Deux moteurs, une plateforme : de vrais répondants recrutés sur les réseaux sociaux, et des répondants simulés — avec un score qui dit auquel se fier.
Johns Hopkins University
PrixPrixPrixPartenaire de recherchePartenaire stratégiquePartenaire stratégiqueSoutienSoutienMembreMembreDe vrais répondants, recrutés là où ils sont déjà
81% ont passé les contrôles d'attention, contre 37 % sur un panel commercial — étude de validation II, Université de Zurich
Recrutés ad hoc sur Instagram, Facebook, TikTok, Snapchat, LinkedIn et WhatsApp — micro-ciblés pour chaque question, jusqu'aux groupes qu'aucun panel ne couvre.
Des répondants simulés, sur le même questionnaire
6.9/10 plausibilité moyenne en août 2026 — notée par un modèle juge indépendant
En clair : un modèle de langage, formé sur des décennies de données d'enquête représentatives et propriétaires d'instituts partenaires établis, joue les répondants. Techniquement, des grands modèles de langage (LLM) conditionnés par persona, affinés sur ces données — des décennies issues de gfs.bern — un appel au modèle par répondant synthétique.
Human Sampling Silicon Sampling
Treize sondages sur sept mois (N 416–976), comparés à deux résultats de votations et à un panel suisse établi : sur 2 sondages politiques sur 3, Boomerang a prédit le vote plus précisément.
Même questionnaire, USA, 1'000 répondants chacun : 42% vs 20% ont fini les deux vagues.
Notre terrain réseaux sociaux dans les sondages de votation de gfs.bern : leur prévision, notre terrain.
Face au propre terrain d'un client : les résultats concordaient avec ses benchmarks internes pour les échantillons réseaux sociaux et hybrides (réseaux sociaux et panel, tous humains).
0.25% d'écart avec le résultat, contre une moyenne du secteur d'environ 3.6%. Une élection, analyse interne : un cas, pas un taux d'erreur.
Chiffres dans les sections suivantes.
Financé par Innosuisse ; première publication attendue au T1 2027.
PDF : Methodik · Swiss Insights News #11 · pré-étude 2021 · étude 2023/24 · Plus : Forschung & Validierung
Notre fondateur, Raphael Ueberwasser, sur la démocratisation des études de marché et d’opinion. Édition imprimée du 8 octobre 2026, en ligne derrière un paywall.
Boomerang Ideas fait partie des finalistes. Le pitch en ligne a lieu le 4 novembre 2026.
Un sondage de gfs.bern pour la SSR. gfs.bern, investisseur stratégique de Boomerang depuis 2023, utilise Boomerang comme une partie de l’échantillon des sondages de tendance SRF (trimestriels).
La note de méthode de gfs.bern elle-même. gfs.bern utilise Boomerang comme une partie de l’échantillon des sondages de tendance SRF (trimestriels).
Sur la manière dont gfs.bern interroge. gfs.bern utilise Boomerang comme une partie de l’échantillon des sondages de tendance SRF (trimestriels).
L’encadré méthodologique de l’article cite Boomerang Ideas comme l’entreprise qui a mené le sondage.
Entretien avec notre fondateur, Raphael Ueberwasser.
Un sondage sur les bannières de cookies en Suisse, réalisé avec Boomerang Ideas.
Un épisode consacré à Boomerang Ideas, avec notre fondateur.
Sur notre premier tour de financement. Boomerang est financé en amorçage depuis 2020.
Sur notre tour d’amorçage et le financement de recherche d’Innosuisse. Innosuisse a soutenu Boomerang à plusieurs reprises depuis 2020.
Mentionne notre tour d’amorçage. Boomerang est financé en amorçage depuis 2020.
Presse : Kit média · Institutsprofil & Methodik (PDF)
L'écart entre les réponses de vraies personnes et celles de notre modèle en production.
82.6%
Modèle Boomerang — recouvrement moyen avec les distributions humaines
<52%
Score des modèles frontières non affinés au même test
Chaque résultat porte un score de plausibilité, et la plateforme indique quand interroger plutôt de vraies personnes.
0bas10haut
Les échantillons humains nourrissent le modèle — d'où la courbe qui monte.
Fig. 2 — Plausibilité moyenne par mois, déc. 25 – août 26 ; usage réel, notée par rapport à chaque échantillon humain de notre terrain.
Une recherche de qualité, simple, rapide et abordable — pour les campagnes, les fonctions produit, la stratégie et les prévisions de votations. La méthode suit la question ; l'exigence reste.
Recherche commune avec l'Université de Bâle et Johns Hopkins University, financée par Innosuisse ; deux études de validation antérieures avec l'Université de Zurich.
Méthodes d'échantillonnage, standards de qualité, benchmarks et Confidence Guard™ — gérés une fois, utilisés par les deux offres.
Un standard scientifique et une éthique des données pour les deux offres.
Boomerang Ideas AG, Zurich — fondée en 2021. Membre institutionnel de Swiss Insights, en partenariat stratégique avec gfs.bern et Panter. Une petite équipe, son propre terrain, son propre benchmark, sur des modèles que nous exploitons nous-mêmes — qui publie les échecs comme les réussites.
Partenaires & adhésions
Hadrien Jean-RichardDigital Marketing
Christophe NuñezSalesDr. Andrea Bublitz (Academic Advisor · Universität Basel)
Dr. Linda Stougaard Nielsen (AI / ML Advisory)
Dr. Kristina Gligorić (Ethical AI Advisor · ex-Stanford, now Johns Hopkins)
Katia Murmann (Product Advisory)
Beat Seeliger (Technology Advisory · Panter)
Martin Steiger (Data Privacy Advisory · Steiger Legal)
Peter Erni (Social Media Advisory · Brain & Heart CEO)
Trevor W. Goodchild (Facebook Strategist)
Martin Brettenthaler (Sales Strategy)
Daniel Vogler (Marketing Advisory)
Jean-Marc Hensch (Investisseur providentiel · conseil stratégique · vice-président)
Collaborations de recherche, questions de méthode, médias : hello@boomerangideas.com. Projets et offres passent par les deux portes en haut de page.
⠿ verschieben
Als anonym