Alfred Wahlforss se retrouvait à court d’options. Sa startup, Listen Labs, avait besoin d’embaucher plus de 100 ingénieurs, mais rivaliser avec les offres de 100 millions de dollars de Mark Zuckerberg semblait impossible. Il a donc dépensé 5 000 $ – un cinquième de son budget marketing – pour une affiche publicitaire à San Francisco affichant ce qui semblait être des chiffres aléatoires. Ces chiffres étaient en réalité des jetons d’IA. Décodés, ils menaient à un défi de codage : construire un algorithme pour agir comme un videur numérique au Berghain, la boîte de nuit berlinoise célèbre pour rejeter presque tout le monde à l’entrée. En quelques jours, des milliers de personnes ont tenté de résoudre l’énigme. 430 l’ont résolue. Certains ont été embauchés. Le gagnant a volé à Berlin, tous frais payés.
Cette approche non conventionnelle a attiré 69 millions de dollars de financement de série B, dirigé par Ribbit Capital avec la participation d’Evantic et des investisseurs existants Sequoia Capital, Conviction et Pear VC. Cette levée de fonds valorise Listen Labs à 500 millions de dollars et porte son capital total à 100 millions de dollars. En neuf mois depuis son lancement, l’entreprise a augmenté son chiffre d’affaires annualisé de 15 fois pour atteindre huit chiffres et a mené plus d’un million d’entretiens assistés par IA.
« Quand vous êtes obsédé par les clients, tout le reste suit, » a déclaré Wahlforss dans une interview avec VentureBeat. « Les équipes qui utilisent Listen intègrent le client dans chaque décision, du marketing au produit, et quand le client est enchanté, tout le monde l’est. »
Pourquoi la recherche de marché traditionnelle est obsolète, et ce que Listen Labs construit pour y remédier
Le chercheur en IA de Listen trouve des participants, mène des entretiens approfondis et fournit des insights exploitables en quelques heures, pas en semaines. La plateforme remplace le choix traditionnel entre les enquêtes quantitatives – qui offrent une précision statistique mais manquent de nuances – et les entretiens qualitatifs, qui fournissent de la profondeur mais ne peuvent pas être mis à l’échelle.
Wahlforss a expliqué la limitation des approches existantes : « Essentiellement, les enquêtes vous donnent une fausse précision parce que les gens finissent par répondre à la même question… Vous ne pouvez pas obtenir les valeurs aberrantes. Les gens ne sont en fait pas honnêtes dans les enquêtes. » L’alternative, les entretiens humains en tête-à-tête, « vous donnent beaucoup de profondeur. Vous pouvez poser des questions de suivi. Vous pouvez vérifier si les gens savent de quoi ils parlent. Et le problème, c’est que vous ne pouvez pas mettre cela à l’échelle. »
La plateforme fonctionne en quatre étapes : les utilisateurs créent une étude avec l’aide de l’IA, Listen recrute des participants dans son réseau mondial de 30 millions de personnes, un modérateur d’IA mène des entretiens approfondis avec des questions de suivi, et les résultats sont regroupés dans des rapports prêts pour les cadres, comprenant les thèmes clés, les moments forts et les présentations.
Ce qui distingue l’approche de Listen est son utilisation de conversations vidéo ouvertes plutôt que de formulaires à choix multiples. « Dans une enquête, vous pouvez deviner ce que vous devriez répondre, et vous avez quatre options, » a déclaré Wahlforss. « Oh, ils veulent probablement que j’achète un revenu élevé. Laissez-moi cliquer sur ce bouton au lieu d’une réponse ouverte. Cela génère beaucoup plus d’honnêteté. »
Le sale secret de l’industrie de la recherche de marché de 140 milliards de dollars : la fraude généralisée
Listen trouve et qualifie les bons participants dans son réseau mondial de 30 millions de personnes. Mais la construction de ce panel a nécessité de confronter ce que Wahlforss a appelé « l’une des choses les plus choquantes que nous ayons apprises en entrant dans cette industrie » – la fraude généralisée.
« Essentiellement, il y a une transaction financière impliquée, ce qui signifie qu’il y aura de mauvais acteurs, » a-t-il expliqué. « Nous avons en fait eu certaines des plus grandes entreprises, certaines d’entre elles ont des milliards de revenus, nous envoyer des personnes qui prétendent être des acheteurs d’entreprise sur notre plateforme et notre système a immédiatement détecté, comme, fraude, fraude, fraude, fraude, fraude. »
L’entreprise a construit ce qu’elle appelle un « garde de qualité » qui recoupe les profils LinkedIn avec les réponses vidéo pour vérifier l’identité, vérifie la cohérence entre la façon dont les participants répondent aux questions et signale les schémas suspects. Le résultat, selon Wahlforss : « Les gens parlent trois fois plus. Ils sont beaucoup plus honnêtes quand ils parlent de sujets sensibles comme la politique et la santé mentale. »
Emeritus, une entreprise d’éducation en ligne qui utilise Listen, a rapporté qu’environ 20 % des réponses aux enquêtes tombaient auparavant dans la catégorie frauduleuse ou de mauvaise qualité. Avec Listen, ils ont réduit cela à presque zéro. « Nous n’avons pas eu à remplacer aucune réponse en raison de la fraude ou d’informations absurdes, » a déclaré Gabrielli Tiburi, assistante chef de l’analyse client chez Emeritus.
Comment Microsoft, Sweetgreen et Chubbies utilisent des entretiens d’IA pour construire de meilleurs produits
L’avantage de vitesse s’est avéré essentiel pour l’argumentaire de Listen. La recherche traditionnelle sur les clients chez Microsoft pouvait prendre quatre à six semaines pour générer des insights. « Au moment où nous arrivons vers eux, soit la décision a été prise, soit nous ratons l’opportunité d’influencer, » a déclaré Romani Patel, responsable de la recherche senior chez Microsoft.
Avec Listen, Microsoft peut désormais obtenir des insights en quelques jours, et dans de nombreux cas, en quelques heures.
La plateforme a déjà alimenté plusieurs initiatives de haut niveau. Microsoft a utilisé Listen Labs pour collecter des histoires de clients mondiaux pour sa célébration du 50e anniversaire. « Nous voulions que les utilisateurs partagent comment Copilot les aide à mettre en avant leur meilleur moi, » a déclaré Patel, « et nous avons pu collecter ces histoires vidéo d’utilisateurs en une journée. » Traditionnellement, ce genre de travail aurait pris six à huit semaines.
Simple Modern, une entreprise de vaisselle basée en Oklahoma, a utilisé Listen pour tester un nouveau concept de produit. Le processus a pris environ une heure pour rédiger des questions, une heure pour lancer l’étude, et 2,5 heures pour recevoir des retours de 120 personnes à travers le pays. « Nous sommes passés de ‘Devrions-nous même avoir ce produit ?’ à ‘Comment devrions-nous le lancer ?’, » a déclaré Chris Hoyle, directeur marketing de l’entreprise.
Chubbies, la marque de shorts, a connu une augmentation de 24 fois de la participation aux enquêtes de jeunes – passant de 5 à 120 participants – en utilisant Listen pour surmonter les défis de planification des groupes de discussion traditionnels avec des enfants. « Il y a l’école, le sport, le dîner et les devoirs, » a expliqué Lauren Neville, directrice des insights et de l’innovation. « Je devais trouver un moyen de les entendre qui s’intégrait dans leur emploi du temps. »
L’entreprise a également découvert des problèmes de produit grâce à des entretiens d’IA qui auraient pu passer inaperçus autrement. Wahlforss a décrit comment l’IA « par le biais de conversations, a réalisé qu’il y avait des problèmes avec la ligne de shorts pour enfants, et a décidé d’interviewer des centaines d’enfants. J’ai compris qu’il y avait des problèmes dans la doublure des shorts et qu’ils étaient, disons, râpeux, d’après les personnes interrogées. » Le produit repensé est devenu « un succès retentissant. »
Le paradoxe de Jevons explique pourquoi une recherche moins chère crée plus de demande, pas moins
Listen Labs entre sur un marché énorme mais fragmenté. Wahlforss a cité une recherche de Andreessen Horowitz estimant l’industrie de la recherche de marché à environ 140 milliards de dollars annuellement, peuplée de joueurs historiques – certains avec plus d’un milliard de dollars de revenus – qu’il croit être vulnérables à la disruption.
« Il y a vraiment des lignes budgétaires existantes que nous remplaçons, » a déclaré Wahlforss. « Pourquoi nous les remplaçons est que, un, ils sont très coûteux. Deux, ils sont un peu bloqués dans ce vieux paradigme de choisir entre une enquête ou un entretien, et ils prennent aussi des mois pour travailler avec. »
Mais la dynamique la plus intrigante pourrait être que la recherche alimentée par l’IA ne remplace pas seulement les dépenses existantes – elle crée une nouvelle demande. Wahlforss a invoqué le paradoxe de Jevons, un principe économique qui se produit lorsque les avancées technologiques rendent une ressource plus efficace à utiliser, mais une efficacité accrue mène à une consommation globale accrue plutôt qu’à une diminution de la consommation.
« Ce que j’ai remarqué, c’est que plus quelque chose devient bon marché, vous n’en avez pas besoin moins. Vous en voulez plus, » a expliqué Wahlforss. « Il y a une demande infinie pour la compréhension des clients. Ainsi, les chercheurs de l’équipe peuvent faire un ordre de grandeur de plus de recherches, et aussi d’autres personnes qui n’étaient pas chercheurs auparavant peuvent maintenant le faire dans le cadre de leur travail. »
À l’intérieur de l’équipe d’ingénierie d’élite qui a construit Listen Labs avant d’avoir des toilettes fonctionnels
Listen Labs trouve ses origines dans une application grand public que Wahlforss et son co-fondateur ont construite après s’être rencontrés à Harvard. « Nous avons construit cette application grand public qui a obtenu 20 000 téléchargements en un jour, » se souvient Wahlforss. « Nous avions tous ces utilisateurs, et nous réfléchissions à ce que nous pouvions faire pour mieux les connaître. Et nous avons construit ce prototype de ce que Listen est aujourd’hui. »
L’équipe fondatrice apporte un pedigree inhabituel. Le cofondateur de Wahlforss « était le champion national de la programmation compétitive en Allemagne, et il a travaillé sur le pilote automatique de Tesla. » L’entreprise affirme que 30% de son équipe d’ingénierie sont des médaillés de l’Olympiade internationale en informatique – la même compétition qui a produit les fondateurs de Cognition, la startup de codage d’IA.
L’escapade publicitaire du panneau Berghain a généré environ 5 millions de vues sur les réseaux sociaux, selon Wahlforss. Cela reflétait l’intensité de la guerre des talents dans la baie.
« Il a fallu faire ces choses parce que certains de nos premiers employés, comme, ont rejoint l’entreprise avant que nous ayons des toilettes fonctionnels, » a-t-il déclaré. « Mais maintenant nous avons corrigé cette situation. »
L’entreprise est passée de 5 à 40 employés en 2024 et prévoit d’atteindre 150 cette année. Elle recrute des ingénieurs pour des postes non techniques dans le marketing, la croissance et les opérations – un pari que, à l’ère de l’IA, la fluidité technique compte partout.
Clients synthétiques et décisions automatisées : ce que Listen Labs construit ensuite
Wahlforss a présenté une feuille de route produit ambitieuse qui explore des territoires plus spéculatifs. L’entreprise construit « la capacité de simuler vos clients, afin que vous puissiez prendre tous ces entretiens que nous avons faits, puis extrapoler à partir de cela et créer des utilisateurs synthétiques ou des voix d’utilisateurs simulées. »
Au-delà de la simulation, Listen vise à permettre des actions automatisées basées sur les résultats de la recherche. « Pouvez-vous non seulement faire des recommandations, mais aussi créer des agents spawn pour changer les choses dans le code ou certains clients se désabonnent ? Pouvez-vous leur offrir une remise et essayer de les ramener ? »
Wahlforss a reconnu les implications éthiques. « Évidemment, comme vous l’avez dit, il y a des préoccupations éthiques là. Comme, la prise de décision automatisée peut être mauvaise, mais nous aurons des garde-fous considérables pour nous assurer que les entreprises sont toujours dans la boucle. »
L’entreprise gère déjà les données sensibles avec soin. « Nous n’entraînons pas le modèle sur aucune des données, » a déclaré Wahlforss. « Nous nettoierons également automatiquement toute information PII sensible afin que le modèle puisse le détecter. Et il y a des moments où, par exemple, vous travaillez avec des investisseurs, où si vous mentionnez accidentellement quelque chose qui pourrait être une information non publique matérielle, l’IA peut en fait détecter cela et supprimer toute information de ce type. »
Comment l’IA pourrait remodeler l’avenir du développement de produits
L’implication la plus provocatrice du modèle de Listen est de savoir comment il pourrait remodeler le développement de produits lui-même. Wahlforss a décrit un client – une startup australienne – qui a adopté ce qui équivaut à une boucle de rétroaction continue.
« Ils sont basés en Australie, donc ils codent pendant la journée, et puis dans leur nuit, ils publient une étude Listen avec un public américain. Listen valide tout ce qu’ils ont construit pendant la journée, et ils reçoivent des retours là-dessus. Ils peuvent ensuite intégrer ces retours directement dans des outils de codage comme Claude Code et itérer. »
La vision étend le célèbre dicton de Y Combinator – « écrire du code, parler aux utilisateurs » – dans un cycle automatisé. « L’écriture de code est maintenant automatisée. Et je pense que parler aux utilisateurs le sera aussi, et vous aurez ce genre de boucle infinie où vous pourrez commencer à expédier ce produit vraiment incroyable, presque de manière autonome. »
Que cette vision se concrétise dépend de facteurs hors du contrôle de Listen – l’amélioration continue des modèles d’IA, la volonté des entreprises de faire confiance à la recherche automatisée, et si la vitesse se corrèle vraiment avec de meilleurs produits. Une étude du MIT de 2024 a révélé que 95 % des pilotes d’IA échouent à passer en production, une statistique que Wahlforss a citée comme raison pour laquelle il met l’accent sur la qualité plutôt que sur les démonstrations.
« Je dois constamment souligner que nous devons nous assurer que la qualité est là et que les détails sont corrects, » a-t-il déclaré.
Mais la croissance de l’entreprise suggère une appétence pour l’expérimentation. Patel de Microsoft a déclaré que Listen a « éliminé la corvée de la recherche et a ramené le plaisir et la joie dans mon travail. » Chubbies pousse maintenant son fondateur à donner à tout le monde dans l’entreprise un accès. Sling Money, une startup de paiements en stablecoins, peut créer une enquête en dix minutes et recevoir des résultats le même jour.
« C’est un changement total de paradigme, » a déclaré Ali Romero, responsable marketing de Sling Money.
Wahlforss a une autre phrase pour ce qu’il construit. Interrogé sur la tension entre la vitesse et la rigueur – la croyance de longue date que aller vite signifie couper les coins – il a cité Nat Friedman, l’ancien PDG de GitHub et investisseur de Listen, qui garde une liste de phrases choc sur son site web.
L’une d’elles : « Lent est faux. »
C’est une affirmation agressive pour une industrie basée sur la prudence méthodologique. Mais Listen Labs parie que à l’ère de l’IA, les entreprises qui écoutent le plus rapidement seront celles qui gagneront. La seule question est de savoir si les clients répondront.