Vectorial lève 3 millions de dollars en amorçage pour tester des produits auprès de clients simulés

L’IA peut aider une équipe à créer une nouvelle fonctionnalité en quelques heures. Mais il faut parfois encore plusieurs semaines pour savoir si elle répond vraiment aux attentes. Vectorial mise sur les modèles de comportement humain pour réduire cet écart et a levé 3 millions de dollars en financement d’amorçage afin d’intégrer des audiences simulées au processus de développement des produits.

L’entreprise de San Francisco a annoncé ce financement le 20 octobre. Selon son communiqué, elle compte parmi ses soutiens Smilegate, SenseAI Ventures et Dent Capital. Vectorial mentionne également le soutien des écosystèmes de Berkeley et de Stanford, ainsi que la participation de responsables produit de Meta, Shopify et Mastercard. Elle prévoit d’élargir ses ensembles de données comportementales grâce à de nouveaux partenariats sur les données et de développer la prochaine version de son modèle SAPIENS.

Le principe est simple : permettre aux équipes produit, design et marketing d’examiner les réactions possibles de différentes audiences à une expérience numérique avant de la présenter à de vrais clients. La question plus difficile est de savoir si ces réactions simulées sont suffisamment fiables pour améliorer la prise de décision.

Créer un modèle d’audience réutilisable

Vectorial présente sa plateforme comme un système en deux étapes. Elle commence par élaborer un modèle de l’audience cible à partir de données comportementales. Les équipes lancent ensuite des simulations auprès de cette audience afin d’évaluer des parcours produit, des concepts de campagne, des messages de marque ou des agents d’IA destinés aux clients, sur le Web et dans les applications mobiles.

Son modèle SAPIENS représente des caractéristiques démographiques, psychologiques et comportementales, y compris des traits qui ne sont pas directement visibles dans le profil d’un client. L’objectif est de rendre compte des différences entre les personnes, plutôt que de traiter un segment de marché comme s’il s’agissait d’un client moyen. Une équipe de design et une équipe marketing peuvent ainsi s’appuyer sur le même modèle d’audience tout en posant des questions différentes.

Sur son site Web, Vectorial explique que les clients peuvent calibrer des populations à l’aide de segments de CRM, d’enquêtes antérieures, de transcriptions d’échanges avec le service d’assistance et de données d’analyse produit. L’entreprise décrit également une validation rétrospective à partir d’une étude déjà réalisée, avant d’utiliser l’audience modélisée pour répondre à une nouvelle question. Cette approche offre un moyen concret de vérifier si la simulation reflète une clientèle donnée.

Pour une équipe produit, cela pourrait consister à comparer plusieurs parcours d’intégration avant d’engager des ressources d’ingénierie. Un développeur de jeux pourrait étudier les réactions de différents groupes de joueurs à une fonctionnalité envisagée. Une entreprise qui déploie un assistant d’IA pourrait examiner comment ses conversations varient selon la situation des utilisateurs. Il s’agit d’applications possibles de la plateforme, et non de la preuve que chaque réaction prédite se produira après le lancement.

Ce que mesurent les affirmations sur la précision

Vectorial affirme avoir modélisé plus de 2,5 millions de personnes et réalisé plus de 30 000 simulations. Dans son annonce de financement, l’entreprise indique que ces simulations ont reproduit des résultats d’études utilisateurs antérieures avec une précision supérieure à 85 % et présente SAPIENS comme 30 % plus précis que les grands modèles de langage généralistes pour prédire les comportements.

Ces résultats sont communiqués par l’entreprise. Sur son site actuel, elle indique séparément une précision de 87 % sur des études mises à l’écart de l’entraînement et une amélioration de 35 % pour la concordance avec les opinions réelles. L’entreprise distingue explicitement la concordance des opinions de la précision comportementale. Ces chiffres correspondent donc à des évaluations différentes et ne doivent pas être considérés comme une mesure unique et interchangeable de la capacité d’un logiciel à prédire le comportement des personnes.

Pour les clients potentiels, le test pertinent consiste à évaluer les performances du modèle auprès de leur audience, pour leur produit et sur des décisions dont l’issue est connue. Une simulation qui classe correctement deux messages répond à une question différente de celle d’une simulation qui prédit le pourcentage exact d’utilisateurs susceptibles d’acheter. Vectorial reconnaît elle-même que ses performances sont plus faibles pour les prédictions précises dans les catégories où les données comportementales sont limitées.

C’est aussi ce qui distingue la recherche simulée des outils d’IA qui automatisent les processus d’étude de marché. La préparation et l’analyse plus rapides des enquêtes peuvent améliorer la collecte de données auprès de personnes. Un simulateur de comportements génère plutôt des prédictions à partir d’un modèle : le calibrage et la validation sont donc essentiels à la valeur de ses résultats.

De l’expertise en recherche aux décisions produit

Vectorial a été cofondée par Taranveer Singh, son directeur général ; Jasmine Kaur, sa directrice des affaires ; et Rahul Garg, son directeur produit. Leurs parcours réunissent la modélisation des comportements, l’adoption de l’IA en entreprise et le développement de produits logiciels.

Les biographies des fondateurs de l’entreprise décrivent les travaux de Singh dans les domaines de la recherche comportementale et de l’IA, notamment à Carnegie Mellon et au Berkeley AI Research. Kaur a auparavant travaillé sur les utilisateurs synthétiques à des fins de marketing chez Pfizer, tandis que Garg a développé des produits dans des entreprises telles que Blinkit et Housing.com. Cette combinaison aide à comprendre pourquoi Vectorial cherche à intégrer la recherche aux décisions récurrentes sur les produits, plutôt que de vendre uniquement des études de marché ponctuelles.

« Nous continuons d’investir dans notre modèle comportemental, mais un modèle à lui seul ne résout pas le problème », a déclaré Garg dans le communiqué. « C’est pourquoi nous intégrons les modèles comportementaux au cycle de développement des produits. »

Vectorial cite des clients dans les secteurs de la santé, du jeu vidéo et du commerce, notamment Midi Health, GoodRx, Suki AI, boAt, Everkind et Concrete Software. Selon l’annonce, les clients réalisent environ 600 simulations par mois, ce qui correspondrait à quelque 40 études auprès d’utilisateurs. Ces chiffres indiquent la fréquence des tests visée par l’entreprise ; ils ne permettent pas, à eux seuls, d’établir l’effet commercial de chaque simulation.

Un premier aperçu plus rapide, sans renoncer à la validation dans le monde réel

Le financement d’amorçage servira à développer de nouveaux partenariats autour des données comportementales et SAPIENS 2.0. Il est important d’élargir la couverture des données, car l’utilité de la plateforme dépend de sa capacité à représenter fidèlement les personnes qu’une entreprise souhaite atteindre, y compris les groupes dont le comportement peut différer de celui de la majorité.

Le principal atout de cette approche est de permettre des tests plus précoces et plus fréquents. Les équipes peuvent explorer davantage de possibilités, repérer leurs hypothèses et aborder les études auprès de personnes réelles avec des questions plus précises. Le site de Vectorial indique que la participation de personnes réelles reste importante dans les situations inédites et pour les travaux qui nécessitent des données directement recueillies auprès de personnes.

Le défi qui se pose clairement à la jeune entreprise est donc de montrer que des simulations répétées débouchent sur de meilleurs choix de produits, et pas seulement sur davantage de résultats de recherche. Si elle parvient à démontrer ce lien auprès de différents clients et sur différents marchés, la modélisation des audiences pourrait devenir une étape régulière entre la génération d’une idée et sa mise sur le marché.