Une startup prédit le comportement humain grâce à un modèle d’IA innovant
Mirror Particle, une startup basée à San Francisco, remet en question les méthodes établies de prédiction du comportement humain en adoptant une approche novatrice qui, selon elle, va au-delà des limites des modèles de langage de grande envergure (LLM). L’entreprise vise à créer un modèle dynamique qui simule le comportement humain et son évolution dans le temps.
Dans un contexte où les startups se concentrent de plus en plus sur la compréhension des actions humaines, Mirror Particle se distingue. « C’est comme amener un super arroseur aux chutes du Niagara », a déclaré Abhivyakti Ahuja, cofondatrice et PDG, soulignant l’insuffisance des LLM actuels, formés sur des données étendues mais incapables de prévoir avec précision le comportement des consommateurs. Ahuja soutient que les LLM manquent fondamentalement de perception visuelle semblable à celle des humains et d’intelligence sociale, se basant plutôt sur des modèles statiques qui échouent à capturer les nuances des expériences humaines réelles.
La méthode novatrice de Mirror Particle passe par la construction d’un modèle de base à partir de zéro, conçu pour simuler les raisons derrière les actions humaines et leur évolution au fil du temps. « Nous ne voulons pas capturer la personne statique », a expliqué Ahuja. « Nous voulons capturer la personne en mutation », soulignant l’importance des données longitudinales pour comprendre comment les influences affectent le comportement.
Récemment, Mirror Particle a obtenu un financement initial et est en train de finaliser son premier tour de financement en capital-risque. La startup participera également au Startup Battlefield 200 de TechCrunch lors de l’événement TechCrunch Disrupt 2026 qui se tiendra à San Francisco du 13 au 15 octobre.
La méthodologie de l’entreprise s’appuie sur un ensemble diversifié de sources de données, y compris des informations clients, des événements d’actualité et des analyses des médias sociaux, afin de créer un profil démographique complet. Ce système évolue pour refléter les motivations et les expériences qui changent, en se concentrant sur le « comportement révélé » plutôt que sur des données auto-déclarées.
Dans une optique stratégique, Mirror Particle prévoit de cibler les secteurs où les entreprises investissent déjà dans la recherche de marché et la stratégie de marque. Dans des applications pratiques, elle pourrait conseiller une marque de cosmétiques sur la manière de mieux engager les consommateurs de la génération Z en évaluant les préférences de produits au-delà des hypothèses marketing conventionnelles. « Que se passerait-il si [le public cible] ne veut pas de palettes de fards à paupières ? », a interrogé Ahuja, insistant sur la nécessité d’obtenir des informations sur les désirs réels des consommateurs.
Pouvant prédire les comportements, le moteur de Mirror Particle éclaire également les motivations qui sous-tendent ces comportements. Dans le cadre d’un programme pilote, une marque de nourriture pour animaux reconnue a découvert que l’imagerie sur son emballage était moins importante que la reformulation de sa perception de marque; les consommateurs percevaient ses produits comme bon marché et destinés à la masse, ce qui freinait la croissance des ventes.
Fort de son parcours en neurosciences et en informatique, Ahuja est animée par l’ambition de modéliser le comportement humain de manière analogue à la façon dont les nourrissons apprennent à connaître leur environnement. Aux côtés de cofondateurs Will Song et Thomson Yen, qui possèdent une expérience dans la personnalisation des ventes et la compréhension comportementale de l’IA, la startup envisage de devenir une couche essentielle pour prédire le comportement humain, passant d’une analyse de la population générale à une analyse individualisée.
Comme l’a articulé Ahuja, « Nous avons besoin d’un meilleur modèle d’humains si nous souhaitons travailler aux côtés de l’IA et les uns avec les autres. » Mirror Particle est bien positionnée pour offrir de nouvelles perspectives sur le comportement des consommateurs et les processus de prise de décision, avec des implications qui s’étendent à divers secteurs.
IA innovante, comportement humain, modèle dynamique, données longitudinales, marketing, engagement des consommateurs, analyse individualisée
