Sources et références
- Silicon Samples and Synthetic Surveys: Can AI Stand In for Human Respondents? Not Really
- How synthetic polling results change based on the AI model
- Les sondages générés par IA séduisent des instituts, mais peuvent-ils vraiment refléter ce que pensent les gens ?
- Booster les sondages avec l'IA générative, une (fausse) bonne idée ?
12,4 points : c'est l'écart moyen entre les réponses de vrais Américains à un questionnaire et celles d'une intelligence artificielle chargée de jouer leur rôle d'après leur profil. Le Pew Research Center l'a publié le 30 septembre 2026, après avoir fait travailler plusieurs modèles sur les enquêtes de ses panélistes humains. Dans un institut classique, douze points d'écart condamnent une enquête à rester dans un tiroir. Dans l'industrie du « sondage synthétique », on en fait un produit.
Pew et ses 6 700 jumeaux numériques : le protocole
Les chercheurs ont construit des « jumeaux numériques » (des personas simulés par un modèle de langage) à partir de 6 700 panélistes réels. Chaque persona recevait les données démographiques du sondé et ses réponses à une enquête politique antérieure, puis répondait aux mêmes questionnaires, dans le même ordre, avec les mêmes consignes. Aucun modèle ne reconstitue le panel humain. Le meilleur, Claude Opus 4.6, s'écarte en moyenne de 11,4 points des vraies réponses ; GPT-5.1 de 13,3. Pew ajoute qu'il n'utilisera pas l'IA pour produire ses résultats de sondage, aujourd'hui comme demain. Reste à savoir si ces classements survivront à la prochaine version des modèles : l'étude date d'un instant précis.
La forme de l'erreur compte davantage que son ampleur. Sur une question relative au commerce sino-américain, 98 % des répondants synthétiques tombent dans la même case. Près de 97 % des Hispaniques simulés disaient suivre la Coupe du monde, un score qu'aucune enquête humaine n'a jamais approché. Un panel réel traîne toujours une frange d'avis minoritaires, contradictoires, mal rangés. Le modèle livre une population plus monocorde, et plus sûre d'elle que la vraie.
Un échantillon synthétique propose une opinion publique plus lisse et plus assurée que la vraie. Il a surtout l'avantage de ne contredire personne.
Quand le modèle dépend de sa marque
Un sondage prétend saisir ce que des personnes pensent. Un dispositif qui déduit l'opinion des données sur lesquelles il a été entraîné ne mesure pas moins bien : il ne mesure pas. Il produit un récit crédible, rapide et bon marché. Et ce récit boucle sur lui-même : un chiffre synthétique publié est repris, cité, indexé, puis finit dans les données d'entraînement du modèle suivant, qui « mesurera » une opinion qu'il a contribué à façonner. Leif Weatherby et Benjamin Recht l'écrivent dans une tribune d'avril 2026 relayée par Science & Vie à propos du New York Times : un sondage simulé fabrique l'opinion qu'il prétend décrire.
Lire l'étude comme un simple retard technique serait une erreur. Pew admet que de meilleurs modèles pourraient réduire l'écart. Mais deux modèles interrogés sur le même sujet décrivent deux publics différents, l'un plus sévère, l'autre plus indulgent. Quand le verdict varie avec la marque du logiciel, on n'a plus affaire à un instrument de mesure.
Trois façons d'utiliser l'IA dans un sondage, une seule sans sondés
Sous l'étiquette « IA », trois pratiques cohabitent, et la confusion arrange du monde. Voici comment les distinguer :
- Une IA administre le questionnaire à de vrais humains, à l'écrit ou à la voix : le sondé reste une personne.
- Une IA extrapole un petit échantillon réel pour grossir une sous-population, ce que le secteur appelle un « boost », comme chez Fairgen ou avec DataBoostAI.
- Une IA invente tous les répondants à partir de profils décrits en quelques lignes : c'est le seul cas où les personnes disparaissent.
En France, l'Ifop se présente comme « pionnier de la donnée synthétique » et partenaire de Fairgen depuis 2023. Pour une enquête de 2024 sur le vote des enseignants aux européennes, la notice annonçait l'« équivalent statistique » de 580 enseignants. Seuls 116 avaient été interrogés, le reste était extrapolé par DataBoostAI. L'avertissement final soulignait le caractère non prédictif du sondage, sans mentionner l'IA dans les mêmes lignes. Ipsos assure de son côté ne pas employer ces méthodes sur les enjeux politiques et électoraux, tout en les testant sur d'autres terrains.
Pourquoi les instituts y viennent : coûts, refus, délais
La demande est réelle. Les taux de réponse s'effondrent depuis vingt ans, et réunir mille personnes pour dix minutes de questionnaire coûte, aux États-Unis, plusieurs dizaines de milliers de dollars selon les analyses de The Conversation et de Next citées en fin d'article. Un panel synthétique revient à une fraction du prix et se génère en quelques heures, sans terrain, sans relance, sans refus. Les sociétés du secteur lèvent des fonds importants, et c'est ce qui explique l'empressement des instituts.
Les perdants sont moins visibles. Le mot « sondage » d'abord, dilué entre mesure et simulation. Les minorités ensuite : des chercheurs de la Northeastern University montrent que ces simulations stéréotypent les groupes sous-représentés dans les données d'entraînement. La presse enfin. En mars 2026, Axios a dû corriger un article sur la santé maternelle : les chiffres venaient de la startup Aaru, aucun humain n'avait été consulté, et rien ne le disait aux lecteurs.
Ce qui a fait scandale chez Axios, ce n'est pas l'IA. C'est l'absence de mention.
Il serait faux d'en conclure que la simulation ne sert à rien. Pour pré-tester un questionnaire, repérer une formulation ambiguë ou explorer des scénarios qu'aucun panel ne pourrait financer, un persona synthétique fait un outil de travail acceptable. À condition de savoir qu'on explore et qu'on ne mesure pas, et d'afficher l'étiquette correspondante.
Personas IA et études d'usage : que faire de ces chiffres
Le sujet dépasse les sondages politiques. Équipes produit, marques et studios reçoivent désormais des « personas IA » ou des études d'usage entièrement synthétiques, présentées comme des preuves. La règle tient en une phrase : un persona synthétique génère des hypothèses, il ne mesure rien. Avant de trancher sur un site, un parcours d'achat ou un outil, il faut remonter à la provenance du chiffre : qui l'a produit, à partir de quoi, avec quelles personnes réelles. Dix entretiens menés avec de vrais utilisateurs, imparfaits mais documentés, valent presque toujours mieux qu'un grand panel inventé. Et si la décision est difficile à défaire, la question ne se pose même pas.
Un média qui reprend un chiffre sans en connaître l'origine ne l'a pas vérifié, il l'a recopié. Or les baromètres pèsent sur ce qu'une société croit penser d'elle-même : intentions de vote, perception de la dépense publique, attitudes face au climat. Si ces mesures passent par des modèles dont la logique est de plaire à celui qui les interroge, le débat portera sur un public sans zones grises ni contradictions.
Une question reste sans réponse : aucune règle française n'impose aujourd'hui à un institut de signaler, dans la notice même d'une enquête, la part de réponses synthétiques. Faudra-t-il attendre un nouvel Axios pour qu'on l'exige ?
