Les banques et assureurs qui veulent créer des assistants d'IA se heurtent à un obstacle de base : les données sur lesquelles ils devraient les tester sont précisément les données clients que les règles de confidentialité leur interdisent d'utiliser librement. Nvidia et la société japonaise Elith ont publié un jeu de données conçu pour combler ce manque au Japon : un vaste ensemble de clients inventés mais fondés sur des statistiques, utilisable par tous, y compris à des fins commerciales, sous licence CC BY 4.0.
Nemotron-Personas-Finance-Japan contient 1 million d'enregistrements, chacun avec 9 personas, soit 9 millions au total, rédigés en japonais naturel. Chaque enregistrement compte 50 champs : descriptions de la persona, attributs comme le rapport à l'argent et la planification financière, et 30 champs de contexte tirés des statistiques officielles démographiques et du travail. L'ensemble totalise environ 1,5 milliard de tokens, avec près de 950 000 noms uniques et plus de 1 600 catégories de professions. Il prolonge le précédent Nemotron-Personas-Japan, qui comptait 22 champs par enregistrement, et ajoute le patrimoine du foyer, la culture financière et l'usage d'internet et du smartphone.
La chaîne de fabrication est décrite sans détour. Un modèle graphique probabiliste, NeMo SDG-PGMs, tire les attributs pour qu'ils suivent les distributions officielles, et le modèle ouvert gemma-4-31B-it de Google rédige le texte japonais, le tout orchestré par NeMo Data Designer de Nvidia. L'équipe indique que de grandes institutions japonaises, dont Sompo Japan, Tokio Marine, Mizuho et Meiji Yasuda Life, ont donné leur avis sur la conception. Les usages suggérés vont de la génération de dialogues de service client à la simulation d'utilisateurs dans NeMo User Sim, en passant par la vérification qu'un modèle traite de la même façon clients ruraux et urbains, jeunes et âgés, aisés et modestes. Une publication jumelle, Nemotron-PII-Japan, propose 100 000 documents professionnels synthétiques avec des données personnelles étiquetées pour tester l'anonymisation.
Cela s'inscrit dans une tendance. Nvidia publie des jeux de personas par pays qui alimentent ses propres outils, et les utilisateurs synthétiques deviennent une manière courante de tester des agents conversationnels avant que de vraies personnes les voient. Pour tout projet en japonais, un ensemble vaste, sous licence permissive et avec des découpages démographiques fins, est utile même hors de la finance.
Les limites sont intrinsèques. Des personas tirées de statistiques officielles reproduisent les moyennes et la dispersion de ces statistiques ; elles passeront à côté des clients atypiques et des situations embrouillées qui font échouer le vrai service client. Le texte est rédigé par un seul modèle de 31B, avec ses propres tics de formulation. L'annonce ne fournit aucune évaluation montrant que des agents testés sur ces personas réussissent mieux face à de vrais clients ; le bénéfice pour une banque donnée reste à démontrer.