les équipes exécutent des méthodes structurées comme MaxDiff ou l'analyse conjointe sur des Audiences synthétiques pour réduire des dizaines de concepts à une sélection restreinte.
Les concepts présélectionnés font ensuite l'objet de tests humains auprès de panels recrutés. Les options faibles et les messages ambigus ayant été éliminés en amont, le terrain humain s'avère moins coûteux et se concentre sur la confirmation des résultats.
En conservant des limites méthodologiques réalistes et en associant des outils en libre-service comme Minds à une validation humaine rigoureuse, les équipes insights accélèrent leurs recherches tout en préservant l'intégrité de leurs décisions. Les équipes prêtes à tester la recherche synthétique structurée peuvent s'inscrire pour y accéder.
