N'importe quelle IA peut afficher « votre conversion sera de 23 % ». Elle se trompera.
La catégorie vend une fausse précision. Nous vendons une orientation à laquelle vous pouvez vous fier, et un indice qui vous dit exactement jusqu'où lui faire confiance. Voici l'argument, en entier.
La recherche simulée a un secret gênant : les chiffres paraissent précis et ne le sont pas. Des travaux évalués par des pairs montrent que les modèles de langage ne reproduisent pas fidèlement la psychologie humaine : les prédictions absolues dérivent, les distributions s'effondrent, et des décimales assurées masquent de simples suppositions. Nous avons bâti Windrose Atlas sur ce constat, pas contre lui.
Voici donc notre engagement envers vous. Sans données du monde réel, Windrose Atlas rapporte trois choses qu'il peut défendre : l'orientation d'un effet, le classement de vos variantes, et les hypothèses qui méritent le plus votre temps précieux.
Chaque chiffre est accompagné d'un indice de fiabilité, sur quel échelon il repose, s'il est calibré, et jusqu'où nos backtests estiment que le simulateur peut être cru. Quand nous ne savons pas, le produit dit « nous ne savons pas ». Ce n'est pas une clause de non-responsabilité. C'est le produit.
Apportez vos propres résultats plus tard, ventes, inscriptions, expériences passées, et l'indice grimpe de SIM-RANK à un échelon CALIBRÉ. Seules vos données réelles le méritent, jamais nous.
Pourquoi ne pas simplement demander à Claude ? Trois raisons structurelles, et un aveu.
La cible d'optimisation pointe dans le mauvais sens. Les assistants de pointe sont entraînés à être serviables, rationnels et conciliants. Cet entraînement supprime systématiquement l'impulsivité, les biais, l'incohérence et la variance qui font que de vrais clients sont réels. Un modèle récompensé pour ne pas être irrationnel ne peut pas simuler un acheteur irrationnel, et un modèle récompensé pour sa complaisance aura tendance à aimer votre idée. Notre oracle est optimisé dans la direction opposée : un modèle de cognition entraîné sur des millions de décisions humaines documentées, issues d'expériences comportementales publiées, délibérément tenu à l'écart de l'entraînement des assistants. Ce n'est pas un écart qu'un meilleur prompt peut combler. C'est une fonction objectif différente.
Une réponse n'est pas une mesure. Un chat vous donne un seul échantillon d'un modèle sensible à la formulation, à l'ordre et à la température, sans aucun plan d'expérience derrière. Une exécution Windrose est une expérience conçue : une grille factorielle de personas et de conditions, des formulations contrebalancées, des vérifications de dispersion à travers les paraphrases, cent rééchantillonnages derrière chaque classement, et un score de stabilité au lieu d'une impression. Même entrée, même instrument, mêmes artefacts, chaque exécution auditable jusqu'à un hash de manifeste. Les conversations ne sont pas reproductibles. Les instruments le sont.
Un chat ne découvre jamais qu'il s'est trompé. Il n'existe aucune boucle entre la supposition d'un assistant et ce que le marché a réellement fait. Windrose ferme cette boucle : clients et agents renvoient de vrais résultats, chacun devient une observation appariée (simulation, réalité), et le calibrage va du réel vers la simulation, jamais l'inverse. Ce corpus grandissant de paires vérifiées n'existe dans aucun modèle de fondation et ne peut pas être aspiré. C'est l'actif.
L'aveu : nous utilisons Claude. Un modèle de pointe conçoit nos scénarios et siège dans l'ensemble comme un second oracle indépendant ; l'accord entre les oracles est rapporté sur l'indice. Nous ne concurrençons pas l'intelligence de pointe, nous construisons l'instrument autour d'elle. Quand les modèles s'améliorent, l'instrument s'améliore. Ce qu'ils ne développeront jamais seuls, c'est la méthode, le contrat épistémique imposé dans le code, et le corpus de vérification.
Un consultant brillant vous donne un avis. Un laboratoire mène l'expérience qui peut prouver que vous avez tort. Windrose est le laboratoire.
Trois choses que nous pouvons défendre à l'examen.
Dans quel sens pointe l'effet.
Ce message aide-t-il ou nuit-il ? Une orientation, honnête quant à sa portée.
Quelle variante est la plus forte, et pour qui.
L'ordre plutôt que les décimales, avec un score de stabilité indiquant la fermeté avec laquelle il tient.
Quoi tester ensuite dans le monde réel.
Le pont vers le terrain, les conversations à avoir en premier.
Quand nous ne savons pas, le produit le dit. Ce n'est pas une clause de non-responsabilité, c'est le produit.
Les questions méthodiques.
Nous rapportons une orientation et un classement, pas des chiffres absolus. Chaque résultat porte une classe de backtest et un indice de fiabilité montrant exactement là où le simulateur peut être cru, et là où il ne le peut pas.
Pas aveuglément. C'est pourquoi chaque résultat porte son échelon sur l'échelle de fiabilité. Une simulation sélectionne les hypothèses à tester en premier ; elle ne remplace jamais des données du monde réel.
Non. Cela vous dit quelles conversations avoir en premier.
Des données démographiques du recensement et des attitudes d'enquêtes publiées, paramétrées par des cadres culturels documentés. La liste complète des sources se trouve sur la page Science.
Voyez toute la méthode, puis lancez la vôtre.
Les trois axes d'incertitude, le protocole de backtest, l'indice complet, tout sur la page Science.