fr.wedoany.com Rapport : La société chinoise Tezign a présenté un modèle du monde subjectif lors de la Conférence mondiale sur l’intelligence artificielle (WAIC) 2026, capable de simuler les comportements réels de prise de décision des consommateurs grâce à un apprentissage collaboratif de données hétérogènes à quatre niveaux. La conception de ce modèle repose sur le fait connu en psychologie cognitive qu’il existe un écart systématique entre les « préférences autodéclarées » et les « poids réels des décisions », visant à surmonter la limitation inhérente des grands modèles de langage à modéliser la prise de décision humaine.
Cette exposition a attiré plus de 1 100 entreprises participantes, avec une superficie d’exposition de 100 000 mètres carrés. L’architecture du modèle du monde subjectif (Subjective World Model, SWM) proposé par Tezign comprend quatre niveaux. Le premier niveau est le niveau d’expression, qui utilise des milliards de données linguistiques natives provenant de plateformes sociales pour construire une cartographie haute dimension entre les vecteurs de style linguistique des utilisateurs et leurs caractéristiques démographiques et psychologiques. Le deuxième niveau est le niveau narratif, qui modélise les graphes causaux temporels des motivations comportementales à partir de dizaines de milliers d’heures d’entretiens individuels approfondis (chaque entretien dure 1 à 2 heures, produisant 5 000 à 20 000 mots de texte non structuré) ; ce niveau souligne que les données d’entretien réelles possèdent une cohérence causale inter-situationnelle que les données synthétiques ne peuvent remplacer.
Le troisième niveau est le niveau cognitif, qui utilise des questionnaires standardisés tels que le questionnaire de jugement comportemental, le Schwartz Value Survey et l’inventaire de personnalité Big Five pour modéliser les vecteurs de poids de valeur individuelle et les coefficients d’aversion au risque, visant à quantifier l’écart entre les préférences déclarées des consommateurs et leurs compromis décisionnels réels. Le quatrième niveau est le niveau comportemental, qui utilise des données d’expériences de jeux économiques (jeu de l’ultimatum, jeu du bien public, jeu de confiance) ainsi que des enregistrements de transactions réelles pour une modélisation individuelle paramétrée, produisant trois paramètres d’économie comportementale : le coefficient d’aversion aux pertes λ, le taux d’actualisation hyperbolique δ et la sensibilité aux normes sociales γ.
Lors de l’inférence, le SWM maintient pour chaque persona cible quatre états conjoints : l’intégration du style linguistique au niveau expression, le graphe causal des motivations au niveau narratif, le vecteur de poids de valeur au niveau cognitif et les paramètres économiques au niveau comportemental. Ces quatre niveaux évaluent conjointement pour générer un AI Persona doté d’un état interne. Contrairement aux grands modèles de langage sans état qui génèrent des réponses indépendantes à chaque fois, le Persona du SWM peut maintenir un état interne cohérent lors de questions successives. Les résultats quantitatifs montrent une précision de simulation comportementale de 85 % (basée sur des entretiens approfondis réels), permettant de générer plus de 300 000 AI Personas par diffusion de données sociales, dont plus de 10 000 Personas de haute précision directement entraînés à partir de données d’entretiens, avec un délai de livraison inférieur à 30 minutes.
En plus de la compréhension, Tezign a développé l’architecture d’agent d’entreprise GEA (Generative Enterprise Agent) pour exécuter des tâches orientées consommateur. La couche d’orchestration de cette architecture est pilotée par le premier modèle de langage à raisonnement divergent enregistré en Chine, le Creative Reasoning Model. La couche d’exécution peut appeler plus de 400 modules Agent Skill et coordonner plus de 30 modèles de base, tandis que le Context System sert de couche de persistance des connaissances d’entreprise. Actuellement, cette architecture a été déployée à grande échelle dans des scénarios métiers tels que le marketing de contenu, la recherche d’insights, l’innovation produit et la création design, avec un déploiement mensuel de plus de 10 milliards de tokens, couvrant plus de 50 pays et régions dans le monde.
Selon Tezign, la barrière concurrentielle du SWM ne réside pas dans la reproductibilité de la conception architecturale, mais dans les données d’entretiens réels accumulées depuis dix ans au niveau narratif et son mécanisme anti-synthèse intégré — lorsque la voie des données synthétiques échoue systématiquement lors de la validation croisée entre les niveaux cognitif et comportemental, les concurrents tardifs doivent accumuler des données réelles à partir de zéro. La compétition dans la seconde moitié de l’IA d’entreprise passera de la capacité d’intégration des modèles à la profondeur de la compréhension des domaines métiers et à l’accumulation d’actifs techniques.
