Panelia vs Synthetic Users : entretien qualitatif ou mesure quantitative

Il existe déjà d'autres outils qui simulent des répondants avec de l'IA, et il est facile de les mettre dans le même panier. Pourtant Synthetic Users et Panelia ne répondent pas à la même question : l'un fait parler un individu en profondeur, l'autre mesure une tendance sur un échantillon.

Ce que fait Synthetic Users

Synthetic Users est une startup qui génère des participants synthétiques pilotés par IA, avec une architecture multi-agents combinant LLM et récupération d'information (RAG), pour de la recherche qualitative rapide : exploration de problème, test de concept, entretiens scriptés. La facturation se fait à l'entretien, avec un positionnement plutôt agence et entreprise, une conformité SOC 2, et des bureaux aux États-Unis (Los Angeles), au Portugal (Lisbonne) et au Royaume-Uni (Londres). L'outil est pensé pour reproduire l'expérience d'un entretien qualitatif individuel : on pose des questions ouvertes à un persona synthétique et on explore ses réponses comme on le ferait avec un vrai participant en interview.

Ce que fait Panelia

Panelia ne simule pas une conversation individuelle, il mesure une distribution. Vous décrivez un concept, un prix ou un message, et vous obtenez en quelques minutes une répartition d'intention d'achat sur des centaines de répondants synthétiques, avec intervalle de confiance, sur la base d'une méthode publiée sur arXiv (2510.08338) et calibrée sur des données humaines réelles. Comptez environ 1 euro et 10 minutes. La sortie n'est pas un compte rendu d'entretien, c'est un chiffre statistique accompagné de verbatims illustratifs et d'une synthèse.

Deux formats, deux usages

Si votre question est « pourquoi ce problème existe » ou « comment cet utilisateur vit cette situation », l'entretien qualitatif reste le format adapté : creuser, relancer, suivre un fil de pensée imprévu, c'est exactement ce que permet une conversation, synthétique ou non. Synthetic Users a construit son produit autour de cet usage. Si votre question est plutôt « quelle proportion de mon marché achèterait à ce prix » ou « quel message convertit le mieux entre trois versions », il faut une mesure sur un échantillon, pas une conversation individuelle même approfondie. C'est l'usage pour lequel Panelia est construit.

Une limite commune à rappeler

Les deux outils reposent sur des modèles de langage, pas sur de vraies personnes recrutées. C'est un vrai avantage de rapidité et de coût, mais aussi une limite honnête à garder en tête : un persona synthétique, aussi bien calibré soit-il, reste une simulation. Chez Panelia, cette limite est assumée : c'est un outil d'aide à la décision, calibré sur des données réelles pour rester proche du comportement observé, mais qui ne remplace pas un test humain quand l'enjeu est vraiment critique.

Un exemple concret

Prenons un cas simple : vous voulez comprendre pourquoi des utilisateurs abandonnent votre tunnel d'achat, puis décider à quel prix relancer une offre. Pour la première question, un entretien qualitatif approfondi, chez Synthetic Users ou avec de vrais utilisateurs, permet de creuser le contexte, les hésitations, les comparaisons faites avec d'autres solutions. Pour la seconde question, un entretien même riche ne suffit pas : il faut savoir quelle proportion du marché achèterait à 19, 29 ou 39 euros, avec une marge d'erreur associée. C'est là que Panelia prend le relais, avec une distribution chiffrée plutôt qu'un ressenti individuel, aussi bien argumenté soit-il. Les deux étapes sont complémentaires, rarement interchangeables.

Faire les deux dans le bon ordre

Dans un cycle de découverte produit, les deux approches se suivent bien plus qu'elles ne se concurrencent. Une poignée d'entretiens qualitatifs, synthétiques ou réels, aide à comprendre les motivations et à formuler de bonnes hypothèses de concept, de prix ou de message. Une mesure quantitative comme celle de Panelia permet ensuite de trancher entre ces hypothèses avec un chiffre, pas une impression. Utiliser l'un pour explorer et l'autre pour mesurer évite l'erreur classique qui consiste à décider une taille de marché entière à partir de trois conversations, aussi riches soient-elles.