--- title: "Comment Lire les Revendications d'Exactitude des Audiences Synthétiques" description: "Les fournisseurs de recherche synthétique publient des pourcentages d'exactitude entre 85 % et 98 %. Presque aucun d'entre eux ne mesure la même chose. Voici comment savoir quelles revendications peuvent être vérifiées." canonical_url: "https://getminds.ai/blog/fr/how-to-read-synthetic-audience-accuracy-claims" last_updated: "2026-10-02T19:01:41.567Z" --- # Comment Lire les Revendications d'Exactitude des Audiences Synthétiques Les fournisseurs de recherche synthétique publient des chiffres d'exactitude entre 85 % et 98 %. À première vue, le domaine semble établi et les différences semblent minimes. Ils ne sont pas comparables. Les pourcentages mesurent des quantités différentes par rapport à des bases de référence différentes sur des tâches différentes, et plusieurs ne mesurent pas du tout l'exactitude. Cet article expose ce que nous avons trouvé en lisant le matériel publié de neuf fournisseurs en septembre 2026, y compris le nôtre, et les huit questions qui séparent une revendication que vous pouvez vérifier de celle que vous ne pouvez pas. Nous avons un intérêt ici. Minds vend des audiences synthétiques. Ainsi, la norme ci-dessous s'applique à nous dans les mêmes conditions, et l'endroit où nous nous en sortons le plus mal est énoncé aussi clairement que pour tout le monde. ## Les huit questions Une revendication d'exactitude publiée est vérifiable lorsqu'elle répond à ces questions : 1. **Contre quelle norme externe ?** Un ensemble de données indépendant nommé ou une étude publiée, pas un échantillon interne. 2. **Contre quel plafond ?** Les humains ne reproduisent pas parfaitement leurs propres réponses. Leur cohérence personnelle est le maximum réaliste. 3. **Contre quel plancher ?** Ce que le même métrique obtient sans modèle derrière lui. 4. **Que signifie la métrique ?** "Exactitude" n'est pas auto-définie. 5. **Comparé à quelle base de référence ?** Une invite naïve au même modèle est la comparaison qui compte, car c'est l'alternative gratuite. 6. **Révisé par qui ?** La révision par les pairs ou un préprint invite à la correction. 7. **Où cela échoue-t-il ?** Une méthode sans mode d'échec publié n'a pas été testée suffisamment pour en trouver un. 8. **Tout le monde peut-il le vérifier ?** Méthode, échantillon et données disponibles pour inspection. ## Ce que le domaine publie Compilé à partir des propres pages publiques et des articles des fournisseurs, septembre 2026.
Fournisseur Chiffre principal Ce qu'il mesure
Simile 85 % de fiabilité de réévaluation humaine Reproduction des réponses des individus sources, contre le plancher de bruit humain
Artificial Societies 86 % de précision de distribution Correspondance de distribution, contre un plafond humain déclaré de 91 %
Articos 86 % des thèmes identifiés par des experts Récupération de thèmes par rapport aux rapports d'experts publiés
Evelance 89,78 % de chevauchement thématique Correspondance de thèmes, 7 personas contre 23 utilisateurs réels
Synthetic Users 85–92 % "Parité Organique Synthétique" Similarité des interviews synthétiques par rapport aux réelles
Aaru 0,90 corrélation médiane Corrélation sur une étude client
Evidenza 88 % d'exactitude, 0,81 corrélation Métrique non définie publiquement
Fairgen 98 % de taux de passage de contrôle de qualité Un contrôle de qualité interne, pas d'exactitude
Minds Spearman 0,85, +4 % de biais d'échelle Corrélation de rang sur 54 annonces par rapport à un panel humain
Deux observations suivent, et aucune ne concerne quel produit est meilleur. **Le chiffre le plus élevé n'est pas un chiffre d'exactitude.** Les 98 % de Fairgen représentent la part des profils générés passant leur propre contrôle de qualité à six dimensions. Cela ne dit rien sur le fait que la sortie corresponde aux données humaines, et Fairgen ne prétend pas que c'est le cas. Quiconque trie ce tableau par pourcentage les classerait en premier sur une mesure à laquelle ils n'ont jamais participé. **Seuls deux chiffres sont comparables.** Les 85 % de Simile et les 86 % de Artificial Societies sont tous deux exprimés comme une part de ce que les humains eux-mêmes réalisent. Ils peuvent être comparés. Rien d'autre dans la colonne ne peut être comparé à quoi que ce soit, y compris entre eux. ## Qui publie des échecs C'est ici que le domaine se sépare le plus nettement. Fairgen indique les études pour lesquelles leur méthode est inadaptée : suivi de marque, segmentation, conjoint. Leur conseil est de "tester avant de passer à l'action, pas à la place". Les Synthetic Users déclarent que les répondants synthétiques "sans calibration sont individuellement crédibles, mais collectivement faux". Articos et Evelance affirment tous deux que leur sortie est directionnelle et appartient à côté de la recherche humaine plutôt qu'à sa place. Aaru, Evidenza et Artificial Societies ne publient aucune condition d'échec que nous puissions trouver. ## Où nous en sommes, y compris l'écart Nos propres études utilisent des ablations à quatre conditions, retiennent de vraies réponses, scellent les sélections de candidats avant que les cibles ne soient ouvertes, et rapportent le plancher de chance à côté du résultat. Sur un ensemble d'articles GSS, une distribution plate sans modèle derrière elle obtient déjà un score de 83,71 % ; notre 92,47 % ferme 54 % de la distance restante. Le plancher appartient à côté du pourcentage, et il est généralement absent. Nous publions des résultats qui n'ont pas fonctionné. Un lift de profil enregistré de 0,17 points avait un intervalle de 95 % de -1,00 à +1,31, a traversé zéro, et a échoué à son critère de promotion. Sur des invites courtes du quotidien dans une comparaison à l'aveugle, nos audiences ont gagné 13,8 % contre 30,5 % pour des invites génériques et 34,0 % pour des invites démographiques. C'est une perte, et cela est publié. **Ce que nous n'avons pas, c'est la révision par les pairs.** Le résultat de l'ajustement de Simile est apparu à EMNLP 2025 avec un ensemble de données ouvert de 2,9 millions de réponses. Artificial Societies a un résultat de comportement de groupe dans le British Journal of Psychology. Nous n'avons ni l'un ni l'autre. Notre travail de validation est publié sur notre propre site et n'a pas été soumis à une révision externe, et tant qu'il ne l'a pas été, un lecteur a raison de le peser différemment. Notre partenariat avec SINUS-Institut est parfois interprété comme une validation. Ce n'est pas le cas. C'est une provenance : le modèle de milieu sur lequel nos personas sont fondés provient de décennies de leur recherche, ce qui est une déclaration sur les entrées plutôt que sur l'exactitude. Leur directeur général le dit clairement : les Milieu-Minds "ne remplacent ni la recherche sociale ni l'expertise de notre institut". ## Comment vérifier n'importe quel fournisseur en dix minutes Demandez la définition de la métrique, la taille de l'échantillon, la base de référence et les conditions d'échec. Demandez ce que le même mesure obtient sans modèle derrière elle. Si un fournisseur ne peut pas produire cela, le pourcentage est du marketing, peu importe qui l'a publié et à quel point il semble favorable. Ce test n'est pas confortable pour nous non plus. C'est simplement le seul qui informe un acheteur. ## Sources Tous les chiffres ci-dessus proviennent des documents publics de chaque fournisseur, consultés le 22 septembre 2026. Les affirmations changent : vérifiez la source avant de vous y fier. Si nous avons mal lu la vôtre, dites-le-nous et nous la corrigerons. - [Simile](https://www.simile.com/) - [Simile, EMNLP 2025 (Kolluri, Wu, Park, Bernstein), SocSci210](https://arxiv.org/abs/2607.26348) - [Artificial Societies](https://societies.ai/) - [Artificial Societies, the science behind it](https://societies.io/ai-simulation-research) - [Articos](https://articos.com/) - [Evelance](https://evelance.io/) - [Synthetic Users, science](https://www.syntheticusers.com/science) - [Aaru](https://www.aaru.com/) - [Evidenza](https://www.evidenza.ai/) - [Evidenza, research](https://www.evidenza.ai/research) - [Fairgen](https://www.fairgen.ai/) - [Minds validation studies](https://getminds.ai/research) - [SINUS-Institut and Minds, original release](https://getminds.ai/press/minds-partners-with-sinus)