Population synthétique

Une population synthétique est un ensemble d’individus générés pour reproduire les caractéristiques statistiques connues d’un territoire. La pyramide des âges, la répartition des catégories sociales, la géographie, et idéalement leurs croisements. Le terme est ancien et vient de la microsimulation, en transport, en épidémiologie ou en politiques publiques, bien avant les études marketing.

Dans un contexte d’études, il désigne l’ensemble dans lequel on tire ses répondants. La nuance avec le répondant est celle du tout et de l’unité : la population est ce qu’on contrôle statistiquement, le répondant est ce qu’on interroge.

L’essentiel

• Une population synthétique se juge sur sa structure : ses marges et ses croisements.
• Respecter chaque marge séparément ne suffit pas ; ce sont les croisements qui distinguent les méthodes.
• Une population bien construite ne garantit pas de bonnes réponses : c’est un second étage, à mesurer à part.
• Une méthode décrite n’est pas une méthode contrôlée.

D’où vient le terme ?

De la microsimulation. Pour modéliser un réseau de transport, la diffusion d’une épidémie ou l’effet d’une réforme, on a besoin d’individus crédibles dont l’ensemble ressemble au territoire. On les génère à partir du recensement et de grandes enquêtes, par ajustement proportionnel itératif ou par optimisation. Les études marketing ont repris le terme, en ajoutant aux caractéristiques sociodémographiques des attitudes et des valeurs issues d’enquêtes publiques.

Population synthétique, panel synthétique, répondant synthétique : quelle différence ?

La population synthétique est l’ensemble généré, pris comme un tout. Le panel synthétique est l’échantillon qu’on y tire pour une étude donnée. Le répondant synthétique est l’unité qu’on interroge : les réponses qu’un modèle produit pour un profil. Les trois ne se jugent pas sur les mêmes preuves : la structure pour la population, la représentativité pour le panel, la qualité des réponses pour le répondant.

Une population bien construite garantit-elle de bonnes réponses ?

Non, et c’est la confusion la plus fréquente du domaine. La structure de la population et la qualité des réponses sont deux étages différents. Une population peut respecter toutes ses marges et ses croisements, et ses répondants simulés rester beaucoup trop d’accord entre eux. Les moyennes sont alors justes, et les comparaisons faussées.

C’est ce second étage que nous mesurons et publions : la dispersion des réponses face aux enquêtes nationales de huit marchés, 0,20 à 0,76 de la dispersion humaine avant correction, 0,96 à 1,07 sur les attitudes et 0,85 à 1,00 sur la personnalité après. Voir la sous-dispersion et notre note sur la fiabilité.

Ce que ce n’est pas

Respecter chaque marge séparément ne suffit pas. Une génération peut reproduire parfaitement la distribution des âges et celle des revenus, et produire des croisements âge × revenu très éloignés du réel. C’est la limite structurelle de l’exercice, et c’est là que les méthodes se distinguent réellement les unes des autres.

Comment vérifier une population synthétique ?

• Quelles caractéristiques ont été visées, et sur quelle source de référence.
• Si les croisements ont été contraints, ou seulement les marges simples.
• Si l’écart aux cibles a été mesuré après génération, sur plusieurs tirages.
• Et, pour une étude, si la qualité des réponses a été mesurée à part. Voir calibration.