Ces chercheurs ont créé 8,3 milliards d’humains virtuels pour tester des produits à notre place

Imaginez pouvoir lancer un produit devant 8,3 milliards de personnes aux âges, régions, compétences et situations très variés. Chacune clique, hésite, abandonne ou accepte de payer. Quelques heures plus tard, le verdict tombe.

C’est, en substance, la promesse de MatrAIx. Présenté le 4 août 2026 dans un article de recherche déposé sur arXiv, le projet est signé par un vaste collectif de chercheurs affiliés notamment à Harvard et au MIT.

Concrètement, celui-ci veut utiliser des agents IA comme cobayes. Ils peuvent répondre à un sondage, discuter avec un chatbot, parcourir un site ou manipuler une application, tout en jouant le rôle d’un utilisateur précis.

MatrAIx ne fait cependant pas vivre une seconde humanité dans un ordinateur. Les 8,3 milliards annoncés correspondent à des fiches de personnages, pas à autant d’agents lancés simultanément. Si la nuance est de taille, elle ne retire rien à l’ambition du projet : automatiser une partie des tests qui nécessitent aujourd’hui de recruter de vraies personnes.

À quoi ressemble un humain virtuel ?

La base de données, baptisée Persona 8B, contient 8,3 milliards de profils. Chacun peut être décrit selon un catalogue de 1 290 caractéristiques : âge, région, langue, niveau d’études, métier, personnalité, valeurs, tolérance au risque, compétences, habitudes numériques, loisirs ou état de santé.

Les chercheurs ne se sont pas contentés de tirer chaque information au hasard. Leur système relie certains attributs afin d’éviter les combinaisons trop incohérentes. La maîtrise de l’anglais dépend, par exemple, de la langue principale et de la région. Des règles empêchent aussi de créer un profil dont l’anglais serait à la fois la langue maternelle et une langue qu’il ne parle pas.

Une partie de ces personnages est entièrement synthétique. D’autres profils sont structurés à partir de biographies Wikipédia, d’historiques d’avis Amazon, d’enquêtes comme celle de Stack Overflow et de 355 déclarations recueillies avec le consentement des participants. Lorsqu’une information n’est pas étayée par la source, le champ correspondant doit rester vide. Les noms et les coordonnées sont retirés, assurent les auteurs.

Cette désidentification protège l’identité des personnes, mais elle ne rend pas cette population représentative de l’humanité. Les utilisateurs de Wikipédia, d’Amazon ou de Stack Overflow correspondent à des publics particuliers.

Pour corriger une partie de ce déséquilibre, les chercheurs ont ajusté l’échantillon public afin qu’il se rapproche de la population mondiale sur quatre critères : l’âge, la région, le genre et le caractère urbain ou rural du lieu de vie. Cela ne garantit toutefois pas que les autres caractéristiques — profession, revenus, personnalité ou habitudes numériques — soient réparties comme dans le monde réel.

Lorsqu’un grand modèle de langage (LLM) transforme ces fiches en personnages, il peut également combler les blancs avec ses propres biais. Il risque, par exemple, d’associer un âge, une origine ou une profession à des comportements stéréotypés.

Le papier annonce une population de 8,3 milliards de fiches, mais la base publiée et téléchargeable se limite à un échantillon filtré de 999 847 profils : 599 847 sont construits à partir de données humaines et 400 000 sont entièrement synthétiques.

Ce n’est que lorsqu’une fiche est associée à un grand modèle de langage, à une interface et à une mission qu’elle devient véritablement un « agent persona ». Autrement dit, MatrAIx n’allume pas vraiment une planète virtuelle entière : il pioche les habitants dont il a besoin.

Des cobayes qui testent un site ou un chatbot

Le système propose quatre terrains d’expérimentation. Dans le premier, les agents répondent à des sondages. Une marque peut notamment leur demander s’ils achèteraient toujours un pack de sodas après une hausse de prix.

Dans le deuxième, ils discutent avec une IA : continuent-ils après une hallucination ? Combien de temps tolèrent-ils d’attendre ? Les deux autres environnements leur permettent de parcourir des sites et de contrôler des applications.

MatrAIx comporte 1 010 scénarios dans plus de 25 domaines, du commerce à la santé en passant par la finance et les logiciels. Tous n’ont pas été exécutés. Pour présenter leur système, les chercheurs ont conduit 18 189 essais répartis sur huit tâches avec GPT-5.5, Claude Opus 4.8 et Claude Haiku 4.5.

Des utilisateurs virtuels ont comparé les offres de Notion, choisi un cours du MIT ou décidé s’ils s’abonneraient à un service d’actualité. Le système enregistre leurs actions et les raisons de leur décision.

L’intérêt est évident. Recruter un panel humain peut prendre des semaines. Des agents se lancent par milliers et peuvent rejouer le même test après chaque modification. Ils peuvent aussi révéler un problème qui touche un petit groupe et disparaît dans la moyenne.

Une IA sait-elle vraiment jouer un humain ?

C’est là que la promesse se complique. Un personnage peut être décrit comme prudent, bavard ou allergique aux longs délais : rien ne garantit que le modèle chargé de l’incarner se comportera réellement ainsi.

Les auteurs ont donc soumis leurs agents à 400 tests portant sur dix traits comportementaux. Dans 366 cas, soit 91,5 %, l’agent a exprimé — ou correctement évité — le comportement qui lui avait été attribué. Un personnage censé employer des noms de variables très descriptifs écrivait ainsi un code différent de celui d’un profil adepte des noms réduits à une seule lettre.

Ce résultat doit toutefois être manié avec précaution. Les 400 comportements ont été évalués par Claude Opus 4.8, et non par des humains. Les six évaluateurs humains mobilisés dans une autre partie de l’étude ont jugé la qualité de 100 fiches de personas, pas la capacité des agents à reproduire fidèlement une personne dans la durée.

Surtout, les réponses dépendent fortement du modèle placé derrière le masque. Face aux mêmes profils et aux mêmes offres de Notion, 75,8 % des agents animés par GPT-5.5 ont choisi une formule payante. Ce taux tombe à 23,2 % avec Claude Opus 4.8 et grimpe à 93,9 % avec Claude Haiku 4.5.

Sur un test de sensibilité au prix, l’écart est encore plus spectaculaire : 98,3 % des personas sous GPT-5.5 hésitent après l’augmentation, contre 27 % avec Claude Opus et 83,3 % avec Claude Haiku. Le faux consommateur ne reflète donc pas seulement le profil qu’on lui attribue : il conserve aussi une part importante des préférences, des biais et des stratégies de réponse du modèle qui l’incarne.

Ces agents ne remplacent pas un véritable panel

Les chercheurs le reconnaissent eux-mêmes : ces personas sont des instruments de simulation, pas des personnes, et leur cohorte n’est pas un échantillon représentatif de la population mondiale. Les résultats doivent servir à formuler des hypothèses, non à affirmer comment se comporteraient de vrais humains.

Cette limite devient cruciale dans la santé, la finance ou l’emploi. Tester un service avec mille patients virtuels ne dispense pas de consulter les personnes concernées. Un résultat synthétique peut signaler un risque ; il ne démontre pas que celui-ci apparaîtra dans le monde réel.

La base pourrait aussi servir à des usages beaucoup moins innocents. Ses profils combinent notamment l’âge, la région, les revenus, l’emploi et la santé. Les auteurs mettent explicitement en garde contre l’usurpation, la persuasion ciblée, l’exclusion ou la discrimination tarifaire visant certains groupes. Une entreprise pourrait être tentée de chercher non seulement le prix acceptable pour chacun, mais aussi la meilleure manière de le convaincre de payer.

Malgré son nom, MatrAIx n’est pas une Matrix peuplée de 8,3 milliards de consciences artificielles. Les personnages ne vivent pas ensemble dans un monde virtuel : ils sont activés séparément, le temps de répondre à un sondage ou de tester un produit.

---