Comment la simulation de foule par l'IA prédit les réactions du public

La simulation de foule par IA prédit les réactions du public en créant une population d'agents IA à partir de contextes réels et en les laissant interagir au fil du temps, au lieu de solliciter un modèle unique pour une réponse unique. Dans InfoDome , votre document devient un graphe de connaissances, ce graphe se transforme en centaines d'agents dotés de leurs propres caractéristiques, positions et mémoires. Ces agents débattent sur deux plateformes simulées pendant un nombre de tours prédéfini. Un agent analyste examine ensuite les échanges et rédige un rapport de prédiction que vous pouvez consulter.

Pourquoi simuler une foule au lieu d'interroger un seul modèle ?

Si vous demandez à un modèle d'IA « comment les gens vont-ils réagir ? », vous obtiendrez un paragraphe plausible. Souvent raisonnable, certes, mais il s'agit d'une moyenne : une seule voix qui imagine tout le monde à la fois. Les réactions réelles ne fonctionnent pas ainsi. Les gens interagissent. Le commentaire d'un critique influence la perception de l'information par un lecteur neutre ; la réponse d'un défenseur modifie les propos suivants du critique ; un journaliste privilégie l'interprétation la plus forte, et non la plus juste.

Une simulation de foule tente de saisir cette dynamique. Au lieu d'un consensus unique, elle modélise de nombreux acteurs distincts et laisse le résultat émerger de leurs interactions. C'est pourquoi le résultat peut surprendre, et pourquoi il est important d'explorer les surprises. Cette méthode plus générale est connue sous le nom de simulation multi-agents ; nous en expliquons les principes dans l' article « Qu'est-ce qu'une simulation multi-agents ? » .

Étape 1 : Du document au graphe de connaissances

Tout commence par votre matériau : actualités, plans, rapports, ébauches de politiques ou œuvres de fiction, au PDF , Markdown ou texte. InfoDome le lit en parallèle avec votre description en langage clair de ce que vous souhaitez prédire et en extrait un graphe de connaissances.

• Entités : personnes, organisations et groupes mentionnés dans le texte.
• Relations : qui soutient, s'oppose à, dépend de, rend compte de ou est en concurrence avec qui.
• Contexte : les faits et les positions que le texte attribue à chacun d'eux.

Le graphique est important car il ancre la simulation dans votre situation plutôt que dans des hypothèses génériques. Il est également visible, ce qui vous permet de voir ce que le système a interprété avant même le début de la simulation.

Étape 2 : Du graphe aux agents

À partir du graphique et de la description de votre public cible, InfoDome crée des centaines d'agents IA ; leur nombre exact dépend du document. Chaque agent reçoit :

• Un caractère : tempérament, intérêts, façon de parler et d'interagir.
• Une position : son point de départ sur la question, déterminé par le graphique.
• La mémoire à long terme : ce qu'elle a vu, dit et entendu, et qui persiste d'une session à l'autre.
• Pays : vous pouvez sélectionner jusqu’à 10 pays cibles, et les agents seront répartis équitablement entre eux. Les entités nommées dans le document conservent leur pays d’origine.

Ce choix est délibéré. Certains agents représentent des organisations ou des personnes nommées dans votre texte ; d’autres représentent des membres du public plus large, de sorte que la simulation inclut à la fois les acteurs visibles et la foule qui réagit à leurs actions.

Étape 3 : Tours sur deux plateformes

Les agents interagissent ensuite au sein d'un réseau social simulé fonctionnant en parallèle sur deux plateformes :

• Un flux de type Twitter : messages courts, réactions rapides, partages. C’est là que les idées se propagent rapidement et que le ton s’envenime.
• Un forum de type Reddit : des discussions et des réponses plus longues. C’est ici que les arguments sont mis à l’épreuve, que les détails sont débattus et que les positions se durcissent ou s’assouplissent.

Vous choisissez le nombre de tours, par exemple 10, 20 ou 40. À chaque tour, les agents lisent les messages des autres, décident s'ils doivent répondre et comment, et mettent à jour leurs connaissances. Comme les informations se conservent, le tour 15 est influencé par les tours 1 à 14. Un argument resté sans réponse au début peut devenir une vérité établie par la suite ; une correction arrivée tardivement peut ne jamais être prise en compte.

Étape 4 : De la conversation au rapport

À l'issue de la dernière session, un agent analyste étudie l'activité simulée et rédige un rapport de prédiction présentant ses conclusions : les récits dominants, les groupes ayant agi et leurs motivations, les acteurs ayant amplifié le phénomène, ainsi que les risques et questions en suspens. Ce rapport n'est pas le seul résultat. Il est possible de consulter les publications sous-jacentes, d'interroger chaque agent sur son raisonnement et de poser des questions complémentaires à l'analyste. Cette traçabilité permet de transformer une simulation en une hypothèse vérifiable plutôt qu'en un verdict opaque.

Pourquoi les réactions du second ordre sont importantes

La première réaction à une information est généralement facile à prévoir. Une hausse de prix agace les consommateurs ; une nouvelle réglementation inquiète le secteur concerné. Ce qui est difficile à prévoir, c’est la réaction de second ordre : la réaction à cette réaction.

Exemples d'effets de second ordre que peut engendrer une simulation de foule :

• La réponse défensive d'une entreprise transforme une petite plainte en une histoire d'arrogance.
• Une rumeur disparaît rapidement des flux d'informations rapides, mais survit dans un fil de discussion d'un forum qui refait surface plus tard.
• Le soutien tiède d'un allié est interprété par les agents neutres comme le signe de problèmes cachés.
• Deux groupes initialement opposés découvrent un grief commun et s'allient.

Ces effets n'apparaissent que lorsque les acteurs interagissent au fil du temps, ce qui est précisément le rôle des tours de table et de la mémoire collective. Ce sont également les effets qui prennent le plus souvent les organisations au dépourvu, car aucun entretien isolé avec les parties prenantes ne permettrait de les révéler.

Un exemple concret

Une municipalité élabore un plan pour transformer une rue commerçante très fréquentée en zone piétonne. L'équipe de planification soumet le projet, un résumé d'une étude de circulation et un article de presse locale citant des commerçants. Elle interroge les riverains, les commerçants, les entreprises de livraison et les médias locaux sur leurs réactions durant le premier mois, et réalise 40 sondages dans un seul pays.

Les premiers échanges ne réservent aucune surprise : les commerçants s’inquiètent des livraisons, les riverains apprécient l’idée d’une réduction du bruit. Puis, une tendance secondaire se dessine. Un représentant d’une entreprise de livraison suggère que des créneaux de livraison tôt le matin permettraient de résoudre la plupart des problèmes. Les commerçants, présents sur le forum, reprennent l’information et leurs critiques passent d’une opposition au projet à une opposition au projet sans créneaux de livraison. Parallèlement, sur le fil d’actualité, un représentant des médias locaux amplifie la plainte d’un riverain concernant le stationnement, détournant ainsi l’attention des livraisons.

Le rapport de l'analyste conclut que les créneaux de livraison pourraient diviser la concurrence et que le stationnement représente le risque le plus persistant. L'équipe interroge l'attaché de presse pour comprendre quels éléments modifieraient son discours, puis intègre un volet relatif au stationnement au plan. La simulation n'a rien prouvé concernant la situation réelle, mais elle a fourni à l'équipe deux hypothèses concrètes et vérifiables. Pour les situations où les rumeurs circulent abondamment, le scénario de propagation des rumeurs repose sur les mêmes mécanismes.

Limites à garder à l'esprit

La simulation de foule est un outil puissant pour explorer les dynamiques, mais elle a des limites évidentes :

• Les agents sont des modèles d'IA conditionnés par vos documents. L'absence de parties prenantes ou des informations unilatérales peuvent engendrer des angles morts.
• Les résultats ne sont pas statistiquement représentatifs comme un échantillon d'enquête, et les pourcentages ne doivent pas être interprétés comme des proportions réelles.
• Chaque série de victoires peut se dérouler différemment. Considérez les schémas récurrents comme des signaux plus fiables que les moments spectaculaires isolés.

Utilisée en tenant compte de ces limites, la simulation est un moyen rapide d'anticiper les événements futurs et d'en comprendre les raisons. Pour l'essayer sur votre propre cas, préparez une tâche dans la console .