La simulation, la nouvelle loi d'échelle
Simile AI, la startup fondée par le chercheur Joon Sung Park, a levé 2 milliards de dollars lors d'un tour de série B mené par GreenOaks et Index Ventures, avec parmi les soutiens des figures comme Fei-Fei Li et Andrej Karpathy. L'entreprise fait tourner des dizaines de millions de simulations pour des clients du Fortune 100, dont CVS, et affiche une précision de 85 à 99% par rapport aux focus groups humains traditionnels. Park est aussi connu pour avoir créé Smallville, le projet de 2023 à l'origine de l'article fondateur sur les "agents génératifs", qui avait démontré que des personnages IA pouvaient se souvenir, planifier, socialiser et développer des comportements émergents. Depuis, son équipe a construit des jumeaux numériques capables de reproduire le comportement et les attitudes de personnes réelles avec une fidélité de 85%, en s'appuyant sur des entretiens approfondis, des données transactionnelles et d'observation, ainsi que des essais randomisés contrôlés, plutôt que sur du simple prompting de modèles de langage frontière.
Résumé et traduction réalisés par Le Fil IA à partir de Latent Space. Lire l'article original →
Cette percée marque le retour en force de ce que l'industrie appelle le "Summer of Simulative AI", après une première vague en 2024 et un rebond avec SimGym en avril. L'enjeu dépasse largement la recherche marketing classique: il s'agit de tester des produits et des politiques publiques avant leur déploiement réel, de modéliser des comportements émergents à l'échelle de sociétés entières, et potentiellement d'attaquer des problèmes comme le changement climatique, l'instabilité démocratique ou le revenu universel. Pour les entreprises, cela signifie remplacer des panels humains coûteux par des populations synthétiques capables de prédire des réactions avec une fiabilité proche de celle des vrais consommateurs, ce qui pourrait transformer radicalement la recherche marché, les tests de produits et l'élaboration de politiques publiques.
Le raisonnement de Park part d'un constat clé: les modèles de langage optimisés pour être rationnels simulent mal des humains fondamentalement irrationnels, et les données du web captent surtout ce que les gens disent, pas ce qu'ils font réellement. Reproduire cette "physique sociale" nécessiterait selon lui de modifier les poids des modèles plutôt que de simplement les orienter par des instructions. Cette ambition s'inscrit dans une filiation intellectuelle qui remonte à Thomas Schelling et à la modélisation multi-agents, avec une référence directe à la notion de "psychohistoire" imaginée par Isaac Asimov dans Foundation. Park évoque même des lois d'échelle propres à la simulation humaine et envisage qu'à terme, simuler l'ensemble des 8 milliards d'habitants de la Terre pourrait nécessiter la puissance de calcul d'un centre de données entier, ouvrant la voie à un nouveau paradigme où comprendre le monde passerait par sa reconstruction numérique avant toute décision réelle.
Pas d'impact direct sur la France/UE
Simile AI ne vend plus du sondage, il vend une population synthétique qui remplace le panel humain, et c'est ça la vraie rupture derrière les 2 milliards levés. Le raisonnement de Park tient la route : forcer un LLM rationnel à jouer l'irrationnel humain par simple prompt, ça ne marche pas, il faut toucher aux poids du modèle. Bon, sur le papier, 85 à 99% de fiabilité face à des focus groups réels, ça fait rêver, mais je veux voir ça résister à un vrai lancement raté avant de signer.