Les grands modèles de langage (LLM) peuvent égaler, voire dépasser la précision des enquêtes humaines. Des chercheurs de l'ETH Zürich et de l'Université de Mannheim ont démontré que les LLM peuvent prédire ce que les gens achèteraient avec environ 90 % de la précision humaine, en utilisant 9 300 réponses réelles d'enquêtes sans mener une seule nouvelle enquête . Cela suggère que la modélisation synthétique des consommateurs devient viable.

L'IA générative est rapidement adoptée par les acheteurs réels. Une enquête Capgemini de 2025 menée auprès de 12 000 consommateurs a révélé que près d'un consommateur sur quatre a utilisé l'IA générative pour faire ses achats, et que 68 % sont prêts à agir sur ses recommandations . Parmi la génération Z, 55 % ont déjà acheté des produits recommandés par des outils d'IA générative . Le BCG rapporte que l'utilisation de l'IA générative liée aux achats a augmenté de 35 % entre février et novembre 2025 .

La confiance des consommateurs et la vie privée restent des éléments médiateurs clés. Une revue systématique basée sur Scopus (2025) a constaté que les attitudes des consommateurs (confiance, préoccupations en matière de vie privée) et les intentions comportementales sont les principaux médiateurs de l'adoption de l'IA dans ce domaine, tandis que les préoccupations éthiques soulignent la nécessité d'architectures algorithmiques transparentes .

Des limites importantes. La précision des prédictions peut se dégrader avec des données d'entraînement rares ou biaisées, et les modèles peuvent avoir du mal avec les événements rares, les tendances radicalement nouvelles ou les changements de sentiment des consommateurs qui ne sont pas reflétés dans les données historiques. Plusieurs études notent que l'IA est mieux utilisée comme un complément au jugement humain et à la recherche marketing qualitative, et non comme un remplacement .

Les grands modèles de langage (LLM) peuvent égaler, voire dépasser la précision des enquêtes humaines. Des chercheurs de l'ETH Zürich et de l'Université de Mannheim ont démontré que les LLM peuvent prédire ce que les gens achèteraient avec environ 90 % de la précision humaine, en utilisant 9 300 réponses réelles d'enquêtes sans mener une seule nouvelle enquête . Cela suggère que la modélisation synthétique des consommateurs devient viable.

L'IA générative est rapidement adoptée par les acheteurs réels. Une enquête Capgemini de 2025 menée auprès de 12 000 consommateurs a révélé que près d'un consommateur sur quatre a utilisé l'IA générative pour faire ses achats, et que 68 % sont prêts à agir sur ses recommandations . Parmi la génération Z, 55 % ont déjà acheté des produits recommandés par des outils d'IA générative . Le BCG rapporte que l'utilisation de l'IA générative liée aux achats a augmenté de 35 % entre février et novembre 2025 .

La confiance des consommateurs et la vie privée restent des éléments médiateurs clés. Une revue systématique basée sur Scopus (2025) a constaté que les attitudes des consommateurs (confiance, préoccupations en matière de vie privée) et les intentions comportementales sont les principaux médiateurs de l'adoption de l'IA dans ce domaine, tandis que les préoccupations éthiques soulignent la nécessité d'architectures algorithmiques transparentes .

Des limites importantes. La précision des prédictions peut se dégrader avec des données d'entraînement rares ou biaisées, et les modèles peuvent avoir du mal avec les événements rares, les tendances radicalement nouvelles ou les changements de sentiment des consommateurs qui ne sont pas reflétés dans les données historiques. Plusieurs études notent que l'IA est mieux utilisée comme un complément au jugement humain et à la recherche marketing qualitative, et non comme un remplacement .