Simile sort de l'ombre avec 100 millions de dollars pour faire œuvre de pionnier dans la prédiction du comportement humain

Dans un développement significatif pour le secteur de l'intelligence artificielle (IA), Simile, une startup née à Stanford et spécialisée dans la prédiction de la prise de décision humaine, est officiellement sortie du mode furtif (Stealth mode) avec 100 millions de dollars de nouveaux financements. Cette injection substantielle de capital souligne un changement de focalisation dans l'industrie de l'IA — passant de la génération de texte vers la simulation comportementale complexe. Le tour de table a été mené par Index Ventures, avec la participation de Bain Capital Ventures, A* et Hanabi Capital, ainsi que des investissements providentiels notables des sommités de l'IA Fei-Fei Li et Andrej Karpathy.

Ce financement massif en phase de démarrage met en lumière l'immense appétit du marché pour les technologies d'IA « agentique » (Agentic AI) qui peuvent non seulement comprendre le langage, mais aussi modéliser et anticiper les actions humaines dans des scénarios du monde réel.

Déverrouiller le « pourquoi » derrière les décisions humaines

Alors que la vague actuelle d'IA générative (Generative AI) maîtrise l'art de créer du contenu — texte, images et code — Simile vise à résoudre un problème fondamentalement différent : prédire comment les humains se comportent. La technologie de base de l'entreprise s'articule autour de la création de simulations de haute fidélité de personnes, souvent appelées « agents génératifs ». Ces agents sont conçus pour modéliser des populations ou des individus spécifiques afin de prévoir leurs décisions dans divers contextes.

Selon l'entreprise, son modèle exclusif a été entraîné sur un ensemble de données diversifié et inédit, comprenant des entretiens approfondis avec des centaines d'individus sur leur vie, des données de transactions historiques et un vaste corpus de revues scientifiques axées sur les expériences comportementales. Cette approche multimodale permet aux agents de Simile d'aller au-delà des conjectures statistiques, offrant une simulation plus ancrée de la préférence humaine et de la logique de prise de décision.

Les applications pratiques de cette technologie sont vastes. Dans la sphère corporative, les outils de Simile pourraient permettre aux entreprises de mener des « groupes de discussion virtuels » à grande échelle. Au lieu de sonder des personnes réelles — un processus souvent lent et coûteux — les entreprises pourraient tester des lancements de produits, des messages marketing ou des stratégies de tarification auprès d'une population d'agents d'IA qui reflètent statistiquement leur cible démographique.

Des rapports préliminaires indiquent que des acteurs majeurs de la vente au détail explorent déjà cette technologie. CVS, le géant américain de la santé et de la distribution, aurait testé le service de Simile pour optimiser la prise de décision concernant le stockage des produits et l'agencement des présentoirs. En simulant le flux de clients et les choix d'achat, les détaillants peuvent potentiellement réduire le gaspillage et augmenter les taux de conversion avec une précision sans précédent.

Un pedigree ancré dans la recherche à Stanford

La confiance que les investisseurs ont placée en Simile est largement portée par son équipe fondatrice, qui représente une « équipe de rêve » de talents académiques et techniques de l'Université de Stanford. L'entreprise a été cofondée par Joon Park, Michael Bernstein, Percy Liang et Lainie Yallen.

Joon Park, titulaire d'un doctorat de Stanford, est largement reconnu pour son article séminal sur les « agents génératifs », qui a démontré comment des agents alimentés par des modèles de langage (LLM) pouvaient simuler des interactions sociales crédibles dans un village virtuel. Cette recherche est considérée comme un texte fondateur dans le domaine émergent de l'IA agentique.

Michael Bernstein, professeur d'informatique à Stanford, apporte un contexte historique profond à l'entreprise. Il est co-auteur du projet original ImageNet, l'ensemble de données de référence qui a catalysé la révolution moderne de l'apprentissage profond (Deep learning) dans la vision par ordinateur. Son implication signale que Simile vise un impact fondateur similaire sur le domaine de la simulation comportementale.

Percy Liang, un autre professeur de Stanford et directeur du Center for Research on Foundation Models (CRFM), apporte un poids significatif à l'architecture technique de l'entreprise, garantissant que les modèles sous-jacents sont robustes, évolutifs et alignés avec les dernières avancées de la recherche sur les modèles de fondation (Foundation models).

Validé par des titans de l'industrie

La liste des investisseurs ressemble à un « Who's Who » de la renaissance de l'IA. En tête de ce tour de table se trouve Index Ventures, une société qui a toujours misé tôt sur les plateformes transformatrices. Leur leadership suggère qu'ils voient la simulation comportementale comme le prochain changement majeur de plateforme, comparable à l'essor du SaaS ou de l'informatique mobile.

Peut-être plus révélateur encore est l'implication des investisseurs individuels Fei-Fei Li et Andrej Karpathy. Li, souvent appelée la « marraine de l'IA » pour ses travaux sur ImageNet (aux côtés de Bernstein) et sa direction du Stanford Institute for Human-Centered AI (HAI), préconise depuis longtemps une IA qui comprend le contexte humain. Son soutien valide l'approche de Simile en matière de modélisation « centrée sur l'humain ».

Karpathy, cofondateur d'OpenAI et ancien directeur de l'IA chez Tesla, est l'un des penseurs pragmatiques les plus respectés du secteur. Son investissement suggère une confiance technique dans la capacité de Simile à réaliser la promesse complexe d'une prédiction comportementale fiable, un défi qui nécessite d'aller au-delà des « hallucinations » courantes dans les modèles de langage de grande taille standard.

Le virage stratégique : des chatbots aux simulateurs

L'ascension de Simile marque une tendance plus large dans le paysage du capital-risque. Alors que la couche d'infrastructure de l'IA (puces et modèles de fondation) devient saturée et dominée par les Big Tech, le capital intelligent se déplace vers la couche d'application — spécifiquement les applications qui résolvent des problèmes commerciaux complexes et coûteux.

Prédire le comportement humain est le « Saint Graal » pour des industries allant de la finance et de la vente au détail aux politiques publiques. Les méthodes traditionnelles telles que les sondages, les groupes de discussion et les tests A/B sont réactives et limitées en portée. Simile propose un terrain d'essai proactif et infini. En cas de succès, cette technologie pourrait fondamentalement modifier la manière dont les produits sont conçus et dont les marchés sont analysés.

Cependant, cette technologie soulève également des questions éthiques concernant la vie privée et la manipulation, que l'entreprise devra probablement aborder à mesure qu'elle se développe. En s'entraînant sur des « entretiens avec des centaines de personnes », Simile doit naviguer dans les complexités du consentement des données et le potentiel pour ses agents de renforcer les biais présents dans les données comportementales.

Points clés de l'entreprise

Le tableau suivant résume les détails essentiels de l'émergence et du financement de Simile :

Perspectives d'avenir

Avec 100 millions de dollars en banque et sept mois d'avance dans le développement furtif, Simile est bien positionnée pour recruter agressivement et affiner son produit. L'objectif immédiat de l'entreprise sera probablement d'étendre ses programmes pilotes avec des partenaires entreprises comme CVS et de prouver que ses « humains simulés » peuvent effectivement prédire les actions imprévisibles des humains réels.

À mesure que le cycle de médiatisation de l'IA mûrit, le marché recherche une pensée « Système 2 » dans l'IA — des modèles capables de raisonner, de planifier et de simuler des résultats plutôt que de simplement générer du texte. Simile se situe à l'avant-garde de cette nouvelle frontière, tentant de transformer les variables chaotiques de la psychologie humaine en une science calculable et prévisible.