Les startups qui promettent de prédire le comportement des humains sont en bonne voie. Au cours de l’année dernière, Simile a levé 200 millions de dollars pour une valeur de 2 milliards de dollars ; Aaru a levé 88 millions de dollars pour une valeur de 1 milliard de dollars ; et Humans&, une startup d’IA qui a annoncé une énorme phase de financement initial de 480 millions de dollars en janvier pour une valeur de 4,48 milliards de dollars, a lancé Persimmon afin de modéliser le comportement humain.
Le statu quo concernant la prédiction du comportement humain aujourd’hui repose en grande partie sur de grands modèles de langage (LLM) qui sont stimulés ou affinés pour jouer le rôle d’une population cible. Mais le Mirror Particle, basé à San Francisco et âgé de deux ans, pense que cette approche est fondamentalement erronée.
« C’est comme apporter un super soaker aux chutes du Niagara », dit Abhivyakti Ahuja, cofondateur et PDG de Mirror Particle, qui fournit aux marques un moteur d’IA capable de prédire le comportement des consommateurs et les raisons qui le sous-tendent. « Les LLM ont été entraînés sur des centaines de milliards de points de données. Quelle influence peut-on avoir sur leur comportement en les affinant avec une telle petite quantité de données ? Ils sont encore prisonniers du passé. »
Ahuja pense que les LLM ne perçoivent le monde pas de la même manière qu’un humain. « Les LLM modélisent le langage écrit, mais les humains sont constitués d’une perception visuelle, de raisonnement spatial et d’intelligence sociale. » En comptant sur eux, dit-elle, on obtient des informations basées sur ce que les humains ne remarquent pas, ce qui est en dehors du but lorsqu’on tente de prédire le comportement humain.
La particule de miroir adopte une autre approche : elle construit un modèle de base, ou, comme le décrit Ahuja, un modèle du monde construit zéro à zéro qui simule pourquoi les humains agissent ainsi et comment le comportement humain change au fil du temps.
« Nous ne voulons pas capturer la personne statique », a déclaré Ahuja. « Nous voulons capturer la personne en évolution. Cela signifie recueillir des données longitudinales sur la manière dont les gens changent, sur les facteurs qui les provoquent et dans quelle mesure. Si rien ne change, ajouta-t-elle, c’est aussi un signal. »
Mirror Particle a déjà organisé une rencontre avec des anges et dit qu’elle est proche de clôturer sa première série de financements. L’entreprise participera également la semaine suivante à Startup Battlefield 200, la célèbre compétition de start-ups de TechCrunch qui se déroule à TechCrunch Disrupt 2026 à San Francisco, du 13 au 15 octobre.
L’entreprise start-up compte sur une combinaison propriétaire de données, incluant les données clients des clients, les événements actuels, la culture populaire, les réseaux sociaux et bien plus encore, afin de modéliser un segment démographique. On considère cela comme un système qui évolue au fil du temps, en suivant comment les motivations changent au cours des expériences vécues. Une grande partie de l’attention est portée au « comportement réel » – ce que les personnes font vraiment, plutôt que les réponses données dans les enquêtes auto-réportées.
Comme ses concurrents, la stratégie de lancement initiale de Mirror Particle se concentre sur les domaines où les budgets existent déjà pour ce type d’analyse : recherche de marché et stratégie de marque et de produit. Par exemple, Mirror pourrait aider une marque de beauté non seulement à rédiger des textes publicitaires plus efficaces pour des produits de maquillage attirant la génération Z, mais aussi à déterminer si cette catégorie de clientèle souhaite vraiment ce produit.
« Et si [le groupe cible] ne veut pas de palettes de fard à yeux ? » dit Ahuja. « Peut-être que le rouge à lèvres serait une meilleure option si vous voulez vendre un produit à ce marché. »
Le moteur de prévision de la particule de miroir fournit également aux clients le « pourquoi » derrière le comportement actuel ou futur – les motivations, les contraintes et le contexte supplémentaire qui justifient sa recommandation, aidant ainsi les marques à prendre des décisions plus intelligentes.
Dans un premier pilote, une marque bien connue de nourriture pour animaux voulait savoir quelles images placer sur l’emballage pour augmenter les ventes. Poulet ? Bœuf ? Légumes ? La technologie de Mirror a révélé que la marque posait la mauvaise question. Les images n’avaient pas d’importance. Le problème était que la marque était si reconnaissable qu’elle était perçue comme du marché de masse et bon marché, et les ventes resteraient stables jusqu’à ce que la marque résolve ce problème de perception.
« La manière dont nous observons l’évolution de notre modèle est similaire à la façon dont un bébé apprend le monde », a déclaré Ahuja, en soulignant que les bébés passent de la vision à la langue, puis à la conscience du corps et enfin à l’intelligence sociale.
Cet intérêt fondamental pour la modélisation du cerveau humain provient de son expérience en neurosciences et en informatique. Originaire de l’Inde, elle a fini ses études à l’Université de Toronto, où elle s’est inspirée des contributions de Geoffrey Hinton, pionnier en intelligence artificielle, aux réseaux neuronaux.
Après l’école, Ahuja s’est retrouvée au bâtiment Amazon Robotics, où sont construits les robots qui fabriquent d’autres robots. C’est là qu’elle a rencontré ses co-fondateurs, Will Song et Thomson Yen. Song a passé une grande partie de sa carrière à développer des moteurs de personnalisation des ventes, tandis que Yen s’est concentré sur l’utilisation de l’apprentissage profond pour comprendre comment les agents d’IA comprennent le comportement humain.
La vision à long terme de l’entreprise est d’être la « couche générale permettant d’anticiper le comportement humain » et de passer des analyses au niveau de la population à des insights au niveau individuel.
« Nous avons juste besoin d’un modèle plus précis des humains si nous voulons travailler en collaboration avec l’IA et les uns avec les autres », a déclaré Ahuja.
Veuillez visiter Mirror Particle et de nombreuses autres startups innovantes qui ont été examinées par l’équipe éditoriale de TechCrunch la semaine prochaine à Disrupt dans le centre de San Francisco. Le gagnant du Startup Battlefield de cette année sera déterminé par notre panel de juges de VC l’après-midi du jeudi 15 octobre.