Glossaire des personas synthétiques

Les termes qui reviennent dès qu'on parle de panels simulés. Chacun est défini en une fois, avec le chiffre que nous mesurons chez nous.

Sous-dispersion

Le défaut le plus fréquent des panels simulés : les réponses sont plus resserrées que celles de vraies personnes. On le mesure par le rapport entre l'écart-type des réponses simulées et celui des humains. Un rapport de 1,00 signifie autant de désaccord que dans la population.

Ce défaut ne se voit pas sur une moyenne. Un panel peut tomber juste en moyenne et effacer tout le désaccord, donc tout le signal : qui est minoritaire, qui hésite, qui se situe aux extrêmes.

Chez nous : 0,90 à 1,14 quand une variable du profil est ancrée, 0,24 à 0,79 sans ancrage. Voir la mesure item par item.

Données humaines

Les réponses de personnes réelles, issues d'enquêtes publiées, par opposition aux données produites par un modèle. C'est le seul étalon qui vaut : comparer un panel simulé à un autre modèle ne prouve rien.

Chez nous : huit enquêtes nommées, de 1 008 à 23 268 répondants (ESS France, Ipsos, INSEE, IFOP, DREES, ministère de la Culture). Voir le tableau des références.

Répondant synthétique

Un profil généré par ordinateur qui répond à un questionnaire comme le ferait un répondant, sans être une personne. Il occupe une position dans une distribution calée sur la démographie réelle, il n'est pas un individu abstrait.

À voir : personas synthétiques, ce qu'ils sont et comment ils sont construits.

Panel synthétique

Un ensemble de répondants synthétiques tirés d'une population calée, auquel on pose un questionnaire. Le panel se juge sur la population dont il est tiré, pas sur le modèle qui rédige les réponses.

Chez nous : un million de profils, marges du recensement INSEE. Voir comment un sondage est mené.

Population synthétique

Une population simulée dont la structure démographique reproduit celle du pays, profil par profil, avant toute question. C'est la couche sur laquelle reposent le panel et les répondants.

Chez nous : un million de profils, calés sur le recensement INSEE (âge, sexe, PCS, territoire, revenu). Voir la construction.

Calage sur marges

Technique statistique qui redresse un échantillon pour que ses marges, l'âge, le sexe, la catégorie socio-professionnelle, le territoire, le revenu, reproduisent celles de la population de référence. Elle est décrite par Deming et Stephan en 1940, puis formalisée par Deville et Särndal en 1992. C'est la première couche de notre méthode.

Chez nous : appliqué au recensement INSEE pour construire la population. Voir la méthode en trois couches.

Calibration

Ajuster les réponses générées pour qu'elles reproduisent les taux observés dans les enquêtes de référence, segment par segment, plutôt que de laisser le modèle décider. C'est ce qui transforme un modèle de langage en instrument de mesure.

Chez nous : corrélation de rang de 0,83 sur les pratiques culturelles avec les matrices calibrées, contre 0,52 sans elles. Voir ce que chaque couche apporte.

Acquiescement

Tendance à répondre oui, ou à se ranger à l'avis qu'on prête aux autres. C'est le biais le plus visible d'un modèle de langage interrogé sans cadre, et il gonfle les fréquences déclarées : tout le monde déclare lire, sortir et s'informer plus que la réalité.

Chez nous : environ 28 points d'erreur moyenne sur les questions de perception générale, mesurés sur notre premier pipeline. Voir les trois biais mesurés.

Corrélation de rang

Mesure qui indique si deux classements vont dans le même ordre, de -1 à 1, sans supposer que les écarts sont proportionnels. C'est la métrique adaptée aux phénomènes sociaux ordonnés : les cadres lisent plus que les ouvriers, et la question est de savoir si l'ordre exact est reproduit.

Chez nous : 0,83 sur les pratiques culturelles, 0,94 sur la lecture, le spectacle vivant et le cinéma, 0,49 sur l'événement sportif. Voir les convergences.

Jumeau numérique

Terme souvent confondu avec le persona synthétique. Un jumeau numérique reproduit un individu ou un système réel et son évolution dans le temps. Un persona synthétique représente une fraction de population sur une question donnée, à un instant donné. Nous ne fabriquons pas de jumeaux.

À voir : la distinction avec un chatbot, un persona marketing et un répondant humain.

Validation hors échantillon

Tester la méthode sur des questions qui n'ont pas servi à la calibrer. C'est la seule démonstration qu'un panel ne récite pas ses propres références. Tant qu'elle n'est pas faite, une convergence mesurée sur les questions de calibration reste partiellement tautologique.

Chez nous : protocole pré-enregistré, pas encore exécuté. Nous l'écrivons plutôt que de le taire. Voir ce que nous ne prouvons pas encore.

Pourquoi ce glossaire mesure au lieu de définir

Une définition neutre ne dit ni ce que celui qui la publie mesure, ni où sa méthode s'arrête. Chaque entrée ci-dessus est suivie de notre propre chiffre, mesuré sur nos profils, avec la page où il se vérifie. Quand nous n'avons pas de chiffre, nous l'écrivons aussi, comme pour la validation hors échantillon.

Un panel qui ne publie aucun écart n'est pas un panel meilleur : c'est un panel invérifiable. Ce qui n'est pas publié ne se vérifie pas.

Interroger un panel synthétique

À lire aussi : Fiabilité des personas · Personas synthétiques · Sondages par IA · Étude de marché par IA · La méthode derrière nos personas