Intermédiaire·3 min·22 août 2026

Simuler le monde avant d'agir : la nouvelle loi d'échelle de l'IA

🎧 Résumé audio0:00 / 0:00

Et si tu testais tes produits, tes politiques, tes stratégies sur 8 milliards de clones numériques avant de les lancer dans le vrai monde ?

Pourquoi ça compte pour toi

Simile AI vient de lever 2 milliards de dollars pour faire exactement ça : créer des jumeaux numériques d'humains qui reproduisent leur comportement à 85% de précision. Pour toi, c'est concret : plus besoin de groupes de discussion coûteux, de tests A/B à rallonge, ou de parier à l'aveugle sur tes décisions. Tu peux simuler les réactions avant de déployer.

Ce qu'il faut retenir

1.Les simulations comportementales atteignent 85% de précision face aux groupes de discussion humains — sans le coût
2.Simile combine entretiens, données transactionnelles, essais randomisés et entraînement sur les mécanismes de décision réels
3.La vraie rupture : simuler non pour prédire, mais pour *façonner* l'avenir (tester climat, UBI, stabilité démocratique)
4.Les modèles frontier actuels ratent les comportements irrationnels humains — il faut les post-entraîner sur des essais contrôlés

Tu galères avec le jargon ?

Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.

D'où ça vient ?

Joon Sung Park a créé Smallville en 2023, un article fondateur qui montrait que des agents IA pouvaient se souvenir, planifier, socialiser — émerger. La question logique qui a suivi : pourquoi pas recréer le monde entier et tester nos décisions dedans avant de les mettre en œuvre ?

Comment ça marche vraiment

C'est pas juste des LLM classiques avec des prompts. Simile fait quelque chose de plus complexe :

▸Collecte de données réelles : entretiens approfondis, données transactionnelles (qu'est-ce que les gens font vraiment, pas ce qu'ils disent), observation directe
▸Essais randomisés contrôlés : post-entraînement des modèles sur des vraies expériences comportementales
▸Modélisation des mécanismes causaux : comprendre pourquoi les gens décident, pas juste prédire quoi
▸Simulations au niveau populationnel ET individuel : une version pour "la moyenne", une autre pour toi spécifiquement

Le résultat : des jumeaux numériques qui reproduisent le comportement humain avec ~85% de précision — quand un humain se reproduit lui-même à ~70%.

Pourquoi c'est différent de la prédiction

La prédiction, c'est "que va-t-il se passer ?". La simulation, c'est "comment je peux façonner ce qui va se passer ?".

Exemple concret : tu veux introduire une politique UBI (revenu universel de base). Tu ne demandes pas au modèle "prédis si ça marche". Tu simules une population entière qui vit sous ce régime, vois comment les comportements changent, détectes les effets non intentionnels.

Le marché ? CVS, autres clients du Fortune 100 — ils testent des produits, des campagnes marketing, des stratégies tarifaires sur 10 millions de simulations au lieu de panels humains.

Le piège : les modèles rationnels sont de mauvaises simulations d'humains irrationnels

Voilà le truc contre-intuitif. Si tu entraînes un modèle à être rationnel, à maximiser l'utilité, il capture mal ce que les vraies gens font — parce qu'on est biaisés, on oublie, on est irrationnels, on procrastine.

Donc Simile post-entraîne ses modèles spécifiquement pour reproduire les erreurs humaines, pas pour les corriger.

Lois d'échelle pour la simulation

L'article parle de nouvelles "lois d'échelle" : combien de données, de puissance de calcul, pour simuler 1000 personnes ? 1 million ? 8 milliards ?

Réponse pour l'instant : cher. Très cher. Potentiellement un centre de données entier pour simuler la planète. Mais si les coûts baissent d'ici 5 à 10 ans, la donne change.

À retenir

C'est pas de la magie, c'est de l'ingénierie comportementale + IA. Et contrairement à la plupart des startups IA qui parlent d'impact sociétal, Simile teste réellement sur des sujets comme le changement climatique, l'instabilité démocratique, les politiques sociales.

La vraie question : dans 5 ans, tu testeras vraiment tes décisions majeures sur des mondes simulés avant de les déployer ?

Et concrètement pour toi ?

Choisis ton profil — la lecture de l'article change selon qui tu es.

🔭 Curieux

Pour toi, l'enjeu profond c'est que l'IA passe du prédictif au normatif : on ne prédit plus seulement ce qui va se passer, on simule ce qu'on *veut* que devienne la société. À surveiller : qui décide des paramètres de ces simulations ?

Essayer maintenant

Explorer Simile →

Source