Les "synthetic consumers" vont-ils réécrire les études marketing ?

Il y a deux ans, mener une étude qualitative sur un nouveau marché demandait six à huit semaines, vingt à trente entretiens individuels, un guide d'animation, un cabinet de recrutement et un budget à cinq chiffres. Aujourd'hui, certaines plateformes vous promettent les mêmes « insights » en quarante-huit heures, contre quelques centaines d'euros — sans interroger un seul humain.

Bienvenue dans l'ère des synthetic consumers : ces avatars générés par intelligence artificielle, capables de jouer le rôle d'un consommateur cible et de répondre à n'importe quelle question d'étude, à n'importe quelle heure, sans saturation ni honoraires. Une révolution ? Pas exactement. Une transformation profonde des études marketing, ça oui — à condition d'en comprendre la portée réelle et les angles morts.

Qu'est-ce qu'un consommateur synthétique ?

Concrètement, un synthetic consumer est un agent conversationnel — typiquement bâti sur un grand modèle de langage comme GPT-4, Claude ou Gemini — auquel on injecte une persona détaillée : âge, profession, géographie, revenus, valeurs, habitudes de consommation, parcours de vie, frustrations. À chaque interaction, l'agent répond « comme » cette persona l'aurait fait.

Les éditeurs sérieux (Synthetic Users, Personify, Evidenza, et les briques internes des grands cabinets type BCG ou Bain) vont plus loin : ils nourrissent leurs personas avec des données réelles agrégées — études antérieures, panels existants, comportements digitaux observés — pour que les réponses soient calibrées sur des distributions plausibles, pas seulement sur l'imagination du modèle.

Le résultat ? Vous pouvez interroger mille « consommateurs » en une heure, faire varier le segment, le marché, le contexte, et observer comment les positions évoluent.

Les promesses : vitesse, coût, exploration

Trois usages se distinguent clairement :

1. Le pré-test de concept à grande échelle. Avant d'investir dans un test classique sur 300 répondants, on confronte vingt versions d'un concept à mille synthetic consumers. On élimine les options manifestement faibles, on resserre sur trois pistes, puis on déroule un test « réel » sur les survivants. Le gain : un entonnoir d'exploration beaucoup plus large, à coût quasi nul.

2. L'exploration de personas et de scénarios. Combien de fois un brief débute par « imaginons une femme active de 35 ans, urbaine, sensibilisée à l'éco-responsabilité… » Le synthetic consumer rend cette persona interrogeable. On lui pose des questions, on teste des messages, on observe ses contradictions. C'est moins un insight, plus un brainstorming structuré qui force à creuser.

3. Le copy testing rapide. Tester une accroche publicitaire, un objet d'email, un titre d'article auprès de cinq cents profils ciblés en dix minutes, sans plateforme de panel — voilà ce qui change pour les équipes growth et content.

Les limites — celles qu'on ne vous vendra pas

Mais voici le bémol que peu d'éditeurs assument : un synthetic consumer ne sait que ce que le modèle qui le génère a appris. Et un modèle apprend du web — c'est-à-dire d'un univers qui sur-représente les opinions exprimées publiquement, les marchés anglo-saxons, les classes socio-éducatives les plus connectées.

Conséquences concrètes :

• Sur les marchés émergents et africains, les réponses sont régulièrement plates, généralisantes, voire stéréotypées. La granularité culturelle, le poids des dynamiques familiales et communautaires, les codes informels — tout cela passe à la trappe.
• Sur les comportements latents (ce qu'on ne dit pas, ce qu'on fait sans s'en rendre compte), le synthetic consumer est intrinsèquement sourd : il ne sait reproduire que des verbalisations.
• Sur les ruptures de marché (nouveau produit, nouvelle catégorie), il extrapole à partir du passé — précisément l'endroit où le passé est le plus mauvais guide.
• Surtout : il a tendance à la complaisance. Posez la même question à dix humains, vous récoltez du désaccord, des contradictions, des silences gênés. Posez-la à dix synthetic consumers, vous obtenez souvent dix variations polies de la même réponse moyenne.

Plusieurs études récentes — notamment des travaux d'Ipsos et de Kantar parus en 2024 — montrent un écart de prédiction de 15 à 30 % entre la réponse « synthétique » et la réponse réelle d'un panel humain équivalent. Ce n'est pas catastrophique. Ce n'est pas négligeable non plus.

Ce qui change vraiment dans le métier des études

La bonne lecture, à mon sens, n'est pas « les humains contre les machines » mais une redistribution des rôles dans la chaîne de l'étude.

Avant

• Une étude = une question = un terrain humain.
• Le qualitatif servait à découvrir, le quantitatif à valider.
• Le chargé d'études exécute des protocoles.

Maintenant

• Une étude = un entonnoir : exploration synthétique → terrain humain ciblé.
• Le synthétique sert à explorer, le qualitatif à comprendre, le quantitatif à mesurer.
• Le chargé d'études conçoit des dispositifs hybrides et arbitre les sources.

Concrètement, pour un dirigeant ou un CMO, cela veut dire que les études n'ont jamais été moins chères et plus rapides — à condition de savoir où mettre le terrain humain. Le piège serait de croire qu'on peut tout faire en synthétique. La sagesse, c'est de découper :

• Phase 1 (synthétique) : large exploration, débroussaillage, élimination des fausses pistes.
• Phase 2 (qualitatif réel) : profondeur sur les pistes prometteuses, surfaces de friction, signaux faibles.
• Phase 3 (quantitatif) : validation, segmentation, dimensionnement.

Le budget total ne baisse pas forcément de 80 %. Mais l'efficacité décisionnelle — c'est-à-dire la qualité du choix qu'on fait à la fin — augmente sensiblement, parce qu'on a exploré dix fois plus d'hypothèses avant de payer un terrain.

Trois recommandations pour une marque en 2026

1. Ne supprimez aucun de vos terrains humains. Ajoutez du synthétique en amont. L'IA n'est pas un substitut, c'est un préchauffage. Toute marque qui remplace son qualitatif par du synthétique se retrouvera, dans dix-huit mois, déconnectée de ses consommateurs réels.

2. Exigez la transparence sur la persona. Demandez à votre prestataire sur quelles données la persona a été calibrée. Un synthetic consumer « femme française de 35 ans » sans calibration n'a pas plus de valeur qu'une discussion de comptoir.

3. Investissez dans le discernement humain. L'avantage compétitif des prochaines années ne sera pas d'avoir l'outil — tout le monde l'aura. Ce sera la capacité de vos équipes à lire un insight synthétique, en mesurer la fiabilité, et savoir quand le terrain humain est indispensable. Cette compétence-là, aucun modèle ne la fournira.

Mon pari pour les trois ans qui viennent

Les synthetic consumers ne tueront pas les études marketing. Ils tueront les études marketing paresseuses — celles qu'on commandait par habitude, sans hypothèse forte, en espérant qu'un insight émergerait. Ces études-là vont disparaître, ou plutôt se feront en quarante-huit heures contre cinq cents euros.

En revanche, les études bien posées, qui partent d'une vraie tension business et qui combinent intelligemment les sources, vont gagner en pertinence. Et le métier d'études marketing, lui, va se déplacer là où il aurait toujours dû être : non pas dans la production de questionnaires, mais dans le design de dispositifs et la lecture stratégique des résultats.