Laier, plateforme agentique lancée par deux anciens d'Heroiks, Salem Handoura, ancien directeur général du groupe, et Romain Darrieus, associés à Sameh Mohamed, leur CTO, est née d'une frustration commune à bien des acheteurs médias digitaux : les plateformes leur remontent toujours plus de données, mais une part limitée de ces informations débouche sur des décisions actionnables, à l'échelle des campagnes.

"Les outils de data visualisation ont facilité le suivi des campagnes, sans nécessairement améliorer la qualité des décisions", constate Salem Handoura. Une étude menée par Laier auprès d'un panel d'acheteurs médias illustre ce paradoxe : la part de leur temps hebdomadaire consacrée à l'optimisation des campagnes médias est passée de 22 à 11% entre 2016 et 2026.

Dans le même temps, celle dédiée au reporting et à la création de tableaux de bord a progressé de 12 à 18%. Autrement dit, le temps libéré par l'automatisation a davantage été absorbé par la surveillance des campagnes et des flux de données que réinvesti dans la stratégie.

C’est dans ce décalage entre une abondance de données et un manque de temps pour les exploiter que les fondateurs voient une opportunité. Avec une conviction : cette optimisation quotidienne, à laquelle les équipes consacrent de moins en moins de temps, sera justement le principal levier des prochains gains de performance.

"Les annonceurs ont fait les grands arbitrages : digitalisation des budgets, études de parcours, modèles d'attribution, mesure. Ces chantiers sont derrière eux. Dans un contexte de tension budgétaire, la performance additionnelle ne viendra plus d'un nouveau grand choix stratégique, mais de la capacité à optimiser au quotidien, au mieux, chaque campagne opérationnelle", pose Salem Handoura.

C’est pour remettre cette optimisation quotidienne au cœur du travail des acheteurs médias que Laier a développé sa fonctionnalité clé : Moves. Un "move" désigne une action d'optimisation proposée à l'utilisateur. 

Au-delà des basiques - exclure des requêtes qui ne convertissent pas, mettre en pause une campagne ou une audience -, Laier s'attaque aux optimisations que les équipes savent nécessaires mais n'ont plus le temps d'opérer.  

Par exemple, réallouer le budget d’une campagne Meta vers une campagne Google ou Pinterest plus performante sur le même objectif. Ou détecter l’usure d’une création avant que son coût d’acquisition ne s’envole. Ou encore identifier les audiences, créations, moments de diffusion et combinaisons de canaux les plus efficaces pour en tirer des enseignements utiles aux campagnes suivantes.

"Un des changements majeurs dans la manière d’acheter du média, estime Salem Handoura, c'est le rythme. Les campagnes sont de plus en plus courtes et fragmentées entre les plateformes : une opération de deux semaines sur quatre canaux ne laisse pas le temps d'un bilan à mi-parcours.” 

Quand la fenêtre se réduit, la vitesse à laquelle on lit les signaux, on décide et on exécute devient un moteur de croissance à part entière. “Réallouer un budget à J+3 plutôt qu'à J+10, c'est aller chercher la performance là où personne n'avait le temps d'aller la chercher", poursuit Salem Handoura.

Ces recommandations apparaissent en home de l'outil. "Chacune d'entre elles doit être accompagnée d'une hypothèse et des données qui la soutiennent”, précise Romain Darrieus. 

L'utilisateur peut l'accepter, la refuser ou ajouter un élément de contexte - une obligation de dépense, une priorité commerciale ou une création qui doit rester en ligne malgré ses performances.

Après validation, l'action est appliquée directement dans la plateforme publicitaire. Les droits sont gérés par espace de travail, correspondant à un client : une agence peut réserver l'approbation à certains profils et ouvrir un accès en lecture à l'annonceur.

La décision rejoint ensuite un "ledger", un historique horodaté sur lequel Laier revient en moyenne quatorze jours plus tard, afin de vérifier si le choix a produit l'évolution attendue et d'alimenter les futures recommandations. Cette traçabilité facilite le bilan entre agence et annonceur.

Laier explique avoir codé environ 120 routines d'analyse : règles de lecture propres à Performance Max, détection de fatigue créative, contrôle du rythme de dépense ou comparaison d'un coût d'acquisition à sa référence récente. 

Un LLM intervient ensuite pour interpréter le contexte, formuler l'analyse et dialoguer avec l'utilisateur. Cette combinaison vise à encadrer les réponses du modèle par des calculs déterministes plutôt qu'à lui confier directement toute l'analyse.

Analyse, reporting et lancement de campagnes… Tout via du conversationnel

Autour de Moves, Laier regroupe plusieurs fonctions habituellement réparties entre différents outils. 

L'onglet "Explore" permet d'interroger les données en langage naturel : demander un atterrissage budgétaire, comprendre une baisse du ROAS - le chiffre d'affaires attribué à la publicité rapporté au montant dépensé - ou analyser la fatigue créative.

Les graphiques et réponses jugés utiles peuvent être épinglés dans un Canvas, un tableau de bord qui se met à jour lorsque la période d'analyse change. Une exploration peut aussi être convertie en move pour rejoindre le même circuit de validation et de suivi.

La partie "Reporting" automatise les bilans hebdomadaires ou mensuels à partir d'un modèle défini par l'utilisateur : données actualisées, comparaison avec la période précédente, commentaires générés et récapitulatif des optimisations effectuées.

La partie "Launch" crée une campagne à partir d'une consigne en langage naturel. Dès la configuration, l'utilisateur fixe un objectif par campagne : un clic ou une conversion, si on est sur du bas de funnel, un reach ou une complétion, si on est sur du haut de funnel. "Les campagnes de branding ne se pilotent pas au CPA, mais elles se pilotent quand même. On accélère sur cette partie, notamment avec l'arrivée des DSP dans le périmètre", précise Salem Handoura.

Laie analyse les créations fournies, identifie les formats et les environnements compatibles, puis propose un plan média nourri par les enseignements des campagnes précédentes. 

L'intégration des documents internes de l'agence et de l'annonceur - présentations, plans médias, bilans, nomenclatures de campagne, règles internes ou créations - permet à Laier d'adapter ses recommandations au contexte et aux méthodes de travail de chaque client.

Pour aller chercher ces informations, la plateforme s'appuie sur une architecture RAG, une technologie qui permet à une IA de consulter une base documentaire avant de générer sa réponse.

La plateforme compare ensuite les performances à objectif égal, quelle que soit la plateforme : une campagne d'acquisition sur Meta face à la même sur Pinterest, une campagne de recrutement TikTok face à une Demand Gen Google. Google Analytics, intégré, peut servir de mesure de référence commune.

Côté plomberie, Laier se connecte principalement aux plateformes publicitaires par API. Les fondateurs expliquent privilégier, pour l'instant, ces connexions aux serveurs MCP (Model Context Protocol) car les API offrent "une profondeur fonctionnelle plus importante et des droits de lecture ou d'écriture plus prévisibles."

La plateforme compte à date une dizaine de connecteurs actifs, avec les usual suspects (Meta, Google, Amazon), et vise une quarantaine de plateformes d'ici fin octobre. DV360 et Amazon DSP seront accessibles d'ici fin septembre, pour faire entrer les campagnes programmatiques Open Web dans le périmètre.

Laier s'adresse en priorité aux agences médias, qui déploient l'outil sur plusieurs clients, partagent les analyses et documentent les optimisations réalisées. "L'objectif, c'est aussi de faciliter la collaboration entre l'agence et ses clients", explique Romain Darrieus. Les équipes acquisition des annonceurs, capables de relier rapidement leurs investissements à une conversion, constituent le second marché visé.

Une dizaine de partenaires en pilote avant le lancement commercial de septembre

Au moment de notre entretien, Laier revendiquait une dizaine de partenaires – annonceurs directs et agences – et près de quinze tests réalisés depuis le début du développement.

Côté agences, Laier avance avec deux early adopters, Haiku et Oconnection, qui déploient la plateforme sur plusieurs de leurs clients. Ce sont elles qui permettent d'éprouver le produit à l'échelle d'un portefeuille : droits par espace de travail, validation des moves par les équipes, bilan partagé avec l'annonceur. Des annonceurs en direct complètent le panel de pilotes.

Côté modèle économique, Laier a d’emblée écarté la commission sur les budgets médias, très répandue dans l’adtech. “Une rémunération indexée sur le budget crée un conflit d'intérêt avec l’optimisation : on ne peut pas être payé pour dépenser et être crédible pour faire dépenser mieux”, explique Salem Handoura.

La plateforme repose donc sur un abonnement forfaitaire tout compris, dont le montant dépend de la taille de l’organisation, et non des volumes investis. La grille tarifaire, accessible sur le site, prévoit plusieurs paliers.

Toutes les fonctionnalités sont incluses à chaque palier, sans limite de marché, avec un essai gratuit de sept jours. Au-delà de dix espaces de travail, les agences bénéficient d'une offre sur mesure, qui démarre sous les 2 000 euros par mois.

Laier entend ainsi étendre l’automatisation de l’achat média à l’ensemble du cycle de campagne, du lancement au bilan, en passant par l’optimisation quotidienne. “Les plateformes ont automatisé l’enchère. Reste à automatiser tout ce qu’il y a autour : l’arbitrage entre canaux, la lecture des signaux, l’exécution des décisions et la mémoire de ce qui a marché. C’est ce que fait Laier, sous contrôle humain”, résume Salem Handoura.

La plateforme sera commercialisée dès septembre en France, avec l’ambition de se déployer ensuite dans le reste de l’Europe et aux États-Unis. L’équipe a également engagé des discussions en vue d’une levée de fonds.

Son premier test grandeur nature est en cours : démontrer que ses moves produisent assez de valeur pour dépasser le statut d'alerte intelligente, et permettre aux équipes d'ouvrir de moins en moins les interfaces qu'elles surveillent aujourd'hui. Les pilotes doivent encore le confirmer sur la durée. En attendant, le gain est déjà là sur un autre terrain : celui de la productivité, avec l'automatisation du reporting, du lancement et de l'exécution des décisions.

Un budget de 200 000 euros, une campagne prévue entre les semaines 44 et 45, une cible individus 25-49 ans et un annonceur du secteur banque-assurance. Jusqu’ici, les équipes de Values Media devait communiquer ces éléments à celles de TF1 Pub, puis attendre leur retour pour connaître les programmes disponibles pour un sponsoring et construire leur plan média.

Avec la plateforme Autopilot Sponso développée par la régie, cette demande peut désormais être formulée directement en langage naturel. L’outil identifie les opportunités compatibles avec le brief et restitue les principales données nécessaires au media planning : programmes disponibles, coût au GRP et tranches horaires correspondantes.

L’agent peut également construire plusieurs scénarios. Dans l’exemple présenté par Charlotte de Saint Phalle (Values Media) et Laure Monjanel (TF1 Pub), il distingue notamment une proposition privilégiant la puissance du plan et une autre cherchant davantage d’efficacité économique. La recommandation finale reste toutefois du ressort de l’agence.

Le projet a été développé en quatre mois : deux mois de cadrage et de développement, puis deux mois de tests. L’agent est opérationnel depuis juin de cette année.

Des requêtes plus complexes que la simple recherche de disponibilités

L’intérêt de l’outil apparaît davantage lorsque le brief multiplie les contraintes. Values Media peut, par exemple, rechercher les programmes présentant la plus forte affinité avec les femmes avec enfants, responsables des achats, limiter la diffusion aux tranches de day et d’access, exclure la télé-réalité et fixer un objectif de 200 GRP sur une période donnée.

L’agent croise alors ces critères pour proposer plusieurs combinaisons de programmes respectant le cadre défini. Le brief peut donc être exprimé selon un budget disponible, mais aussi à partir d’un objectif de pression publicitaire.

Cette capacité doit rendre plus accessible un inventaire particulièrement périssable. Une opportunité de sponsoring qui n’est pas commercialisée avant la diffusion du programme est définitivement perdue. Pour TF1 Pub, accélérer l’identification des offres pertinentes doit donc à la fois réduire le temps de réponse commercial et améliorer la valorisation de cet inventaire.

Ce qui se passe sous le capot

L’outil ne repose pas uniquement sur un LLM chargé d’interpréter la question. Une fois le brief compris, il interroge en temps réel plusieurs sources de données internes à TF1 Pub : disponibilités, programmes, audiences, GRP, tarifs et remises commerciales.

La principale difficulté réside donc moins dans l’interface conversationnelle que dans la structuration et la fiabilisation de ces données. Le passage du prototype à un outil de production a également nécessité de traiter la gouvernance des données, la cybersécurité, l’authentification des utilisateurs et l’automatisation des flux.

L’expertise commerciale a par ailleurs été intégrée à son fonctionnement. “L’IA assiste, recommande et accélère la prise de décision, mais l’expertise commerciale reste au cœur du processus”, résume Laure Monjanel. L’objectif est de donner davantage d’autonomie aux agences dans leurs recherches, tout en permettant aux commerciaux de se concentrer sur les échanges qui nécessitent une réelle expertise.

L’achat reste validé par un humain

Dans sa première version, l’agent ne permet ni de réserver ni d’acheter l’opportunité recommandée. Ce choix répond d’abord à des impératifs de sécurité. Le sponsoring constitue aussi un marché spécifique, accessible à un nombre limité d’annonceurs et encadré par des règles commerciales et juridiques qui doivent être vérifiées pour chaque campagne, notamment au regard de la loi Sapin.

Le plan proposé par l’agent doit donc encore être validé par l’agence et finalisé avec le commercial de TF1 Pub. Il s’agit, à ce stade, d’automatiser la recherche et la construction de la recommandation, pas l’ensemble de la transaction.

Cette frontière est importante. L’outil fluidifie le processus existant, mais ne modifie encore ni les règles de commercialisation du sponsoring ni la responsabilité des différents acteurs.

Vers un agent connecté aux autres régies

Plusieurs évolutions sont déjà prévues : ajout d’un historique des conversations, collecte du feedback des utilisateurs et extension progressive du périmètre à la TNT. TF1 Pub envisage également d’intégrer l’agent à TF1 Manager, son environnement de travail destiné aux agences via un serveur MCP.

Values Media veut, de son côté, enrichir les recommandations avec des données tierces afin de dépasser une planification reposant principalement sur le GRP et les critères médias traditionnels.

À plus long terme, l’objectif est de pouvoir interroger un agent de ce type pour chaque régie. Le projet préfigure ainsi un workflow dans lequel une agence pourrait, depuis une interface unique, explorer plusieurs inventaires, comparer les recommandations et construire un plan média couvrant à la fois la télévision linéaire et le streaming.

Mais cette trajectoire suppose encore de connecter les outils, d’harmoniser les données et de définir les règles selon lesquelles les différents agents pourront dialoguer. L’interface conversationnelle est déjà là. La prochaine étape consiste à désiloter réellement l’achat.

Tout le monde parle de l'IA dans l'achat média. Personne ne sait vraiment qui fait quoi.

Combien d'équipes ont vraiment dépassé le stade du test ?

Sur quelles tâches l'IA tient ses promesses, et sur lesquelles elle déçoit ?

Qui laisse déjà un agent exécuter une action sans validation humaine ?

Qui a mesuré un gain de temps ou de performance, chiffres à l'appui ?

C'est ce qu'on cherche à savoir avec Max Legrand de GreyFox Ads, dans une étude consacrée aux usages réels de l'IA appliquée aux campagnes médias.

Ce qu'on vous demande

Une petite dizaine de minutes, pas plus.

On vous interroge sur :

• où vous en êtes concrètement (si vous n'avez rien testé, ça nous intéresse tout autant) ;

• les technos essayées, ce qui a convaincu et ce qui a déçu ;

• les gains mesurés, quand il y en a ;

• votre gouvernance : qui décide, qui valide, jusqu'où va l'autonomie d'un agent ;

• votre lecture du marché : MCP, AdCP, AAMP, et qui perd de la valeur dans la chaîne ;

• l'impact sur les équipes et sur le modèle de rémunération client.

Les réponses sont anonymisées. Aucun nom d'entreprise ne sortira dans les résultats.

Ce que ça vous rapporte

Les résultats complets présentés en avant-première aux participants de l’étude.

De quoi vous situer par rapport au reste du marché, ce qu'aucun benchmark ne permet aujourd'hui de faire sérieusement.

Et un tirage au sort parmi les répondants : des goodies Open Garden, et un déjeuner offert pour l'un d'entre vous ;)

Vous avez jusqu'au 18 septembre pour répondre.

L'été n'a pas été de tout repos pour l'adtech. Consolidation du marché, valorisations sous pression, nouveaux formats publicitaires pensés pour les agents IA, remise en cause du modèle économique des agences… Plusieurs mouvements observés ces dernières semaines donnent déjà quelques indications sur les sujets qui devraient animer la rentrée. Open Garden a sélectionné les actualités à retenir de l'été 2026, avec pour chacune notre analyse de ce qu'elles disent de l'évolution du marché.

Nielsen va racheter DoubleVerify pour 2,15 milliards de dollars

L'opération rapproche deux poids lourds de la mesure publicitaire, mais positionnés sur des métiers différents : Nielsen sur la mesure et la déduplication des audiences, notamment en TV et CTV, DoubleVerify sur la qualité média, avec la fraude, la brand safety, la visibilité et, de plus en plus, la mesure de l'attention.

L'ambition est de combiner ces deux couches pour proposer aux annonceurs une mesure intégrant à la fois l'audience réellement touchée et la qualité des impressions délivrées. Comme le détaille Adweek, le rapprochement doit aussi permettre à Nielsen d'accélérer dans la mesure digitale et cross-media, alors que la fragmentation des usages entre TV linéaire, CTV et plateformes numériques complique toujours davantage le travail des annonceurs.

La logique industrielle ne convainc toutefois pas tout le monde. Aaron Fetters, ancien dirigeant de Nielsen, rappelle qu'un rapprochement similaire entre mesure d'audience et vérification avait déjà été tenté par comScore avec le rachat d'AdXpose en 2011, sans réellement convaincre le marché. Surtout, intégrer DoubleVerify ne règle pas l'un des principaux problèmes de la mesure cross-media : l'accès aux données des walled gardens et la déduplication des audiences entre plateformes.

Le chantier d'intégration s'annonce également complexe. Rapprocher mesure d'audience, déduplication cross-media et vérification publicitaire suppose d'aligner des méthodologies, des jeux de données et des technologies très différents. Les difficultés rencontrées par Médiamétrie et ses partenaires IAS / AudienceProject pour faire évoluer ses dispositifs de mesure montrent à quel point construire une mesure réellement unifiée entre télévision et digital peut être long et techniquement délicat.

L'opération raconte aussi quelque chose de la situation financière de l'adtech indépendante. DoubleVerify est le troisième acteur coté du secteur à quitter Wall Street après Integral Ad Science et LiveRamp, et le mouvement pourrait ne faire que commencer. Digiday souligne que la baisse des valorisations rend plusieurs acteurs adtech beaucoup plus accessibles aux fonds de private equity et aux acquéreurs stratégiques.

Le cas DoubleVerify l'illustre : Nielsen le rachète 13,60 dollars par action, soit près de deux fois moins que les 27 dollars de son introduction en Bourse en 2021. Et la pression ne concerne pas que DoubleVerify : les publications du deuxième trimestre ont coûté environ un quart de leur valeur à The Trade Desk et Criteo, et près de 20 % à AppLovin.

Alors que la croissance ralentit mais que plusieurs de ces entreprises restent rentables et génératrices de cash, le secteur présente un profil de plus en plus favorable à de nouvelles acquisitions et retraits de la cote.

Notre analyse. Le rapprochement donne surtout une indication sur la direction prise par le marché de la mesure. Nielsen ne veut plus seulement dire combien de personnes ont vu une campagne : avec DoubleVerify, il pourra aussi qualifier dans quelles conditions elles l'ont vue - visibilité, fraude, brand safety ou attention. Sur le papier, l'ensemble est particulièrement cohérent avec la convergence TV/CTV/digital et la demande de mesure cross-media.

Mais cette logique comporte aussi un risque pour DoubleVerify : perdre une partie de sa spécialisation pour devenir une brique d'une offre de mesure beaucoup plus large. L'histoire de Moat, racheté par Oracle en 2017 puis progressivement intégré à son offre publicitaire, montre qu'un spécialiste reconnu peut finir par devenir une fonctionnalité au sein d'un ensemble plus vaste. Pour DoubleVerify, dont la valeur repose notamment sur son positionnement de tiers de confiance spécialisé dans la qualité média, ce changement de statut n'est pas anodin.

Il pose aussi la question de la culture de Nielsen et de sa capacité à préserver l'ADN adtech de DoubleVerify. Nielsen reste historiquement très associé à la mesure d'audience et à la télévision. Sa capacité à intégrer une entreprise issue du digital, évoluant sur des cycles technologiques et commerciaux beaucoup plus rapides, sera donc un point à surveiller. Le sujet est d'autant plus intéressant en France, où Nielsen est nettement moins visible sur le marché de la mesure que Médiamétrie, Kantar ou Ipsos.

Time teste la publicité pour les agents IA, Perplexity la bloque

Time teste un nouveau format publicitaire destiné non pas aux internautes, mais aux agents et moteurs d'IA, rapporte Digiday. L'éditeur intègre des messages de marques directement dans les versions markdown de certaines de ses pages, des fichiers structurés pour faciliter leur lecture par les crawlers et systèmes d'IA.

Ces “markdown ads” prennent notamment la forme de FAQ contenant les messages de l'annonceur et identifiées comme sponsorisées. L'objectif est de permettre aux marques d'acheter une présence au sein de contenus susceptibles d'être ingérés par les IA, et donc potentiellement d'influencer la manière dont elles apparaissent dans leurs réponses.

Le produit, propulsé par la technologie de Mobian, arrive alors que les annonceurs cherchent de nouveaux moyens d'améliorer leur visibilité dans ChatGPT, Perplexity et les autres interfaces conversationnelles. Mais les acheteurs interrogés par Digiday sont partagés : certains y voient un moyen simple de répondre rapidement à cette demande, tandis que d'autres pointent l'absence de preuve permettant de relier l'achat de ces formats à une meilleure présence dans les réponses des IA.

Le test vient surtout de rencontrer une première opposition. Moins de deux semaines après son lancement, Perplexity a confirmé à Digiday avoir exclu ces publicités de son index, considérant le procédé comme “trompeur”. Le moteur indique également que les éditeurs ayant recours à ce type de contenu risquent une dégradation de leur score de confiance.

Notre analyse. Le principal problème de l'approche testée par Time tient moins à son efficacité qu'à sa nature même. En intégrant des messages sponsorisés dans une version markdown spécifiquement destinée aux crawlers et agents IA, alors que ces messages ne sont pas nécessairement présentés de la même manière aux internautes, l'éditeur se rapproche d'une logique de cloaking : servir un contenu différent selon que le visiteur est un humain ou une machine.

Une pratique risquée, puisque les moteurs de recherche ont historiquement cherché à sanctionner ce type de mécanisme lorsqu'il vise à influencer leurs résultats.

D'autres acteurs explorent une approche différente. Smalk AI, dont on vous a déjà parlé ici, cherche par exemple à transposer au search IA une logique plus proche de celle des réseaux publicitaires comme Teads, Outbrain ou Taboola : constituer un réseau d'emplacements publicitaires explicitement identifiés, visibles à la fois par les humains et accessibles aux agents IA, avec une infrastructure dédiée côté achat et côté vente.

Cette approche nous semble plus vertueuse, car elle sépare davantage publicité et contenu éditorial : plutôt que de modifier discrètement la matière que les agents viennent lire pour tenter d'influencer leurs réponses, elle cherche à créer un véritable inventaire publicitaire autour de l'AI Search.

Reste évidemment une inconnue majeure : les agents et moteurs accepteront-ils durablement de reconnaître, lire et éventuellement exploiter ces emplacements publicitaires ?

YouTube gonfle son compteur de vues tout en durcissant l'accès à la monétisation

Depuis le 24 août, la plateforme comptabilise une vue dès qu'une vidéo commence à être lue, qu'il s'agisse d'un clic ou d'un lancement automatique. Jusqu'à présent, il fallait regarder la vidéo pendant un certain nombre de secondes pour qu'elle soit enregistrée comme telle.

YouTube appliquait déjà cette méthode aux Shorts depuis 2025. Son extension aux vidéos longues doit rapprocher ses indicateurs de ceux de TikTok et Instagram, qui comptabilisent eux aussi une vue dès le démarrage. L'ancien indicateur ne disparaîtra pas : il sera rebaptisé “engaged view” et restera accessible dans YouTube Analytics.

Pour YouTube, cette évolution doit faciliter la comparaison des performances entre les formats et les plateformes. Mais elle va aussi mécaniquement augmenter les compteurs affichés sous les vidéos, sans que l'attention réellement accordée aux contenus progresse dans les mêmes proportions.

Pour les créateurs, ces chiffres plus élevés pourront renforcer l'attractivité apparente de leur chaîne auprès des marques. Pour les annonceurs, ils rendront au contraire indispensable l'analyse des vues engagées, de la durée de visionnage et des autres signaux d'attention.

Ce changement intervient alors que YouTube prépare un net durcissement des conditions d'accès à son programme de partage des revenus.

À partir de février 2027, les nouvelles chaînes devront atteindre 8 000 heures de visionnage sur les vidéos longues, contre 4 000 actuellement, ou 20 millions de vues sur les Shorts, contre 10 millions. Les créateurs de Shorts devront ensuite maintenir un minimum de 10 millions de vues tous les 90 jours pour continuer à percevoir des revenus publicitaires.

Comme le détaille Digiday, ce durcissement ne signifie pas que les budgets publicitaires consacrés aux Shorts reculent. Les agences interrogées constatent au contraire une progression des investissements.

Mais le format reste encore loin derrière TikTok et Reels, qui peuvent représenter environ 60 % d'un achat de vidéos sociales courtes, contre près de 10 % pour Shorts.

YouTube souffre notamment de la manière dont son inventaire est commercialisé. Les annonceurs achètent rarement Shorts de façon isolée : le format est généralement intégré à des campagnes comprenant également l'in-stream et l'in-feed.

En raison de l'abondance de ces inventaires traditionnels, les algorithmes peuvent y orienter l'essentiel de la diffusion et laisser une place minoritaire à Shorts.

Les agences commencent donc à isoler Shorts dans des lignes d'achat spécifiques. Elles cherchent également à lui appliquer les codes créatifs de TikTok et Reels (vidéos verticales, contenus de créateurs et esthétique plus native) plutôt que de simples déclinaisons de spots télévisés.

Cette évolution soulève une question d'organisation : YouTube est souvent géré par les équipes vidéo, search ou programmatiques, alors que TikTok et Reels relèvent des équipes social media.

Notre analyse. En abaissant le seuil de comptabilisation des vues tout en relevant fortement celui de la monétisation, YouTube poursuit deux objectifs distincts. La plateforme rend ses chiffres publics plus flatteurs et plus facilement comparables à ceux de TikTok et Instagram, tout en réservant davantage le partage des revenus aux créateurs capables de générer une audience importante et régulière.

Cette normalisation est plutôt une bonne nouvelle pour les annonceurs qui souhaitent comparer la portée des plateformes. Elle ne signifie toutefois pas que les vues deviennent réellement comparables.

Une lecture automatique d'une fraction de seconde, une vue engagée et plusieurs minutes de visionnage correspondent à des niveaux d'attention très différents. La bataille de la mesure va donc se déplacer du compteur public vers les données plus profondes de rétention et d'engagement.

Le changement pourrait aussi modifier l'économie du marketing d'influence. Les contrats indexés sur le nombre brut de vues risquent de devenir moins pertinents, puisque les compteurs pourront progresser sans évolution équivalente de l'audience attentive.

Les marques auront intérêt à intégrer les vues engagées dans leurs dispositifs de mesure, à plafonner les rémunérations variables ou à privilégier des partenariats plus longs permettant d'évaluer la capacité réelle d'un créateur à retenir son audience.

Enfin, le nouveau seuil imposé aux Shorts risque de favoriser les créateurs capables de publier à un rythme industriel. Les formats plus coûteux ou plus longs à produire pourraient être pénalisés, tandis que les chaînes automatisées pourront multiplier les contenus afin d'atteindre les volumes demandés.

YouTube affirme vouloir mieux récompenser l'engagement, mais son système pourrait paradoxalement accentuer la pression en faveur de la quantité, y compris celle des contenus générés par IA.

Pour YouTube, l'enjeu dépasse néanmoins la rémunération des créateurs. Shorts doit encore convaincre les annonceurs de transférer une partie de leurs budgets sociaux depuis TikTok et Reels.

Des CPM plus faibles ne suffiront pas : tant que le format ne démontrera pas une efficacité supérieure et ne pourra pas être acheté plus simplement comme un véritable inventaire social, il restera une extension de YouTube plutôt qu'un concurrent pleinement autonome des deux plateformes.

ChatGPT Ads arrive en France après six mois de construction accélérée

Depuis le 24 août, OpenAI diffuse des publicités dans ChatGPT en France et dans trente autres marchés européens. Ces annonces restent réservées aux utilisateurs des versions gratuite et Go : les abonnés Plus et Pro, ainsi que les clients Enterprise, conservent une expérience sans publicité.

Le reach potentiel est considérable. ChatGPT revendique près de 900 millions d'utilisateurs actifs chaque semaine et estime qu'environ 20 % des interactions présentent une intention commerciale, qu'il s'agisse de rechercher un produit, de comparer des offres ou de préparer un achat.

OpenAI adapte néanmoins son dispositif aux règles européennes. La publicité personnalisée repose sur le consentement de l'utilisateur. En cas de refus, celui-ci continue de voir des annonces, mais leur sélection dépend uniquement de la conversation en cours et de sa localisation approximative, sans recours à sa mémoire ni à son historique. La plateforme peut donc monétiser une large partie de son audience grâce au ciblage contextuel.

L'offre a beaucoup évolué depuis le lancement du pilote américain en février. À l'époque, ChatGPT Ads était vendu autour de 60 dollars le CPM (le coût de mille impressions) avec un engagement minimum de 200 000 dollars.

En six mois, OpenAI a ajouté l'achat au clic, un Ads Manager, l'optimisation à la conversion, le géociblage, les audiences personnalisées et des outils de mesure comme le pixel et la Conversions API. La plateforme affirme désormais avoir accueilli plusieurs dizaines de milliers d'annonceurs.

L'accès français reste toutefois encadré. Les campagnes peuvent être achetées auprès des équipes commerciales d'OpenAI, des principales agences médias ou de partenaires technologiques comme Adobe, Criteo, Kargo, Pacvue et StackAdapt. L'ouverture plus large de l'Ads Manager en self-service est toute récente, puisqu’elle date du 31 août.

Bouygues Telecom, Carrefour, Cultura, EDF et TotalEnergies font partie des premiers annonceurs français à tester le canal. On est, à date, très loin des CPM et CPC affichés aux US (et c’est normal puisque la concurrence est encore très réduite).

Notre analyse. L'arrivée de ChatGPT Ads en France ne correspond pas seulement à l'ouverture d'un inventaire publicitaire supplémentaire. OpenAI construit progressivement une plateforme hybride, à mi-chemin entre le search, le commerce media et la recommandation conversationnelle.

L'annonce n'est plus déclenchée par un mot-clé explicitement acheté : le modèle interprète l'intention exprimée dans la conversation, décide s'il est pertinent d'afficher une publicité puis, dans le cas des formats dynamiques, sélectionne lui-même le produit à mettre en avant.

Ce fonctionnement déplace une partie importante du contrôle de l'acheteur média vers OpenAI. Les annonceurs peuvent fournir des indications sur les contextes dans lesquels ils souhaitent apparaître, mais celles-ci ne correspondent pas encore aux critères de ciblage précis ou aux mots-clés négatifs garantis de Google Ads.

Ils disposent également de moins de visibilité sur les signaux qui conduisent le modèle à diffuser une annonce ou à sélectionner une référence plutôt qu'une autre.

La mesure constitue l'autre limite structurante. Le pixel et la Conversions API permettent désormais de relier un clic à une visite, un lead ou une commande. Ils établissent une succession d'événements, pas un lien de causalité. Or une publicité diffusée au milieu d'une conversation déjà très chargée en intention risque de s'attribuer une vente qui aurait eu lieu de toute façon. T

ant qu'OpenAI et ses partenaires ne publieront pas de tests d'incrémentalité solides, les annonceurs sauront que ChatGPT Ads génère des conversions attribuées, mais pas encore combien de ventes réellement supplémentaires il produit.

Le lancement français ouvre donc une phase d'apprentissage davantage qu'un nouveau canal arrivé à maturité. L'enjeu des prochains mois sera de voir si OpenAI parvient à transformer les budgets de curiosité des grandes marques en investissements récurrents, puis à attirer la longue traîne des PME qui a fait la puissance publicitaire de Google et Meta.

Acheter une campagne média directement depuis un assistant IA, qu’il s’appelle ChatGPT ou Claude, en dialoguant avec l'agent d'une régie ? C'est désormais possible, comme nous vous l’avions déjà démontré avec le cas Values.media x Technalab, dans un précédent épisode.

Aujourd’hui, nous vous montrons comment faire de même avec Adventic, le tout nouveau seller agent de Prisma Media. Paul Ripart, directeur délégué digital et data de la régie, vous détaille les étapes pour brancher, en quelques minutes, le seller agent à votre chatbot.

Première étape : demander un accès à la régie.

Celle-ci vous transmet une URL de connexion au serveur MCP ainsi que vos identifiants personnels.

Dans ChatGPT, rendez-vous ensuite dans “Paramètres”, puis dans la section permettant d'ajouter un connecteur. Il suffit alors de créer une nouvelle connexion, de lui donner un nom et de renseigner l'URL fournie par la régie.

Lors de la première connexion, une authentification est demandée : c'est notamment à ce moment-là que vous renseignez la clé d'API communiquée par la régie.

L'opération prend une quinzaine de secondes et, surtout, elle n'est à effectuer qu'une seule fois. Une fois le serveur MCP connecté, le Seller Agent reste accessible depuis ChatGPT pour les prochaines conversations.

Avant de lui envoyer un brief média, une bonne pratique consiste à vérifier que la connexion fonctionne et à demander directement au Seller Agent quelles sont ses capacités.

Par exemple : « Es-tu bien connecté et à quoi as-tu accès ? »

Cette étape est importante car tous les Seller Agents ne proposent pas encore les mêmes fonctionnalités.

Dans le cas d'Adventic Ad, l'agent est compatible avec AdCP 3.1 et donne accès à un catalogue de 53 produits publicitaires.

On y retrouve notamment des offres display, vidéo, CTV ou encore print.

Mais l'intérêt du Seller Agent est justement de ne pas se limiter à ce catalogue. L'agent peut rechercher des segments dans la DMP de la régie, appliquer différents critères de qualité - attention, complétion vidéo ou visibilité notamment - , réaliser des ciblages géographiques ou encore interroger Google Ad Manager pour effectuer des forecasts.

On vous détaillera tout cela dans un prochain épisode.

“Nous voulons faire de l'affichage digital en magasin un inventaire aussi facilement mesurable et ciblable que n'importe quel canal numérique.” C'est avec cette ambition qu'Iman Nahvi a fait pivoter Advertima vers le retail media en 2021 : apporter au magasin les leviers qui ont fait le succès du retail media en ligne.

Sa promesse : utiliser la computer vision pour mesurer les audiences réellement exposées aux écrans pub digitaux, activer un ciblage en temps réel et rendre ces inventaires plus accessibles aux agences, notamment en programmatique. Déjà présente auprès de plusieurs retailers internationaux, l'entreprise cherche désormais à accélérer en France.

Des magasins autonomes au retail media

Comme évoqué plus haut, Advertima n'est pas née dans le retail media. L'aventure démarre en 2015 avec Migros, en Suisse, autour d'un projet de magasin autonome comparable à Amazon Go : des caméras et des capteurs capables d'identifier en temps réel les produits pris par chaque client afin de lui permettre de repartir sans passer en caisse.

Mais l'enthousiasme autour des magasins autonomes se heurte rapidement à leur coût. “En 2021, il est devenu très clair que la technologie fonctionnait, mais que le capex nécessaire pour équiper un magasin était trop élevé pour obtenir un retour sur investissement positif”, résume Iman Nahvi.

Advertima décide alors de réutiliser sa technologie - capable d'analyser précisément la position, le parcours et le comportement des shoppers - sur un marché à l'équation économique plus prometteuse : le retail media in-store.

Mesurer l'audience réellement exposée

La première brique proposée par Advertima est la mesure d'audience. La société installe ses capteurs dans les magasins, mais ne fournit ni les écrans ni les systèmes de diffusion. Elle se positionne comme une couche technologique accessible par API, connectée aux infrastructures d'affichage pub digital ou de retail media déjà en place chez le retailer.

“Avec un seul capteur, notre technologie peut détecter, en 3D, les shoppers situés jusqu'à 35 ou 40 mètres”, explique Iman Nahvi. Deux capteurs suffiraient ainsi à couvrir une zone de 50 mètres et à suivre jusqu'à 200 personnes simultanément : leur position, leur posture et leur parcours dans le magasin.

L'enjeu est de distinguer les clients qui passent simplement devant un écran de ceux qui regardent réellement la publicité. Iman Nahvi prend l'exemple de cinq personnes présentes dans sa zone de visibilité, dont trois seulement sont tournées vers le spot diffusé.

Pour chaque campagne, Advertima peut ainsi mesurer non seulement le nombre de personnes passées à proximité de l'écran, mais aussi l'audience réellement exposée - un indicateur plus proche des standards du digital que les mesures classiques de fréquentation en magasin.

Choisir la campagne en fonction de l'audience présente

Cette analyse ne sert pas uniquement à mesurer les campagnes a posteriori. Elle peut également être utilisée en temps réel pour sélectionner la publicité la plus adaptée à l'audience présente.

Une seconde avant la diffusion du prochain spot, le CMS de l'écran interroge l'API d'Advertima pour connaître la composition du groupe situé devant lui. Il choisit ensuite, parmi les campagnes éligibles, celle qui correspond le mieux à cette audience.

Iman Nahvi insiste toutefois sur l'absence d'identification individuelle. La technologie n'utilise aucune donnée biométrique permettant de reconnaître une personne, mais uniquement des attributs visuels temporaires, comme la couleur de ses vêtements. Le système peut ainsi suivre anonymement le parcours d'un shopper pendant sa visite, puis transmettre cette session au système du retailer.

La méthode n'est évidemment pas infaillible. Le dirigeant revendique un taux de précision de 80%, qui est, assure-t-il, largement suffisant pour rendre le dispositif opérationnel.

Les possibilités de ciblage restent volontairement assez simples. “L'âge et le genre estimés couvrent 60 à 70 % des demandes que nous recevons”, indique Iman Nahvi. Des métriques plus fines, comme “cibler selon le niveau d'attention”, sont techniquement envisageables, mais restent difficiles à industrialiser, selon l'expert.

Interrogé sur le cas d'une campagne menée par 7-Eleven à Singapour, dans laquelle seules les impressions dépassant un certain seuil d'attention étaient valorisées, Iman Nahvi reste prudent. “Bâtir une offre autour de la seule attention risque de complexifier l'activation et de réduire excessivement le reach pour un gain encore incertain”, prévient-il.

Le ciblage reste, de toute façon, une fonctionnalité complémentaire – un “nice to have”, comme disent les Américains. La valeur d’Advertima tient avant tout à sa capacité à mesurer l’audience réellement exposée, puis à relier cette exposition aux comportements d’achat.

Iman Nahvi prend l'exemple d'une publicité Coca-Cola diffusée sur un écran en magasin. “Les données transactionnelles ou de fidélité du retailer vont lui permettre de savoir qu'un client a acheté le produit, mais pas qu'il a réellement regardé la publicité quelques minutes plus tôt.”

Advertima crée donc une session anonyme pour chaque personne exposée et suit son parcours dans le magasin. Transmise au système du retailer, cette session permet ensuite de déterminer si l'exposition s'est soldée par un achat.

C'est ce triptyque - mesurer, cibler et attribuer - qui doit permettre de faire passer l'affichage pub digital en magasin d'un levier de trade marketing à un véritable média. Là où le trade marketing est principalement financé par les marques présentes dans les rayons, les budgets médias ouvrent l'inventaire à un marché plus large, notamment aux annonceurs non endémiques. Pour les retailers, il s'agit donc d'un potentiel relais de croissance, et pas seulement d'un déplacement des investissements déjà consacrés au point de vente.

Encore faut-il que ces inventaires soient accessibles aux agences médias... Advertima rend pour cela ses capacités de ciblage et de mesure activables depuis les outils qu’elles utilisent déjà, comme DV360 chez FairPrice à Singapour et Majid Al Futtaim au Moyen-Orient, ou Adform chez Migros, Spar et OBI en Suisse. Depuis son DSP, un acheteur peut sélectionner les segments proposés par Advertima, activer sa campagne, puis en mesurer l'exposition.

“Les agences ne modifieront leurs plans médias que si les inventaires in-store peuvent être achetés dans des environnements et selon des méthodes comparables aux autres canaux digitaux”, estime Iman Nahvi.

Cette standardisation est particulièrement importante pour convaincre les annonceurs non endémiques - banques, assureurs, opérateurs télécoms ou constructeurs automobiles - qui ne bénéficient pas naturellement de la proximité avec le rayon. Pour les attirer, le retailer doit pouvoir démontrer précisément l'audience touchée et la valeur de la campagne.

MediaWorld en a fait l'expérience. L'enseigne italienne d'électronique grand public disposait déjà d'écrans en magasin, mais peinait à les commercialiser auprès des annonceurs non endémiques.

“Après avoir équipé onze magasins avec la technologie d'Advertima et ouvert ces inventaires au programmatique, elle aurait généré environ 200 000 euros de revenus auprès des agences en deux mois”, illustre Iman Nahvi. Le dispositif est désormais en cours d'extension à vingt magasins.

Quid du business model ? Le modèle d'Advertima combine des revenus liés au déploiement de sa technologie et une rémunération variable indexée sur les campagnes enrichies par ses données. Lorsque son API est sollicitée pour cibler ou mesurer une diffusion, la société perçoit généralement l'équivalent d'environ 10% du CPM facturé par le retailer.

Le retailer peut, de son côté, appliquer une majoration aux inventaires assortis de capacités de ciblage et de mesure. L'enseigne peut donc proposer deux niveaux d'offre : une campagne classique, diffusée sans ciblage ni mesure avancée, et une offre premium permettant de toucher certains segments et de connaître l'audience réellement exposée.

Advertima ne se rémunère donc pas uniquement sur le déploiement de ses capteurs, mais aussi sur la valeur supplémentaire qu’ils permettent de générer sur les inventaires in-store.

Advertima revendique plusieurs déploiements internationaux : Carrefour au Moyen-Orient via Majid Al Futtaim, Walmart au Mexique, FairPrice à Singapour, ainsi que Migros, Spar et OBI sur certains marchés européens.

Jusqu'à présent, la France ne figurait pas parmi les marchés prioritaires d'Advertima. L'entreprise commence néanmoins à échanger avec plusieurs acteurs locaux et cite notamment Unlimitail, qui vient de lancer un appel d'offres pour la commercialisation de son retail media in-store.

La réussite d'Advertima dépendra toutefois moins de la sophistication de sa technologie que de sa capacité à s'intégrer à un écosystème encore très fragmenté. Entre CMS, régies, DSP, solutions de mesure, systèmes de caisse et infrastructures d'affichage, la promesse d'un inventaire comparable au digital suppose de connecter de nombreuses briques. Car pour devenir un véritable média, le magasin devra d'abord réussir à faire dialoguer toutes ses technologies.

Gamned! n'aura pas perdu de temps. Le 25 août, au lendemain de l'ouverture de ChatGPT Ads à la France et à trente autres marchés européens, l'agence a lancé une première campagne test auprès des utilisateurs français. L'activation est passée par StackAdapt, DSP canadien qui compte, avec Criteo, parmi les principaux partenaires technologiques de ChatGPT Ads.

Le but n'était pas de décider en une journée si ChatGPT Ads allait devenir un nouveau levier de performance - d'autant que le canal n'est pas donné, avec des CPM annoncés entre 15 et 50 euros. Gamned! voulait surtout voir comment tout cela fonctionne vraiment : paramétrage des campagnes, construction du ciblage, diffusion des créations, optimisation et remontée des conversions. Des sujets difficiles à apprécier à partir de la seule documentation commerciale des plateformes.

Les annonces ont pris la forme de Chat Cards. Intégré directement dans l'interface conversationnelle de ChatGPT, ce format associe un visuel, un message de marque et un call to action. La publicité apparaît dans le prolongement de la conversation, tout en restant clairement distincte de la réponse générée par ChatGPT.

Un ciblage conversationnel qui va au-delà du mot-clé

Pour orienter la diffusion, Gamned! a constitué plus de cinquante groupes de mots-clés et d'expressions. Ils couvrent des requêtes liées au choix d'un trading desk, aux agences programmatiques, à la CTV ou aux audiences BtoB, mais aussi des recherches comparatives et des expertises plus techniques (DV360, The Trade Desk, Amazon DSP, retail media, data strategy…).

Mais le fonctionnement ne se résume pas à du ciblage par mot-clé exact, comme dans un moteur de recherche. Les expressions renseignées décrivent plutôt des contextes que la plateforme interprète. Open AI parle (retenez-bien ce terme car vous le verrez de plus en plus) de context hints.

A noter qu’une même intention peut être formulée de plusieurs façons et déclencher une diffusion au-delà de la liste initialement fournie. Cette marge d'interprétation fait à la fois l'intérêt du produit et sa principale zone grise. Elle peut permettre de capter une intention commerciale exprimée au fil d'une conversation complexe, mais aussi réduire la précision du ciblage.

Sans reporting détaillé sur les conversations ayant déclenché les annonces, difficile de savoir à quel point les contextes achetés correspondent réellement aux requêtes des utilisateurs.

Gamned! s'appuie notamment sur ses propres outils, fondés sur plusieurs modèles de langage, pour reformuler les contextes, vérifier leur compréhension et repérer les variantes susceptibles de déclencher une diffusion.

L'agence cherche aussi à éviter de payer pour des requêtes sur lesquelles la marque serait déjà naturellement citée par ChatGPT. À terme, le travail de ciblage pourrait donc moins consister à sélectionner les bons mots-clés qu'à arbitrer entre visibilité organique et présence sponsorisée.

Trois stratégies d'achat comparées sur une journée

Gamned! a activé simultanément trois stratégies :

• un achat au CPC classique ;

• un achat au CPM ;

• un CPC optimisé à la conversion, ou C/oCPC.

Dans ce dernier cas, l'algorithme dispose de davantage de latitude pour privilégier les impressions les plus susceptibles de produire l'action recherchée par l'annonceur.

Au terme de cette première journée, le CPC optimisé à la conversion a enregistré un taux de clic de 2,70%, contre 1,79% pour le CPC classique et 1,18% pour l'achat au CPM. Selon Gamned!, cette stratégie a également généré le plus grand nombre de conversions.

Pendant le test, l'algorithme semble donc avoir identifié des contextes plus propices au clic. Pas de quoi conclure pour autant à la supériorité durable de cette stratégie. La comparaison peut être influencée par les volumes accessibles à chaque mode d'achat, les différences de prix, la répartition des audiences ou encore le temps nécessaire à l'algorithme pour apprendre.

Gamned! ne communique ni le nombre d'impressions, ni les budgets investis, ni le coût moyen du clic et de la conversion. Or, un taux de clic élevé sur un faible volume n'a pas la même portée qu'un résultat maintenu pendant plusieurs semaines et auprès de différents annonceurs.

Il reste aussi à préciser ce que recouvrent exactement les conversions. Une visite du site, la consultation d'une page ou l'envoi d'un formulaire ne renseignent pas de la même façon sur la valeur générée. Quant au taux de clic, il mesure la capacité du format à provoquer une interaction, pas son effet incrémental sur les ventes ou les leads.

StackAdapt devra faire la différence par le multilevier

OpenAI doit à terme lancer son propre Ads Manager, qui permettra aux annonceurs d'acheter ChatGPT Ads en self-service. Baptiste Pechery, Head of Programmatic chez Gamned!, estime que “cette option conviendra naturellement aux campagnes exclusivement consacrées à ChatGPT”.

StackAdapt va en revanche garder un intérêt pour les activations qui combinent ChatGPT Ads avec du display, de la vidéo ou d'autres inventaires programmatiques. “L'utilisation d'un même pixel facilite la lecture des conversions à travers plusieurs leviers et pourrait permettre de réexposer sur l'open web des utilisateurs touchés dans ChatGPT, ou au contraire de limiter certains recouvrements”, précise Baptiste Pechery.

Cette capacité doit encore être testée à plus grande échelle. Mais c'est bien sur ce terrain que StackAdapt peut se différencier d'une campagne administrée uniquement dans l'environnement fermé d'OpenAI. “Ça nous rappelle un peu l'époque où Meta n'était pas un walled garden et où on pouvait l'acheter via AppNexus”, se réjouit Baptiste Pechery.

Au moment de l'entretien, Gamned! préparait déjà plusieurs campagnes pour des annonceurs, avec des budgets tests pouvant atteindre quelques dizaines de milliers d'euros. Elles devraient donner une meilleure idée de la capacité du canal à délivrer lorsque plusieurs acheteurs ciblent en même temps les mêmes contextes.

Un premier mode d'emploi plutôt qu'un benchmark

“Ce levier s'annonce incontournable. Il nous semblait naturel d'être parmi les premiers à le tester en conditions réelles, pour lever nous-mêmes les freins opérationnels avant nos clients, et pouvoir leur proposer des lancements maîtrisés plutôt que subis”, explique Baptiste Pechery.

Ce premier test livre donc davantage un mode d'emploi qu'un benchmark de performance. Pour savoir quelle place ChatGPT Ads peut réellement prendre dans un plan média, il faudra prolonger les campagnes, multiplier les annonceurs et comparer le canal à d'autres dispositifs poursuivant les mêmes objectifs.

Quatre réponses manquent encore : la capacité de diffusion, les coûts réels, la qualité des contextes achetés et l'incrémentalité des conversions. Le vrai test ne sera pas d'afficher ponctuellement un taux de clic élevé, mais de vérifier que ChatGPT Ads génère des actions supplémentaires à un coût compétitif, sans simplement capter des utilisateurs qui auraient déjà trouvé la marque dans la réponse organique.

1. Un reach potentiel immense, même sans consentement au ciblage personnalisé

Difficile de passer à côté de l'info de cette rentrée : la publicité débarque dans ChatGPT en France (et dans 30 autres pays). Mais pas chez tout le monde. Comme Netflix avant lui, OpenAI a choisi de la réserver aux utilisateurs de la version gratuite et de la formule Go. Les abonnés Plus et Pro, ainsi que les clients Enterprise, y échappent encore.

Le reach potentiel reste immense : ChatGPT revendique près de 900 millions d'utilisateurs actifs par semaine, pour seulement 35 millions d'abonnés payants. Cet écart donne une idée du bassin théoriquement monétisable, même si tous ces utilisateurs ne sont pas immédiatement accessibles aux annonceurs.

Contexte réglementaire oblige, OpenAI a retenu le consentement comme base légale de la publicité personnalisée en Europe. S'il l'accepte, l'utilisateur peut être ciblé à partir de son historique publicitaire, de ses centres d'intérêt et de données remontées par les annonceurs.

S'il refuse, il voit toujours des publicités, mais leur sélection repose sur la conversation en cours et une localisation approximative, sans utiliser la mémoire ni l'historique. OpenAI peut donc continuer à monétiser ces utilisateurs grâce au ciblage contextuel. La société estime par ailleurs que 20% des interactions présentent une intention commerciale - recherche, comparaison ou projet d'achat.

2. OpenAI est passé d'un pilote premium à une véritable plateforme d'achat

L'offre a beaucoup évolué depuis le lancement du pilote américain, en février. À l'époque, ChatGPT Ads était vendu autour de 60 dollars le CPM - le coût de mille impressions - avec un engagement minimum de 200 000 dollars. Ce seuil est tombé à 50 000 dollars en avril, avant le lancement d'un Ads Manager sans minimum de dépense.

Les annonceurs peuvent y importer leurs publicités, fixer un budget et piloter leurs enchères. En France, l'accès à l'outil reste toutefois réservé aux agences appartenant aux grandes holdcos.

Les annonceurs et agences indépendantes doivent donc passer par l'une des cinq adtech partenaires d'OpenAI : Adobe, Criteo, Kargo, Pacvue et StackAdapt. Celles-ci prennent en charge la création, les budgets et les enchères, tandis qu'OpenAI conserve le contrôle de la diffusion des campagnes.

OpenAI a également ajouté le CPC, ou coût par clic, avec des enchères initialement observées entre 3 et 5 dollars. La plateforme propose désormais l'optimisation à la conversion : l'algorithme ne cherche plus seulement à générer une impression ou un clic, mais une action définie par l'annonceur. Géociblage et audiences personnalisées complètent le dispositif.

Le ciblage reste néanmoins moins maîtrisable que sur les plateformes établies. Les annonceurs renseignent aujourd'hui des "context hints", c'est-à-dire une description des conversations, sujets ou mots-clés dans lesquels leur offre peut être pertinente. Ces indications guident le modèle, mais ne fonctionnent pas comme des critères de ciblage exacts.

OpenAI teste désormais auprès d'un petit groupe d'annonceurs des consignes de ciblage négatif. Elles leur permettraient de préciser les contextes conversationnels à proximité desquels ils ne souhaitent pas apparaître. La nuance est importante : OpenAI parle à ce stade de "guidance" fournie au système, et non d'une exclusion garantie comparable aux mots-clés négatifs de Google Ads. Aucun calendrier de déploiement n'est communiqué.

Cette évolution répond à plusieurs critiques rapportées par Adweek : difficulté à décrire précisément l'audience recherchée, faibles possibilités de contrôler les contextes de diffusion et manque de visibilité sur l'environnement réel des impressions. En six mois, OpenAI a donc assemblé les principales briques attendues d'une plateforme publicitaire. Leur disponibilité ne signifie pas encore qu'elles offrent le niveau de contrôle, de transparence ou de maturité de Google et Meta.

3. Les catalogues produits deviennent plus importants que les créations unitaires

Au format initial - titre, description, image et lien - se sont ajoutés une image plus grande et des boutons personnalisables, puis des formats e-commerce affichant prix, avis et plusieurs références dans un carrousel.

Avec ces formats dynamiques, l'annonceur ne prépare plus nécessairement chaque publicité. Il transmet son catalogue, puis OpenAI choisit les produits jugés pertinents au regard de la conversation, à la manière de Google Shopping. Le modèle prend donc deux décisions jusqu'ici largement pilotées par l'acheteur média : l'opportunité d'afficher une publicité et la référence à promouvoir.

L'unité d'optimisation se déplace ainsi de l'annonce vers le catalogue. La qualité du flux - titres explicites, catégories, attributs, visuels, prix et disponibilité - devient aussi déterminante que les enchères ou la création. Un produit mal décrit, rangé dans la mauvaise catégorie ou signalé à tort comme disponible risque d'être écarté, ou présenté dans un contexte inadapté. Les équipes devront donc rapprocher des compétences jusque-là réparties entre search, retail media, e-commerce et création dynamique.

Ce transfert d'autonomie vers OpenAI pose aussi un enjeu de contrôle. Pour comprendre les performances, les acheteurs médias devront pouvoir relier le contexte de la conversation, le produit sélectionné et la conversion obtenue. Sans ce niveau de reporting, ils sauront qu'une campagne fonctionne, mais beaucoup moins précisément quels signaux ont conduit le modèle à privilégier une référence plutôt qu'une autre.

4. OpenAI prépare déjà l'ouverture aux PME

Fin juillet, Digiday a repéré une offre accordant 50 dollars de crédits après une dépense équivalente réalisée dans les quatorze jours suivant l'ouverture du compte, ainsi qu'une variante à 100 dollars. Au-delà du montant, cette mécanique marque le passage d'une logique de lancement à une logique d'acquisition : OpenAI cherche désormais à convertir les inscriptions en premiers investissements, puis ces tests en dépenses récurrentes.

La cible naturelle est celle des PME. Les grands annonceurs peuvent apporter rapidement des budgets importants, mais leur nombre est limité. Google et Meta ont construit leur puissance publicitaire sur une longue traîne de millions d'entreprises capables de lancer seules des campagnes avec quelques centaines ou milliers de dollars. Les deux groupes ne ventilent pas leurs revenus par taille d'annonceur, mais la contribution des PME est généralement estimée autour des deux tiers de leurs recettes publicitaires. Sur les 491 milliards de dollars générés par Google et Meta en 2025, cela représenterait environ 330 milliards.

L'enjeu est d'autant plus structurant qu'OpenAI viserait 100 milliards de dollars de revenus publicitaires en 2030. Avec une structure comparable à celle de Google et Meta, près de 65 milliards devraient provenir des PME. Leur multiplication permettrait également de densifier les enchères dans davantage de secteurs, de zones géographiques et de contextes conversationnels. Sans cette profondeur de demande, ChatGPT Ads resterait dépendant des budgets de test de quelques centaines de grandes marques.

OpenAI constitue donc une équipe consacrée aux PME, avec des recrutements dans la data science, le growth, la génération de demande et les opérations commerciales. Une partie de la vente pourrait être confiée à des prestataires externes, comme chez Google et Meta. L'objectif consiste à industrialiser tout le funnel : recrutement, première campagne, montée en dépense et rétention.

Le crédit promotionnel n'est que la première étape. Pour convertir cette longue traîne, OpenAI devra permettre à une entreprise sans équipe média de créer une campagne en quelques minutes, d'en comprendre les résultats et de l'optimiser vers un objectif business. La crédibilité de sa projection à 100 milliards dépendra largement de sa capacité à transformer des millions de petits tests en budgets récurrents.

5. La mesure devient opérationnelle, mais la preuve de performance manque toujours

Le pixel de mesure d'OpenAI - un code placé sur le site de l'annonceur - relie un clic à une visite, un lead, une commande, un abonnement ou un essai. La Conversions API transmet les mêmes événements directement depuis les serveurs de l'annonceur, avec moins de pertes liées aux cookies, aux navigateurs ou aux bloqueurs de publicité. Ces signaux alimentent également l'optimisation à la conversion : un tracking mal configuré peut donc dégrader à la fois la mesure et les enchères.

La plateforme propose une attribution post-clic et, pour certains comptes, une attribution post-view limitée à une journée. Cette dernière reste isolée dans le reporting : le CPA, la facturation et l'optimisation reposent encore sur les conversions post-clic.

OpenAI ouvre parallèlement sa mesure à des tiers. Fospha, Hightouch, LiveRamp, Triple Whale et WorkMagic figurent parmi les intégrations documentées pour faire remonter des conversions web, app ou offline. Kochava dit travailler avec OpenAI sur une lecture cross-canal. Des acteurs comme IAS ou DoubleVerify pourraient intervenir sur un autre terrain - visibilité, trafic humain et brand safety.

Le principal trou demeure en effet celui de la causalité. Le pixel et la Conversions API indiquent qu'une conversion est intervenue après une exposition ou un clic, pas que la publicité l'a provoquée. Ce risque, qui affecte toute plateforme publicitaire, est particulièrement élevé dans ChatGPT, où l'annonce apparaît souvent au milieu d'une démarche déjà chargée en intention. La plateforme peut alors s'attribuer une vente qui aurait eu lieu de toute façon.

À l'inverse, cette mesure capte mal une publicité mémorisée, puis suivie d'une recherche de marque, d'une visite directe ou d'un achat en magasin. Les acheteurs devront donc croiser le reporting d'OpenAI avec leurs analytics, leurs données CRM et leurs ventes offline, puis conduire des tests d'incrémentalité. Le marketing mix modeling pourra compléter cette lecture une fois les volumes et l'historique suffisants.

Le bilan dressé par l’expert ès ChatGPT Ads, Juozas Kaziukėnas confirme cette limite : il ne recense aucun ROI robuste communiqué publiquement. L'un des rares cas disponibles affiche des taux de clic corrects, mais des conversions très faibles, voire nulles. ChatGPT Ads peut désormais être suivi, attribué et optimisé ; son passage à l'échelle dépendra de sa capacité à démontrer que les ventes revendiquées n'auraient pas eu lieu sans la publicité.

Open Garden décrypte les grandes mutations de la publicité digitale : intelligence artificielle appliquée aux médias, retail media, CTV, programmatique...

Chaque semaine, la newsletter aide plusieurs milliers de professionnels de la pub -annonceurs, agences, régies, éditeurs - à comprendre où va le marché et à qui parler pour avancer.

Ce que couvre Open Garden

Open Garden organise son contenu autour de cinq axes :

• Open Media : l'actualité générale de la publicité et des médias.

• AI for Media : les usages concrets de l'intelligence artificielle dans la publicité et les médias.

• CTV : les évolutions de la télévision connectée et de la vidéo publicitaire.

• Retail Media : la montée en puissance des régies retailers, on-site et off-site.

• Media Buyers Club : des retours d'expérience et études de cas d'annonceurs sur leurs stratégies d'achat média.

Une section complémentaire, Sous le capot, propose des analyses techniques plus approfondies sur les technologies publicitaires.

Nos formats

La newsletter hebdomadaire d'Open Garden est gratuite et rassemble analyses de fond, interviews et suivi de l'actualité. Elle est complétée par une chaîne YouTube (@Open_Garden) et par des événements physiques réguliers réunissant les décideurs du secteur.

Qui est derrière Open Garden

Open Garden est fondé et dirigé par Nicolas Jaimes. Journaliste pendant douze ans au Journal du Net (JDN), où il couvre la publicité et l'innovation média.

Il rejoint le groupe INfluencia en 2022 pour lancer Minted dont il devient le rédacteur en chef fondateur : newsletter quotidienne, site, club de partenaires et cycle d'événements. Il quitte Minted début 2025 pour lancer Open Garden et explorer plus largement les mutations de l'innovation publicitaire.

Innovators Series : nos événements

Au-delà de la newsletter, Open Garden organise l'Innovators Series, un cycle d'événements consacrés aux grands enjeux du marketing et de la publicité digitale : retail media, media buying, mesure de la performance, CTV. C

es matinées réunissent retailers, marques, agences et partenaires technologiques autour de sessions d'inspiration, de retours d'expérience et de networking.

Pourquoi lire Open Garden

Open Garden s'adresse à celles et ceux qui doivent anticiper les mutations de la publicité digitale plutôt que les subir : directions marketing et média, agences, régies, équipes retail media et data.

L'objectif : aller au-delà du fil d'actualité pour donner du contexte, des chiffres et des angles d'analyse exploitables.

Questions fréquentes

Qui édite Open Garden ?
Open Garden est édité par Nicolas Jaimes, ancien journaliste au Journal du Net et fondateur de Minted avant de lancer Open Garden en 2025.

À quelle fréquence paraît la newsletter ?
Open Garden paraît chaque semaine, avec un suivi continu de l'actualité entre deux numéros.

Comment s'abonner à Open Garden ?
L'inscription est gratuite depuis la page d'accueil d'open-garden.com.

CTV Innovators réunit les annonceurs, agences médias, régies, plateformes et experts qui façonnent le futur de la télévision et de la vidéo premium.

Pendant une matinée, les principaux décideurs du marché se retrouvent pour décrypter les transformations de l'écosystème : convergence entre télévision linéaire et digitale, mesure cross-média, nouveaux modes d'achat, fragmentation des audiences, data, attention, créativité et intelligence artificielle.

Un événement conçu pour comprendre les tendances qui auront un impact concret sur les stratégies vidéo des marques.

Le concept

CTV Innovators repose sur un format volontairement sélectif, réservé aux professionnels directement concernés par les enjeux de la télévision connectée.

La matinée combine des keynotes, des retours d'expérience et des conversations entre experts. Les interventions sont courtes, concrètes et consacrées aux sujets les plus structurants du moment.

L'événement se prolonge par un déjeuner permettant aux participants de poursuivre les échanges dans un cadre plus informel.

La confidentialité des discussions et l'absence de captation intégrale favorisent des prises de parole plus directes et des échanges réellement utiles entre pairs.

À qui s'adresse CTV Innovators ?

CTV Innovators s'adresse notamment aux :

• annonceurs et responsables vidéo

• directions médias et marketing

• agences médias et trading desks

• régies audiovisuelles

• plateformes de streaming

• experts de la mesure, de la data et de la technologie publicitaire

La participation est réservée aux professionnels invités ou dont l'inscription a été validée par Open Garden.

Retour sur l’édition 2026

​Au programme notamment :

​Les premiers cas d’usage réels de l’agentique appliquée à l’achat en CTV : ce qui change vraiment dans les workflows traders et acheteurs multiscreen

​Les nouveaux formats des régies passés au crible : ceux qui délivrent de la performance… et ceux qui complexifient inutilement vos plans média

​Les coulisses de la mesure cross-vidéo : méthodos, limites actuelles et angles morts dont personne ne parle

​Rendez-vous le 29 septembre prochain à la Maison des Travaux Publics pour une matinée "Retail Media Innovators" consacrée aux grands enjeux qui façonneront le retail media de demain.

​Une centaine d'annonceurs, retailers, agences et experts du marché se retrouveront autour de deux temps forts :

• ​Une session d'inspiration et de retours d'expérience (2h30) réunissant les principaux acteurs du marché.

• ​Une session de networking (1h) pour échanger entre pairs sur les stratégies, les bonnes pratiques et les défis à venir.

​La thématique de cette édition

​Retail Media & IA agentique : qui contrôlera le commerce de demain ?

​Le retail media entre dans une nouvelle phase de son développement.

​Après plusieurs années de forte croissance, les acteurs du marché doivent désormais répondre à de nouveaux défis : accélérer le développement du off-site, faire décoller l'in-store media, mieux mesurer la performance des campagnes… tout en composant avec l'arrivée de l'intelligence artificielle.

​Car l'IA ne se contente plus d'optimiser les campagnes publicitaires. Elle transforme déjà la manière dont les consommateurs recherchent des produits, comparent les offres et prennent leurs décisions d'achat.

​Demain, une partie croissante de ces interactions sera réalisée par des agents IA capables de recommander, voire d'acheter directement pour le compte des consommateurs.

​Dans ce nouveau contexte, retailers, marques et acheteurs médias devront repenser leurs stratégies.

​Comment préserver la visibilité des enseignes lorsque le trafic se déplace vers les assistants IA ? Comment rendre les catalogues produits compréhensibles par les agents ? Comment automatiser l'achat média sans perdre le contrôle ? Et comment continuer à créer de la valeur pour les marques comme pour les retailers ?

​Autant de questions qui feront de cette édition un rendez-vous incontournable pour comprendre les transformations du retail media.

​Les grandes questions de cette édition

• ​Comment les agents IA vont-ils transformer le retail media ?Les retailers risquent-ils de perdre une partie de leur trafic au profit des assistants IA ? Et comment rendre les catalogues produits visibles et exploitables par les agents IA ?

• ​Quels seront les prochains relais de croissance du retail media, du on-site au off-site en passant par l'in-store ?

• ​À quoi ressemblera l'achat média lorsque les campagnes seront pilotées par des agents autonomes ?

• ​Comment mesurer plus efficacement l'impact business des campagnes retail media ?

• ​Quel rôle resterait-il aux acheteurs médias et aux agences dans un marché de plus en plus automatisé ?

​Retail Media Innovators est un événement organisé par Open Garden, le média de référence des décideurs qui veulent comprendre les grandes évolutions du marketing et de la publicité digitale.

En partenariat avec Criteo, Dploy, Equativ et Unlimitail

Le concept

Retail Media Innovators réunit les retailers, marques, agences et partenaires technologiques qui construisent la prochaine génération du retail media.

L'événement permet de prendre du recul sur un marché en forte transformation : nouveaux relais de croissance, extension d'audience, mesure de l'incrémentalité, activation omnicanale, publicité in-store, e-merchandising, intelligence artificielle et interfaces conversationnelles.

Une matinée pour confronter les visions, partager des retours d'expérience et identifier les innovations qui créeront réellement de la valeur pour les enseignes et les marques.

À qui s'adresse Retail Media Innovators ?

L'événement s'adresse notamment aux :

• directions retail media des enseignes

• marques et responsables e-commerce

• directions médias et shopper marketing

• agences médias et agences retail media

• régies retail media

• acteurs de la data, de la mesure et de l'activation

• technologies publicitaires sélectionnées par Open Garden

La participation est soumise à validation afin de préserver la qualité et la complémentarité des profils présents.

Retour sur l’édition 2025

Marketing Effectiveness Innovators réunit les annonceurs, agences, instituts et technologies qui cherchent à mieux mesurer et améliorer l'efficacité réelle des investissements marketing.

L'événement dépasse les indicateurs de performance immédiate pour aborder les sujets qui structurent aujourd'hui la mesure : incrémentalité, marketing mix modeling, attribution, attention, brand lift, causalité, expérimentation et articulation entre performance de court terme et construction de marque.

Une matinée pour comprendre les méthodes disponibles, confronter les approches et identifier les modèles les plus adaptés aux nouvelles réalités du marché.

Cette édition 2026 se tiendra le 25 novembre 2026 à la Maison des Travaux Publics, en partenariat avec AudienceProject, Happydemics, Ogury et Xpln.

Le programme et le lien d’inscription vous seront partagés très prochainement.

Le concept

Marketing Effectiveness Innovators est un événement sur invitation réservé à une communauté de professionnels directement impliqués dans la mesure et le pilotage des investissements marketing.

La matinée associe :

• des présentations méthodologiques

• des retours d'expérience d'annonceurs

• des débats entre agences, instituts et experts

• des cas d'usage concrets

• des présentations de solutions innovantes

Les interventions sont courtes et complémentaires afin de comparer les approches sans réduire la mesure marketing à une méthode ou à un indicateur unique.

Un déjeuner permet ensuite aux participants de prolonger les échanges dans un cadre confidentiel.

À qui s'adresse Marketing Effectiveness Innovators ?

L'événement s'adresse notamment aux :

• directions marketing

• directions médias

• responsables insights et études

• responsables data et analytics

• équipes marketing science

• agences médias

• cabinets de conseil

• instituts de mesure

• technologies spécialisées dans l'efficacité marketing

La participation est réservée aux professionnels invités ou sélectionnés par Open Garden.

La prochaine édition explorera les méthodes permettant de mesurer l'impact réel du marketing dans un environnement marqué par la fragmentation des parcours, la disparition progressive des identifiants et la multiplication des plateformes.

Parmi les principaux sujets envisagés :

• la place du marketing mix modeling

• la mesure de l'incrémentalité

• l'articulation entre attribution et expérimentation

• la mesure de l'attention

• la comparaison entre performance court terme et effets de marque

• l'utilisation de l'intelligence artificielle dans l'analyse marketing

• l’impact des assistants IA dans le funnel de conversion

• l'organisation des équipes marketing effectiveness

Retour sur l’édition 2025

L’édition 2025 se tenait le 30 septembre 2025 à la Maison des travaux publics, en partenariat avec Audience Project, Happydemics, IAS et Utiq.

Marketing Effectiveness : mesurer l’impact réel sur la croissance

​Sous pression budgétaire, face à la raréfaction des signaux et à la montée des plateformes fermées, les marketeurs n’ont plus le luxe de piloter à vue. La question n’est plus seulement de mesurer, mais de prouver la contribution réelle du marketing à la croissance. Comment dépasser les indicateurs de surface pour construire une mesure robuste, crédible auprès du CFO et actionnable par le CMO ? Cette keynote d’ouverture posera les bases du débat : replacer l’efficacité marketing au cœur du business.

​Nicolas Jaimes (Open Garden)

Les grandes marques face au défi de l’efficacité marketing

​Sous pression budgétaire et face à la fragmentation des canaux, les annonceurs doivent prouver l’impact réel du marketing sur la croissance. Cette session montrera comment rendre le MMM plus actionnable, adopter une approche unifiée des mesures, et parler le langage du CFO pour défendre ses budgets et maximiser la contribution du marketing au business.

​Antoine Genot (Pernod Ricard) - Florian Combres (Axa)

Vers un arbitrage média plus éclairé : la "measurement toolbox" de Club Med

​Club Med a développé sa propre measurement toolbox pour aller au-delà des limites de GA4 et mieux piloter ses investissements média. Attribution omnicanale, tests d’incrémentalité, geo experiments… Un projet conçu pour challenger les arbitrages budgétaires, affiner le media mix, et rapprocher les équipes data et media. Une démarche résolument tournée vers une mesure plus robuste, plus stratégique, et plus activable.

​France Cresson (Club Med)

Le MMM est-il la solution à tous vos problèmes de mesure ? 

​Alors que les dispositifs de mesure traditionnels montrent leurs limites — entre disparition des cookies, silos entre online et offline, et dépendance aux plateformes — le Marketing Mix Modeling (MMM) revient en force comme un outil stratégique. Mais attention à ne pas le considérer comme une baguette magique.

​France Hassenforder (Ekimetrics) - Hadrien de Nijs (M13h)

Pourquoi il est (vraiment) temps d’intégrer la création pub à vos outils de mesure

​Trop souvent négligée dans les dispositifs de mesure, la création reste pourtant le principal levier d'impact publicitaire. Avec son nouvel outil de prédiction — en bêta dès octobre — Happydemics permet d’anticiper le recall généré par une campagne en croisant données créatives (claim, tonalité…) et paramètres média (budget, plan, canal). À la clé : une optimisation en temps réel et une conviction forte pour l’avenir du secteur : les marques les plus performantes seront celles qui brieferont créa et média ensemble.

​Hugo Piaget (Happydemics) - Theo Ravel de Ferreirolles (Qonto)

Comment Bouygues Telecom a boosté sa performance sur Meta et TikTok grâce à un meilleur contrôle de la qualité média

​Bouygues Telecom a relevé un défi de taille : maîtriser la qualité des environnements publicitaires sur des plateformes fermées comme Meta et TikTok. En s’appuyant sur la technologie IAS, l’annonceur a réussi à filtrer les inventaires, sécuriser ses investissements et générer un impact mesurable sur la performance. Un retour d’expérience concret sur un levier encore sous-exploité.

​Clémence Bascoulergue (IAS) - Rim El Bekkaoui (Bouygues Telecom)

Solutions d’ID, du mythe à la réalité, quelle valeur réelle pour les marques ?

​La fin des cookies tiers a mis les solutions d’ID au centre des débats. Mais leur valeur réelle se mesure dans leur capacité à aller plus loin que le ciblage : fiabiliser l’attribution, optimiser la fréquence d’exposition, rapprocher mesure publicitaire et ventes. Entre promesse technologique et efficacité business, nous allons démêler les mythes de la réalité.

​Sophie Poncin (Utiq) - Xavier Lançon (Renault)- Adissa Akanni (Verisure)

Mesurer l’efficacité vidéo sur tous les écrans 

​Face à l’enjeu d’optimiser la couverture et la fréquence sur cible entre TV et digital, LVMH s’appuie sur une étude cross-média pour mieux mesurer — et piloter — la performance de ses campagnes vidéo. Objectif : identifier les complémentarités entre canaux, éviter les surexpositions et activer en temps réel les bons leviers pour maximiser l’impact.

​Émilie Carcassonne (Audience Project)

L’agence face au puzzle de la mesure : quel rôle demain ?
Face à la prolifération des outils — MMM, attribution, ID, attention, brand lift, qualité média… — les annonceurs peinent à relier les chiffres entre eux et à dégager une vision claire. Dans ce contexte, les agences ont un rôle clé : consolider les approches, challenger les plateformes et jouer le tiers de confiance entre promesses technologiques et impact business. Comment réinventent-elles leur accompagnement sur la mesure ? Quels KPIs privilégiez-vous pour conseiller les clients et arbitrer les budgets ?
Raphaël Pivert (WPP Media) - Corinne Abitbol (Havas Media Network)

Google s'apprête à déployer AI Overviews en France. Affichées au-dessus des résultats traditionnels, ces réponses générées par IA synthétisent plusieurs sources pour répondre directement à certaines requêtes. Elles devraient surtout affecter les recherches informationnelles, dont une partie pourra désormais être satisfaite sans clic.

Les premiers retours montrent toutefois que l'impact sera très variable. En Allemagne, Sistrix estime que le taux de clic de la première position passe de 27 à 11% lorsqu'une AI Overview est affiché. Mais, ramenée à l'ensemble des requêtes étudiées, la baisse moyenne n'est que de 6,6%, avec de fortes disparités selon les secteurs. Autrement dit, toutes les marques ne seront pas affectées de la même manière.

Pour aider les annonceurs à préparer cette évolution, nous avons interrogé plusieurs spécialistes du search et de la visibilité dans les moteurs d'IA. Voici les quatre chantiers prioritaires à engager avant la rentrée.

1. Consolider les fondamentaux avant de chercher à faire du GEO

La première erreur serait de considérer que les AI Overviews rendent le SEO obsolète. “C’est bien évidemment une erreur que de penser que le SEO est mort, remplacé par le GEO ou l'AEO”, prévient Vincent Cézard, responsable trading digital de Biggie. Les réponses générées par Google continuent en effet de s'appuyer sur des pages que le moteur est capable de découvrir, d'explorer et d'évaluer correctement.

Autrement dit, les fondamentaux restent la condition d'entrée.  Marina Houdayer, DGA d'Havas Market France, recommande donc de commencer par vérifier “l'indexabilité du site, le maillage interne, les performances techniques, les données structurées et la lisibilité des contenus”. Google rappelle d'ailleurs qu'aucun balisage spécifique aux AI Overviews n'est nécessaire : une page doit avant tout être correctement indexée et respecter les bonnes pratiques du Search.

Au-delà de ces aspects techniques, Vincent Cézard rappelle l'importance du E-E-A-T (Expérience, Expertise, Autorité et Fiabilité), qui reste l'un des principaux référentiels de qualité utilisés par Google. “L'objectif est de se positionner comme référent, d'apporter de la valeur ajoutée”, explique-t-il. Cela suppose de publier des informations fiables, des données vérifiées, des avis d'experts ou encore des retours d'expérience difficiles à reproduire.

Pour autant, un bon référencement ne garantit plus d'apparaître dans une AI Overview.  Une étude académique portant sur plus de 55 000 requêtes montre ainsi que près de 30% des domaines cités dans les AI Overviews n'apparaissent pas en première page des résultats organiques associés. 

Être bien classé reste donc un avantage, mais ce n'est plus une condition suffisante pour être retenu comme source. La véritable différence se jouera ensuite sur la capacité des marques à répondre aux requêtes où Google choisit d'afficher une AI Overview... et à publier des contenus suffisamment utiles et distinctifs pour être intégrés à la réponse. 

2. Prioriser les requêtes les plus exposées... et les contenus qui feront la différence

Toutes les recherches Google ne seront pas affectées de la même manière par AI Overviews. Avant de revoir leur stratégie éditoriale, les annonceurs ont donc intérêt à identifier les requêtes sur lesquelles Google est le plus susceptible de répondre directement à la place de leur site.

Les premiers déploiements montrent que les AI Overviews apparaissent surtout sur les recherches informationnelles, comparatives ou formulées sous forme de question. Dans une étude académique portant sur plus de 55 000 requêtes, elles étaient présentes sur 13,7% des recherches analysées, mais sur 64,7% des requêtes formulées comme une question.

Pour Marina Houdayer, DGA d'Havas Market France, cette évolution oblige à dépasser la logique traditionnelle du mot-clé. “Les contenus doivent être construits autour des intentions de recherche plutôt que des seuls mots-clés. Les requêtes conversationnelles et informationnelles prennent de plus en plus d'importance.”

Pour identifier ces opportunités - ou ces risques - Marina Houdayer recommande d'élargir les sources utilisées pour construire la stratégie éditoriale : “données Search Ads, recherches internes, verbatims du service client, questions remontées par les commerciaux ou avis clients. “

L'enjeu n'est donc plus seulement de savoir sur quels mots-clés une marque est positionnée, mais sur quelles situations elle souhaite être visible. 

Une fois cette cartographie réalisée, reste à déterminer quels contenus méritent d'être renforcés. Vincent Cézard, responsable trading digital chez Biggie, recommande d'identifier “quelles pages répondent encore à une intention réelle, lesquelles répètent une information disponible partout et lesquelles apportent une donnée, une expertise ou une expérience propre à la marque”.

L'expert conseille de structurer les contenus autour de questions précises et de réponses rapidement identifiables. Sans transformer chaque page en FAQ, il devient essentiel d'aller rapidement à l'essentiel et de faciliter l'extraction de l'information par Google.

Cette logique comporte toutefois un risque. “À force de produire des réponses trop facilement résumables, les marques peuvent donner moins de raisons de visiter leur site”, prévient-il. L'objectif consiste donc à rendre l'information exploitable par Google tout en conservant une valeur ajoutée qui justifie le clic : comparatifs, données propriétaires, méthodologies, simulateurs ou retours d'expérience.

Vincent Cézard recommande ainsi de réduire les contenus purement définitionnels, facilement absorbés par AI Overviews, au profit des guides d'achat, comparatifs et contenus fondés sur l'expérience. 

Au-delà de la forme, le fond devient un facteur de différenciation. Plus un contenu repose sur des informations génériques, disponibles sur des dizaines de sites, plus il risque d'être facilement remplacé par une synthèse générée par l'IA. 

Les marques ont donc intérêt à publier des contenus que leurs concurrents ne peuvent pas facilement reproduire : leur connaissance de leurs produits, leurs données, les retours de leurs clients, leurs tests, leurs comparatifs ou leurs conseils d'experts. C'est précisément cette singularité qui augmente leurs chances d'être citées par les AI Overviews... tout en donnant aux internautes une véritable raison de poursuivre leur visite.

Pour Frédérique Goubert, head of search chez iProspect, cette évolution peut d’ailleurs permettre de redistribuer les cartes. “Une marque spécialisée, capable d'apporter une réponse unique sur un sujet précis, peut être retenue face à un acteur beaucoup plus puissant mais moins distinctif”, estime l’experte.

3. Construire son autorité au-delà de son site

Optimiser ses contenus ne suffira pas. Les moteurs génératifs confrontent en permanence les informations issues de multiples sources pour construire leurs réponses. La réputation d'une marque se joue donc autant en dehors de son site que sur ses propres pages.

Pour une marque, un comparatif publié par un média spécialisé, une bonne note sur une plateforme d'avis ou une vidéo YouTube détaillée peuvent aujourd'hui peser autant, voire davantage, qu'une page parfaitement optimisée sur son propre site.

Frédérique Goubert recommande ainsi “d'auditer la manière dont la marque est décrite sur les comparateurs, les plateformes d'avis, les médias, les sites spécialisés et les communautés.” Une promesse formulée sur le site officiel perd de sa crédibilité si elle est contredite ailleurs.

Vincent Cézard résume cette évolution comme une forme de “netlinking 2.0”. “L'enjeu n'est plus seulement d'obtenir des liens entrants, mais d'être régulièrement associé, par des sources crédibles, aux sujets sur lesquels la marque souhaite faire autorité.” Un test produit, un comparatif ou une analyse dans un média spécialisé apportent souvent davantage de contexte qu'un simple backlink.

Les chiffres confirment cette évolution. Une étude portant sur plus de 167 000 citations utilisées par différents modèles montre que 85,7% d'entre elles renvoient vers des sites tiers, contre seulement 14,3% vers les propriétés des marques. Si cette étude ne porte pas spécifiquement sur AI Overviews, elle illustre le poids des sources externes dans la construction de la réputation d'une entreprise.

Pour autant, il ne s'agit pas de multiplier artificiellement les mentions. Google continue d'indiquer que ses systèmes privilégient des contenus de qualité et luttent contre les stratégies de spam. Le véritable travail consiste à identifier les sources qui structurent réellement chaque marché - médias spécialisés, comparateurs, créateurs, plateformes d'avis ou communautés - puis à y développer une présence crédible.

Dans cet écosystème, YouTube occupe une place à part. Une analyse de plus d'un milliard de citations issues de plusieurs assistants IA le classe comme la plateforme la plus citée, devant Reddit. 

Pour Frédérique Goubert, “le rapprochement entre Search, Gemini et YouTube devrait encore renforcer son rôle dans les parcours de découverte.” Les marques ont donc intérêt à soigner autant le fond que la forme de leurs vidéos : titres, descriptions, chapitrage, sous-titres et transcription deviennent des signaux de compréhension pour Google.

4. Ne plus piloter uniquement au clic

L'arrivée des AI Overviews ne remet pas seulement en cause les recettes du SEO. Elle bouscule aussi la manière d'évaluer la performance. Une baisse du trafic ne se traduit pas nécessairement par une baisse du business, tandis qu'une marque peut influencer une décision d'achat sans générer le moindre clic.

“Le principal enseignement que nous donnent les pays où AI Overviews est déjà déployé, c'est qu'il ne faut plus raisonner uniquement en clics”, résume Frédérique Goubert. Vincent Cézard met d'ailleurs en garde contre “la tentation de compenser systématiquement une éventuelle baisse du trafic organique par davantage d'investissements en paid media.”

Pour Marina Houdayer, DGA d'Havas Market France, le meilleur moyen d'éviter cet écueil consiste à “conserver des indicateurs directement reliés au business : CPA, ROAS, incrémentalité ou contribution aux ventes.” 

Les métriques SEO traditionnelles restent pertinentes, mais elles doivent progressivement être complétées par de nouveaux signaux : fréquence des citations dans les réponses générées, part de voix face aux concurrents, évolution des recherches de marque ou trafic direct.

La visibilité elle-même devient plus complexe à interpréter. Une marque peut être recommandée dans une réponse sans être explicitement citée comme source. À l'inverse, elle peut être utilisée comme référence sans bénéficier d'une forte exposition. 

Dans un cas, elle influence directement le choix de l'utilisateur, dans l'autre, elle renforce surtout sa crédibilité auprès du modèle. Ces deux formes de visibilité n'ont pas la même valeur et devront être suivies différemment.

Cette évolution ne change pas seulement les tableaux de bord. Elle remet aussi en cause l'organisation des équipes. La qualité des fiches produits dépend souvent des équipes e-commerce, les avis clients du CRM, les prises de parole d'experts de la communication, les vidéos du social et les investissements Search des équipes média. Pourtant, Google assemble désormais l'ensemble de ces signaux pour construire ses réponses.

Marina Houdayer recommande ainsi de “mettre en place une gouvernance transverse”, capable d'identifier les requêtes prioritaires, d'auditer régulièrement les réponses générées et d'arbitrer les actions entre contenu, technique, produit, RP, social et média.

Au fond, les AI Overviews brouillent les frontières entre SEO, contenu, communication, CRM, social et média. Les organisations qui continueront à piloter ces leviers séparément risquent d'avoir une vision fragmentée de leur visibilité, alors que Google les évalue désormais comme un ensemble cohérent.

L'arrivée des AI Overviews ne signe donc pas la fin du SEO, ni même celle du search. Elle redistribue en revanche les critères de visibilité. Les marques qui sauront produire des contenus distinctifs, développer leur autorité au-delà de leur site et mesurer leur présence autrement que par le seul trafic seront les mieux placées pour tirer parti de cette nouvelle étape du moteur de recherche.

Open Garden. Vous venez de lancer Meikai, une plateforme qui accompagne les marques et les médias dans la mesure de leur visibilité dans les asssitants conversationnels, ce qu’on appelle, dans le jargon, le GEO. Pourquoi ?

Rachid Ait Addi. Parce qu’un peu comme tous ceux qui ont commencé à utiliser ChatGPT et Gemini dans leur quotidien, j’ai rapidement eu la conviction que les IA conversationnelles allaient devenir une transformation majeure pour les marques. Et que mon expérience d’alors, chez Teads, au contact de nombreuses marques globales comme Chanel, LVMH, Adidas, Nike ou Zalando, m’a permis de réaliser que la plupart d’entre elles identifiaient le sujet mais n'avaient encore rien mis en place. 

Il faut savoir qu’à l’époque, les premières technologies spécialisées sur le sujet, comme Profound, s’attaquaient d’abord au segment BtoB. Les marques BtoC, du luxe à la grande conso, n’avaient pas vraiment de solution dédiée. Certaines avaient lancé des pilotes sans obtenir de résultats exploitables.

Comment expliquez-vous cette orientation BtoB à l’époque ?

Rachid Ait Addi. Parce que ces entreprises sont souvent plus agiles, plus propices à tester de nouvelles choses. Mais aussi parce qu’elles ont été parmi les premières à constater une baisse de leur trafic organique liée à l'usage des LLM. 

Elles ont donc été les premières à investir sur ces sujets. Mais nous étions convaincus que le phénomène allait rapidement toucher les marques BtoC.

Où en êtes-vous aujourd'hui ?

Rachid Ait Addi. Nous travaillons notamment avec Chanel en France, au Royaume-Uni et en Italie, Pernod Ricard, Mondelez, Norauto, Interparfums aux États-Unis, plusieurs marques du groupe Coach, Afflelou, Lenovo ou encore Peugeot sur plusieurs marchés européens.

Jean-Baptiste Pringuey. Nous avons également Fidelity, qui est aujourd'hui notre plus gros client. La finance est un secteur particulièrement concerné, car les investisseurs commencent à utiliser les LLM pour comparer des fonds ou rechercher des produits financiers.

Quel est votre modèle économique ?

Rachid Ait Addi. Nous fonctionnons sous forme de licence. Le tarif démarre à 1 300 euros par mois, par marque et par pays. Cette licence couvre 500 prompts répartis sur une dizaine de thématiques et monitorés sur six LLM différents.

Les variables principales sont donc le nombre de prompts suivis et le nombre de modèles analysés.

Les marques définissent elles-mêmes ces prompts ?

Rachid Ait Add. Non. C'est même l'un des enseignements que nous avons tirés du lancement de Meikai : la plupart des marques ne savent pas quels prompts suivre.

Nous avons donc développé notre propre méthodologie et notre propre “Prompt Studio” pour les accompagner dans cette démarche. Et nous nous appuyons, pour ce faire, sur plusieurs signaux : un panel de plus de deux millions d'individus, qui nous permet de voir comment les consommateurs “promptent”, l'analyse de l’écosystème de la marque (son site, ses produits), des plateformes comme Google Trends, Reddit, des outils comme le “People also ask” de Google….

À partir de ces signaux, nous construisons les thématiques et les 500 prompts les plus représentatifs des questions réellement posées par les consommateurs.

Le sujet des prompts est-il aujourd'hui le principal défi de la mesure GEO ?

Jean-Baptiste Pringuey. Oui, clairement. La plupart des discussions sur le GEO se concentrent sur les citations, les parts de voix ou les sources utilisées par les LLM. Mais la vraie question est : quels prompts faut-il monitorer ?

Contrairement au SEO traditionnel, les utilisateurs ne formulent jamais exactement les mêmes requêtes. Deux personnes peuvent chercher la même chose avec des formulations totalement différentes. Tout le défi consiste donc à construire un corpus de prompts représentatif des conversations réelles.

Le secteur de la mesure est déjà pas mal encombré. On peut citer les pure players comme Profound, Peec AI ou encore Minddex, avec lequel vous vous partagez le marché français. Sans compter tous les historiques du SEO, comme SEM Rush, pour ne citer que lui. Comment vous différenciez-vous de la concurrence ?

Rachid Ait Addi. Il y a plusieurs éléments. D'abord la transparence. Nous expliquons précisément ce qui est mesuré et comment les prompts sont construits.

Ensuite, nous avons fait le choix d'une approche très agentique. Là où certains acteurs proposent surtout des workflows et des recommandations, nous automatisons directement une partie des actions grâce à des agents.

Enfin, nous avons construit une plateforme end-to-end qui couvre : la visibilité des marques dans les assistants converationnels, la visibilité des produits, la lecture des sites par les LLM, les données panel et la publicité dans les environnements conversationnels.

Aujourd'hui, nous sommes notamment capables de monitorer les annonceurs présents dans ChatGPT Ads, Google AI Overviews et Google AI Mode.

Pourquoi intégrer la publicité dans une plateforme de mesure du GEO ?

Rachid Ait Addi. Parce qu'elle fait partie intégrante de la visibilité d'une marque.

La différence avec le search traditionnel est que la publicité n'est plus nécessairement en haut de page. Dans les interfaces conversationnelles, l'organique prend une place beaucoup plus importante. Une marque doit donc comprendre simultanément : sa visibilité organique, sa visibilité publicitaire, les contextes dans lesquels elle apparaît et ceux où elle devrait investir davantage.

Jean-Baptiste Pringuey. Elle doit aussi être en capacité de bien comprendre ses “context hints”. Ces derniers sont, selon nous, l'un des éléments clés du futur ciblage publicitaire conversationnel, plus que l’âge, le genre ou le comportement d’achat passé. Ils permettent de préciser à l'IA dans quels contextes ou types de conversations une annonce doit être diffusée. 

Notre objectif est d'aider les marques à identifier les conversations où elles sont sous-représentées de manière organique afin d'y concentrer leurs investissements publicitaires.

Envisagez-vous d'aller jusqu'à l'activation média ?

Rachid Ait Addi. Nous ne nous interdisons rien mais nous nous voyons davantage comme une couche d'optimisation que comme un acteur d'exécution média.

Notre ambition est d'aider les agences et les annonceurs à mieux piloter leurs investissements plutôt que de devenir nous-mêmes une plateforme d'achat. C’est dans cette logique que nous venons de lancer notre feature d’ad planning qui permet de créer des campagnes pour ChatGPT en les segmentant par “context hints”.

Les classements des LLM sont-ils plus instables que ceux du SEO ?

Jean-Baptiste Pringuey. Sur les sujets historiques, les positions évoluent relativement lentement. En revanche, sur les sujets liés à l'actualité ou aux intentions d'achat immédiates, les évolutions sont beaucoup plus rapides. Les affiliations, les nouveaux contenus ou les publications récentes peuvent avoir un impact significatif.

Rachid Ait Addi. On observe aussi que les débats autour des sources dominantes sont souvent exagérés. Certains annoncent que Reddit est devenu incontournable, puis que c'est LinkedIn ou YouTube. La réalité est beaucoup plus nuancée : cela dépend du modèle, de la verticale et du type de requête.

Existe-t-il aujourd'hui un problème de standardisation de la mesure GEO ?

Rachid Ait Addi. Oui, mais c'est normal pour un marché aussi jeune. Certaines métriques comme la visibilité ou la part de voix sont relativement standardisées. En revanche, les méthodologies de construction des prompts restent très différentes.

Jean-Baptiste Pringuey. À terme, il faudra probablement définir des référentiels communs de prompts par industrie. Sans quoi cela n’aura pas de sens de comparer des benchmarks ou des outils. C'est sans doute le principal chantier de standardisation à venir.

Beaucoup d’agences médias ont lancé leur propre outil de mesure, en le justifiant notamment par ce manque de standardisation des outils existants. Ce marché vous est-il fermé ?

Rachid Ait Addi. C'est ce que nous pensions au départ, mais la réalité est plus nuancée. Beaucoup d'agences ont lancé des initiatives internes, mais elles constatent rapidement les limites de ces outils lorsqu'il faut gérer des millions de prompts et une infrastructure complexe.

Aujourd'hui, nous travaillons déjà avec plusieurs grands groupes d'agences dont Omnicom, avec lequel nous venons d’annoncer un partenariat. Beaucoup adoptent finalement une approche agnostique et sélectionnent les solutions externes les plus adaptées aux besoins de leurs clients.

Les offres GEO des groupes médias risquent-elles d'être dévalorisées par les LLM parce qu'elles sont sponsorisées ?

Rachid Ait Addi. Je ne le pense pas. Les LLM ont besoin des contenus produits par les éditeurs. Si les éditeurs perdent à la fois leur trafic et leurs revenus liés aux contenus sponsorisés, l'écosystème devient moins viable.

Nous observons d'ailleurs que les contenus sponsorisés continuent aujourd'hui d'être largement cités par les modèles. Par ailleurs, plusieurs marques commencent à réinvestir dans le brand content et les relations presse précisément parce que ces contenus influencent leur visibilité dans les LLM.

Quelles sont les prochaines étapes pour Meikai, côté produit?

Rachid Ait Addi. Nous avons trois grands axes de développement. Le premier concerne la mesure de la publicité dans les interfaces conversationnelles, que je viens d’évoquer. Nous voulons continuer à développer cette offre, pour accompagner les marques sur le sujet et leur partager, notamment, plus d’insights pour optimiser leurs campagnes. 

Le second concerne l'e-commerce. Nous voulons aller beaucoup plus loin dans l'analyse et l'optimisation des fiches produits, à la fois sur les sites des marques et chez les distributeurs. Nous voyons que les interfaces conversationnelles intègrent de plus en plus cette dimension. Il y a donc un vrai marché. 

Le dernier concerne les agents et les serveurs MCP. Notre conviction est que les utilisateurs passeront de plus en plus par des agents conversationnels plutôt que par des dashboards traditionnels pour accéder à leurs analyses.

Vous venez également de boucler un financement…

Rachid Ait Addi. Oui. Nous finalisons actuellement les aspects juridiques. L'opération représente environ 750 000 euros complétés par un prêt Bpifrance pour atteindre près d'un million d'euros de financement.

Parmi les investisseurs figurent beaucoup de figures de l’adtech, parmi lesquelles les anciens dirigeants de Teads, Bertrand Quesada et Jérémy Arditi, Yanis Yahioui, Jean-Baptiste Petit ainsi que les dirigeants d'Adikteev.

Avec 6,69 milliards d’euros de recettes au premier semestre 2026 (+12 %), le marché français de la publicité digitale continue d’afficher une croissance à deux chiffres, qui est en partie provoquée par la coupe du monde de football qui, comme tous les 4 ans, catalysent pas mal d’investissements publicitaires.

Derrière cette performance se cache toutefois une réalité plus contrastée. Les investissements se concentrent autour d’un nombre de plus en plus limité d’écosystèmes, la vidéo s’impose comme le principal moteur du display, tandis que les éditeurs et les acteurs européens peinent à suivre le rythme.

Voici les cinq principaux enseignements de cette 36e édition de l’Observatoire de l’e-Pub du SRI, réalisé par Oliver Wyman, en partenariat avec l’Udecam.

1. La croissance du marché profite à un nombre de plus en plus limité d’acteurs

Le premier enseignement de cette édition n’est pas tant la croissance du marché que sa concentration. Avec +12 %, le digital reste l’un des médias les plus dynamiques, dans la continuité de 2025 (+11 %). Mais cette progression est de moins en moins répartie entre les différents leviers.

Le Ssocial (+16%) et le retail media (+18%) sont les deux seuls segments à progresser nettement plus vite que la moyenne. À l’inverse, le search hors retail media (+9%), le display (+10%) ou encore l’affiliation, l’emailing et les comparateurs (+4%) affichent des rythmes beaucoup plus modérés.

Cette évolution traduit une transformation profonde des arbitrages des annonceurs. Les nouveaux investissements se concentrent sur les environnements capables de réunir trois caractéristiques : une audience authentifiée, des données first-party exploitables et une mesure directe de la performance.

La croissance du marché ne bénéficie donc plus uniformément à l’ensemble de l’écosystème mais se concentre progressivement autour de plateformes disposant d’un avantage structurel en matière de données et de mesure.

2. Le retail media change de dimension

Avec 770 millions d’euros de recettes au premier semestre et une croissance de 18%, le retail media poursuit sa trajectoire de forte expansion. Mais le principal enseignement est ailleurs : il représente désormais près de 12% de l’ensemble du marché publicitaire digital français.

Cette montée en puissance confirme un déplacement progressif des investissements vers des environnements directement connectés à l’intention d’achat. Dans un contexte où les annonceurs cherchent davantage d’efficacité et d’incrémentalité, la capacité à relier exposition publicitaire, données transactionnelles et mesure des ventes devient un avantage concurrentiel de plus en plus déterminant.

La croissance du retail media dépasse désormais largement celle du search traditionnel, signe que la valeur se déplace progressivement vers les plateformes disposant d’une connaissance fine des comportements d’achat.

3. Le display devient progressivement un marché vidéo

Le display affiche une croissance solide de 10% et atteint 1,25 milliard d’euros. Mais derrière ce chiffre se cache une recomposition rapide des formats.

La vidéo représente désormais 63 % des recettes display, contre 56% seulement deux ans auparavant. Dans le même temps, les formats classiques (bannières, habillages, native traditionnel) poursuivent leur recul (-5%), tandis que l’audio (+25%) et les opérations spéciales (+22%) affichent les plus fortes progressions.

L’évolution est encore plus visible lorsqu’on observe les catégories d’acteurs. Les plateformes de streaming vidéo et musical progressent de 19% et représentent désormais 42 % de l’ensemble du display, contre 39% un an plus tôt. Les broadcasters (BVOD, TV segmentée…) poursuivent également leur forte croissance (+15%).

Cette photographie montre que le display ne se développe plus grâce aux formats historiques mais grâce aux inventaires vidéo premium. Les frontières entre display, télévision adressable, CTV et streaming continuent ainsi de s’estomper. Le terme “display” recouvre désormais une réalité beaucoup plus large qu’un simple marché de bannières.

4. Les éditeurs européens continuent de perdre du terrain

L’un des signaux les plus marquants de cette édition concerne les acteurs européens.

Leur chiffre d’affaires display progresse encore de 4%. Mais cette croissance reste très inférieure à celle du marché (+10%), ce qui entraîne une nouvelle baisse de leur poids relatif : ils représentent désormais environ 47% du display, contre 52% en 2024.

Cette tendance est particulièrement visible du côté des éditeurs d’information, dont les revenus reculent de 5%. Pendant que les plateformes vidéo, les services de streaming et les groupes audiovisuels captent l’essentiel de la croissance, les sites d’information continuent donc de voir leur part de marché s’éroder.

Ce constat intervient dans un contexte particulier, marqué par la multiplication des initiatives européennes destinées à renforcer la compétitivité de l’écosystème publicitaire local. L’Observatoire rappelle toutefois que, pour l’instant, ces initiatives ne se traduisent pas encore par une reconquête des investissements.

5. Le marché se réorganise autour de plateformes intégrées

Le search reste le premier levier du marché avec 2,74 milliards d’euros, mais sa domination s’effrite progressivement. Le social atteint désormais 2,22 milliards d’euros et continue de réduire l’écart grâce à une croissance de 16%.

Au-delà du simple classement des leviers, cette évolution illustre une transformation plus profonde. Les segments qui progressent le plus rapidement - social, retail media, streaming vidéo - ont un point commun : ils maîtrisent simultanément l’audience, les données, les formats publicitaires et la mesure des performances.

À l’inverse, les leviers historiquement spécialisés, qu’il s’agisse du search traditionnel ou du display classique, progressent désormais moins vite que le reste du marché.

A noter que l’Observatoire ne mesure pas encore directement l’impact des interfaces conversationnelles ou des assistants IA sur les investissements publicitaires.

En revanche, il montre déjà que la valeur se concentre autour de plateformes capables d’accompagner l’utilisateur tout au long de son parcours, de la découverte d’un produit jusqu’à la conversion.

En conclusion

Cette 36e édition de l’Observatoire de l’e-Pub ne raconte pas seulement un marché en croissance, elle montre, cette année encore, un marché qui se polarise. Les investissements continuent de se déplacer vers quelques grands écosystèmes combinant données first-party, vidéo, commerce et capacités de mesure avancées.

Dans le même temps, les éditeurs d’information, les formats display traditionnels et, plus largement, les acteurs européens voient leur poids relatif continuer de diminuer malgré une conjoncture globalement favorable. Plus que le niveau de croissance lui-même, c’est cette concentration progressive de la valeur qui constitue sans doute le principal enseignement de ce premier semestre 2026.

AdCP, MCP, AAMP... L'IA agentique transforme en profondeur les métiers de la publicité digitale - de la création à l'achat média, en passant par l'optimisation des campagnes.

Vous vous posiez des questions. On a voulu les entendre… et y répondre.

Raphael Ambit, fondateur d'Epicflare, qui accompagne les adtech dans leurs projets agentiques, y répond lors d'une session dédiée organisée par Nicolas Jaimes d'Open Garden.

Les questions que nous avons posées :

Est-ce que MCP est concurrent ou complémentaire de ADCP ?

Quelle est la différence entre AAMP et AdCP ? Un seul va-t-il forcément survivre ? 

Un même annonceur ou agence média pourrait-il vraiment avoir intérêt à opérer au travers des 2 à la fois ?

Est-ce que tant que les serveurs MCP sont limités je peux avoir intérêt à brancher mes agents aux API des plateformes ? 

Puis-je faire confiance à Claude pour optimiser mes campagnes ou mieux vaut-il passer par des algos propriétaires exécutés par Claude ou autre LLM ?

Comment s’assurer que mon système agentique n’est pas un gouffre à token ?

Quelle est la meilleure méthode pour auditer les décisions d'un agent après coup ?

On nous parle beaucoup de “human in the loop”, pensez-vous qu’on en arrivera, un jour, à des décisions d’achat média qui s’appliquent sans supervision humaine ?

Depuis plusieurs années, les initiatives européennes se multiplient pour tenter de proposer une alternative aux grandes plateformes publicitaires américaines. Mais jusqu'à présent, la plupart reposaient essentiellement sur des alliances d'éditeurs ou de diffuseurs, souvent limitées à certains formats ou à quelques marchés.

Avec l'European Media Marketplace (EUMM), officiellement lancée par Equativ aux côtés de T Advertising Solutions (filiale de Deutsche Telekom), Experian, lastminute.com, Kleinanzeigen et leboncoin (filiales d’Adevinta), Orange Advertising (Orange France), Vinted, Virgin Media O2 et Vodafone, l'ambition est différente : réunir au sein d'une même interface les inventaires publicitaires, les données d'audience et les technologies d'activation de plusieurs grands acteurs européens.

Le constat dressé par l’alliance est simple : si les annonceurs continuent de privilégier les grandes plateformes comme Google, Meta ou Amazon, ce n'est pas uniquement en raison de leur audience. Ils offrent également une expérience d'achat beaucoup plus simple : une interface unique, des capacités de ciblage importantes, une mesure intégrée et des parcours d'activation relativement fluides.

À l'inverse, l'Open Web reste extrêmement fragmenté. Les données sont dispersées entre de nombreux acteurs, les inventaires s'achètent via plusieurs plateformes et les solutions de mesure varient selon les partenaires. L'EUMM cherche précisément à recréer cette simplicité sans renoncer au fonctionnement ouvert de l'écosystème européen.

Une marketplace de données plus qu'une alliance d'éditeurs

“L'EUMM s'appuie sur les inventaires déjà connectés à Equativ et ajoute une fonctionnalité de SPO permettant aux acheteurs de privilégier les médias européens, sans exclure pour autant les inventaires non européens”, précise Arnaud Créput, CEO d’Equativ.

Il s'agit, concrètement d'une instance dédiée de la plateforme de curation d'Equativ, Maestro, au sein de laquelle les partenaires fondateurs mettent en commun leurs segments d'audience au sein d'une taxonomie commune. Les acheteurs n'activent donc pas directement la donnée d'Orange, de Vinted ou du Bon Coin, mais des segments harmonisés issus de l'ensemble des partenaires.

À terme, Equativ vise entre 100 et 130 millions d'utilisateurs consentants uniques en Europe, après déduplication des différentes bases de données, un niveau de couverture que l'entreprise estime inédit sur l'Open Web européen.

Réduire la "taxe" des intermédiaires

Au-delà de la simplification de l'achat média, l'European Media Marketplace veut également s'attaquer à un sujet sensible : la multiplication des intermédiaires techniques qui pèsent sur le budget média.

Aujourd'hui, lorsqu'une campagne exploite de la donnée sur l'Open Web, plusieurs acteurs peuvent prélever une commission : SSP, curator, fournisseurs de données, solutions d'identité ou encore outils de mesure. Résultat, la part du budget qui revient réellement aux éditeurs - le fameux working media - tombe souvent autour de 50%.

L'EUMM promet un modèle plus direct. “Equativ ne prélèvera que ses frais de SSP, généralement compris entre 12 et 15%, sans ajouter de frais de curation”, annonce Arnaud Créput. Les fournisseurs de données seront rémunérés via un partage de revenus, “avec un objectif de maintenir leur rémunération globale sous les 15%”, ajoute le dirigeant.

Vous l’aurez compris : l'ambition affichée est de porter le working media au-delà de 70%, afin qu'une part beaucoup plus importante de chaque euro investi revienne aux éditeurs et détenteurs de données plutôt qu'aux différents intermédiaires techniques. Une manière de réduire l'adtech tax, tout en conservant des capacités avancées de ciblage et de mesure grâce à la mutualisation des données first-party.

L'un des autres objectifs de l'European Media Marketplace est de rapprocher l'Open Web des capacités de ciblage et de mesure offertes par les walled gardens. Pour y parvenir, la marketplace s'appuie sur les données first-party de ses membres ainsi que sur plusieurs solutions d'identité (on peut notamment citer Utiq, First ID, ID5, RampID, NetID...). 

“Cette combinaison doit permettre de reconnaître un même utilisateur, avec son consentement, sur plusieurs inventaires et plusieurs canaux”, précise Arnaud Créput.

Concrètement, les annonceurs pourront activer un même segment d'audience déterministe sur différents éditeurs, plateformes ou environnements (CTV, display, vidéo, retail media...), plutôt que de travailler avec des audiences différentes selon les inventaires. Cette continuité doit également améliorer la mesure des campagnes.

Selon Equativ, cette capacité à combiner données first-party et solutions d'identité à grande échelle ouvre la voie à des progrès significatifs en matière d'attribution et de mesure cross-canal, un domaine où l'Open Web reste aujourd'hui en retrait face aux walled gardens. 

Arnaud Créput reconnaît toutefois qu'il restera “difficile d'atteindre le même niveau de contrôle qu'au sein d'écosystèmes fermés, où les données, les utilisateurs et l'activation sont entièrement maîtrisés par une seule plateforme.”

Une plateforme pensée pour les agences... mais aussi pour le self-service

Côté “technique”, les campagnes pourront être activées directement depuis l'interface de la marketplace (grâce au bidder de Maestro) ou via un DSP externe, dans une logique de deal IDs (ce qui peut être important pour les agences médias qui ont des montants d’investissements à respecter dans leur DSP, via des JBP, mais rajoute mécaniquement des fees). 

L'initiative couvre dès son lancement le display, la vidéo, la TV connectée, le native advertising et le retail media. “Les formats créatifs avancés déjà disponibles dans Maestro, hérités notamment de Sharethrough, seront directement accessibles dans la marketplace”, précise Arnaud Créput. Equativ prévoit également d'y intégrer progressivement de nouveaux formats développés avec des partenaires comme Sofia Pulse afin de proposer des créations publicitaires plus personnalisées et pilotées par l'IA.

Maestro ayant pris le pli de la révolution agentique, les campagnes pourront aussi être paramétrées depuis les plateformes propriétaires des agences via l’intégration du serveur MCP de Maestro (voir la démo de Jellyfish là-dessus)

À plus long terme, Equativ ambitionne d’ailleurs de transformer cette EUMM en véritable plateforme self-service, permettant aussi bien aux grandes agences qu'aux annonceurs de taille intermédiaire d'accéder facilement aux principaux inventaires premium européens depuis une interface unique.

Une première vague, avant l'arrivée des retailers

L'European Media Marketplace sera lancée dans un premier temps au Royaume-Uni, en France, en Allemagne, en Espagne et en Italie. Une deuxième vague d'annonces est d'ores et déjà prévue à partir de septembre : Equativ assure être en discussion avancées avec plusieurs autres grands retailers européens, qui devraient alors rejoindre l'initiative.

Si cette ambition se concrétise, l'EUMM pourrait progressivement devenir l'une des infrastructures les plus complètes de l'Open Web européen, en agrégeant au sein d'une même plateforme inventaires, données first-party, solutions d'identité, capacités de mesure et activation omnicanale.

Pendant longtemps, l'audio diffusé en magasin s'est limité à de la musique d'ambiance, des annonces internes et quelques spots promotionnels réalisés de manière artisanale. Mais ce canal est en train de changer de statut.

Plusieurs acteurs ambitionnent désormais de le transformer en un véritable média retail, achetable en direct ou en programmatique, et capable d'adapter les messages diffusés en fonction des magasins, des stocks ou du moment de la journée.

On vous a parlé, il y a une semaine, du partenariat entre Azerion et Westfield Rise pour permettre au second de diffuser des spots publicitaires audio dans ses 17 centres commerciaux.

Aujourd'hui, c'est au tour de l'adtech française Dploy d'annoncer une levée de fonds de 500 000 euros auprès de plusieurs business angels, parmi lesquels figurent notamment les fondateurs de Back Market.

Si son nom vous est encore peu familier, c'est peut-être parce que l'entreprise s'appelait jusqu'ici MidiA. Pionnière sur ce marché, la start-up a été la première à commercialiser un dispositif publicitaire audio in-store dans les magasins Boulanger, en partenariat avec Valiuz et The Trade Desk. Cette initiative a d'ailleurs été récompensée par le prix du “Format média innovant de l'année” lors des derniers Open Garden Awards.

Ce changement de nom reflète désormais l'ambition de l'entreprise. Avec cette levée de fonds, Dploy entend accélérer l'industrialisation de l'audio publicitaire en magasin et son déploiement à grande échelle. “Dploy évoque le déploiement massif de ce nouveau média dans les réseaux de magasins”, résume l'un des cofondateurs, Charles Noirclerc.

Concrètement, la technologie de Dploy s'appuie sur les systèmes de diffusion musicale déjà installés dans les magasins pour y insérer et piloter des campagnes publicitaires.

Les retailers peuvent commercialiser des campagnes auprès de leurs fournisseurs, dans une logique de trade marketing, mais également auprès d'annonceurs extérieurs, les fameux non-endémiques, avec une diffusion vendue soit en direct, soit en programmatique. 

Les enseignes peuvent diffuser un train publicitaire toutes les 15 ou 30 minutes, chaque séquence étant composée librement : publicité trade, autopromotion, campagne nationale ou achat programmatique.

“Cette pression peut être modifiée à distance sur un magasin, un groupe de magasins ou l'ensemble d'un réseau afin de préserver l'expérience client”, ajoute Charles Noirclerc. 

L'intelligence artificielle est également mise à contribution pour créer les messages audio. La plateforme propose une vingtaine de voix adaptées à une diffusion en magasin et peut générer des annonces dans plusieurs langues.

Les utilisateurs peuvent rédiger eux-mêmes leur texte ou simplement décrire le message souhaité : l'IA leur soumet alors plusieurs propositions. Il est également possible d'ajouter automatiquement une musique de fond, avec des jingles d'ouverture et de fermeture.

“On peut intégrer des champs dynamiques au spot audio afin d'adapter automatiquement un même message à chaque point de vente”, détaille Charles Noirclerc. Une campagne peut ainsi générer autant de versions que de magasins, sans avoir à produire chaque spot individuellement.

Le déploiement le plus avancé concerne aujourd'hui Boulanger, où la plateforme est opérationnelle depuis un peu plus de six mois. “Le retailer a le trade marketing à sa main, Valiuz et Dploy se chargent de la commercialisation auprès des non endémiques”, précise Charles Noirclerc. 

Depuis le début de l'année, une cinquantaine de campagnes ont déjà été réalisées pour des marques commercialisées en magasin comme Asus ou Hisense. 

Un agent IA pour les directeurs de magasin

Dploy prépare également une nouvelle brique baptisée Dominique, un agent IA destiné directement aux équipes terrain. “L'idée est de permettre aux directeurs de magasin de déclencher eux-mêmes des campagnes ultra-locales depuis leur smartphone”, détaille Charles Noirclerc. 

En quelques secondes, ils pourront dicter une demande à l'agent - par exemple écouler un stock important de produits ou promouvoir une offre flash - qui générera automatiquement le message audio avant de le diffuser pendant la durée souhaitée. “L'objectif est de transformer l'audio en magasin en un canal aussi réactif que les écrans digitaux ou les notifications mobiles.”

Après plusieurs mois d'évangélisation auprès des agences médias, les premiers budgets “non endémiques”, ont commencé à affluer. Charles Noirclerc indique avoir déjà enregistré plusieurs centaines de milliers d'euros de dépenses média et observé un phénomène encourageant. “Les premiers annonceurs reviennent après leurs campagnes tests.”

EDF, premier annonceur à avoir testé le format, a ainsi renouvelé son dispositif après une première activation. Une campagne réalisée pour MG Motors avec Haiku Media a également utilisé des créations différentes selon chaque magasin afin d'orienter les consommateurs vers la concession la plus proche.

Une mesure proche des standards du digital

L'une des principales différences avec les autres solutions du marché tient à la mesure. Les campagnes sont vendues au CPM, à l'image du digital. Pour cela, Dploy est connecté aux systèmes de comptage de fréquentation des magasins et connaît en temps réel le nombre de visiteurs présents dans chaque point de vente. 

La plateforme peut ainsi arrêter automatiquement une campagne une fois le volume d'impressions acheté atteint et indiquer précisément combien de personnes ont été exposées à chaque message.

“Nous sommes même capables d'aller plus loin avec notre partenaire Apsys, exploitant de centres commerciaux. Ses systèmes de comptage sont plus avancés et permettent d'estimer l'âge et le genre des visiteurs”, précise Charles Noirclerc.

Dploy commence également à structurer la mesure de l'efficacité de ce nouveau média. La société propose désormais des études de brand lift avec Happydemics et des analyses de drive-to-store avec Okube. “Ces études sont offertes à partir de certains niveaux d'investissement afin d'accélérer l'adoption du canal”, complète Charles Noirclerc.

Cap sur l'Europe

Dploy s'appuie également sur l'héritage technologique de Midi agency, la société fondée par Charles Noirclerc et Adrien Fournis, spécialisée depuis près de dix ans dans la diffusion audio en magasin.

L'entreprise revendique une vingtaine de réseaux clients, parmi lesquels L'Occitane en Provence et Krys, et dispose d'une infrastructure matérielle déjà éprouvée pour équiper et piloter de vastes réseaux de points de vente.

La levée de fonds doit permettre de renforcer les équipes commerciales, partenariats, customer success et développement produit. Des discussions sont déjà engagées en Belgique, en Europe de l'Est ainsi qu'avec plusieurs grands acteurs allemands. En ligne de mire figure également un déploiement du dispositif dans d'autres enseignes de l'écosystème Mulliez, aux côtés de Valiuz.

Open Garden. Votre CEO, Michael Komasinski, a pris la parole avec David Dugan, global head of ads, lors de ces Cannes Lions. Pouvez-vous revenir sur les contours de cette intervention ?

Ed Dinichert (Criteo). L'objectif était de faire un point d'étape sur les développements en cours autour d'OpenAI et de la publicité, avec un focus sur les initiatives de Criteo. Nous travaillons déjà avec plus de 2 000 annonceurs sur leurs campagnes publicitaires dans ChatGPT, notamment aux États-Unis, au Royaume-Uni et en Australie.

C'était évidemment aussi l'occasion de rappeler tout ce que Criteo a à offrir sur un tel environnement. Car on entend souvent la même remarque : "OpenAI lance son outil en self-service, pourquoi donc continuer à travailler avec un partenaire comme Criteo ? À terme, ils feront tout eux-mêmes."

Je pense que c'est un raccourci intellectuel. L'exemple de Google et Meta montre précisément l'inverse : il existe toujours de la valeur à apporter au-dessus des plateformes.

A savoir une couche supplémentaire d'intelligence, de données et de mesure au-dessus de l'infrastructure existante ?

Exactement. Le fil conducteur de notre stratégie est assez simple : revenir aux fondamentaux. Tout commence par les insights. De bons insights permettent de prendre les bonnes décisions d'activation. Ces activations produisent ensuite des résultats mesurables, qui génèrent à leur tour de nouveaux insights. C'est une boucle vertueuse.

Aujourd'hui, notre industrie est devenue extrêmement fragmentée. Tout le monde parle de mesure, mais, avant de mesurer, il faut d'abord être capable de produire des insights pertinents. À mon sens, les entreprises qui réussiront seront celles qui sauront connecter toutes ces données, les transformer en insights exploitables, justifier leurs activations et mesurer précisément les résultats.

Chez Criteo, nous avons déjà intégré les données issues d'OpenAI dans notre plateforme interne. Notre obsession est désormais de rendre ces insights accessibles partout, notamment via MCP, afin qu'ils puissent être utilisés directement depuis les assistants conversationnels et plateformes que les acheteurs médias utilisent.

Concrètement, on parle de quels types d'insights dans le cadre de ChatGPT Ads ?

C'est, concrètement, cartographier les comportements des utilisateurs et comparer ce qui se passe avec et sans exposition à la publicité diffusée au ChatGPT. Et c'est possible grâce à notre Commerce Graph, qui regroupe aujourd'hui près de 5 milliards de SKU, observe environ 740 millions d’utilisateurs quotidiens par jour et plus de 3 milliards de dollars de transactions quotidiennes.

Cela nous permet de détecter des évolutions que nous ne pouvions pas observer auparavant. Par exemple, nous commençons à mesurer l'impact d'une campagne ChatGPT sur la considération d'une marque, puis, à terme, probablement sur la fidélisation. Ce sont des indicateurs que nous sommes en train de construire.

Êtes-vous déjà capables de mesurer l'impact de ChatGPT sur des indicateurs comme le new-to-brand ?

Pas encore directement. En revanche, nous avons développé des proxys de conversion qui permettent déjà d'estimer cet impact. L'objectif de tout ça, c'est de comprendre le rôle réel que joue ChatGPT dans le parcours d'achat.

La plupart des annonceurs sont, sur ce sujet, encore dans la phase d'expérimentation. La question qu'ils nous posent est finalement assez simple : où positionner ce nouveau canal dans leur mix média ? Est-ce du SEO nouvelle génération, du GEO, pour Generative Engine Optimization, un canal de performance ou un média de notoriété ?

Votre ambition est-elle, à terme, d'utiliser votre Commerce Graph pour permettre aux annonceurs d'activer des audiences comparables à celles du Customer Match ?

Oui, c'est clairement la direction dans laquelle nous voulons aller. Aujourd'hui, nous ne pouvons pas encore utiliser les signaux issus de notre Commerce Graph pour cibler directement les campagnes sur OpenAI.

Nous ne sommes pas encore dans un modèle totalement déterministe où un annonceur pourrait nous transmettre un brief, nous construire une audience propriétaire à partir de nos données, puis l'activer immédiatement, comme nous le faisons déjà sur Meta, TikTok ou d'autres plateformes. C'est une évolution qui viendra dans un second temps.

Qu'est-ce qui fait de la publicité sur ChatGPT une pratique un peu à part ?

Avant, il fallait optimiser son référencement sur des requêtes déjà connues. Aujourd'hui, il faut anticiper les centaines, voire les milliers de formulations que les utilisateurs pourront employer.

Plus on est capable d'anticiper ces contextes, plus on élargit les opportunités dans lesquelles la marque pourra apparaître. Et plus on est capable de décliner des variations créatives selon ces contextes, plus on est performant.

Vous parliez de GEO. La publicité peut-elle avoir un impact sur la visibilité organique des marques dans les assistants conversationnels ?

Pas systématiquement, et il est beaucoup trop tôt pour généraliser, mais nous avons déjà constaté des situations où les performances GEO progressaient de 50 à 80% après certaines activations médias.

Cela peut tout simplement signifier que le modèle de langage ne connaissait pas encore suffisamment une marque ou une entité, et que la campagne a contribué à la rendre visible dans son univers de connaissances.

Albertsons vient d'annoncer que les marques pourront désormais acheter, via Criteo, des emplacements sponsorisés directement intégrés dans son moteur de recherche conversationnel. Ce type d'inventaire conversationnel est-il appelé à devenir un nouveau standard du retail media ?

Je pense que l'expérience de navigation va profondément évoluer. La généralisation des grands modèles de langage va transformer les interfaces de la plupart des sites. À terme, nous naviguerons beaucoup moins via des menus traditionnels, et beaucoup plus à travers des assistants capables de comprendre les intentions des utilisateurs.

Dans ce contexte, l'enjeu sera de relier ces nouvelles interactions aux catalogues produits, aux SKU, aux données marketing, aux campagnes et aux insights. C'est donc un pari extrêmement pertinent, même si la vraie question reste celle du volume que ces inventaires représenteront à long terme. À ce stade, personne n'a encore de certitude sur ce point.

Dans tous les cas, le deal avec Albertsons s'inscrit dans le prolongement de notre stratégie : fédérer ces nouvelles sources de données et les rendre exploitables de manière cross-channel et full funnel, y compris dans le retail media.

Et cela vaut aussi pour les walled gardens, qui semblent progressivement s'ouvrir ?

Oui. Nous travaillons aujourd'hui avec Meta, TikTok ou encore OpenAI. En réalité, beaucoup plus d'acteurs sont ouverts qu'on ne l'imagine.

Vous êtes aussi "curator" au sein de SSP tiers pourtant historiquement des concurrents…

Oui. Nous avons déjà annoncé notre intégration avec PubMatic et espérons finaliser avec d'autres SSP prochainement.

L'idée est simple : faire circuler notre Commerce Graph au sein des principaux environnements programmatiques. Nous apportons le ciblage aujourd'hui. Demain, nous y ajouterons progressivement les insights puis la mesure.

Historiquement, la curation permettait surtout à des acteurs qui ne disposaient pas de DSP d'accéder à la demande. Mais vous possédez déjà une plateforme d'achat. Pourquoi investir ce terrain ?

Parce que le marché nous envoie un signal très clair. En télévision connectée notamment, les éditeurs premium recherchent avant tout de la simplicité. Personne n'a envie d'ajouter un SSP supplémentaire dans sa chaîne technologique. Au contraire, les acheteurs cherchent à réduire le nombre d'intermédiaires.

Je n'ai aucune envie d'aller demander à Disney+, Netflix ou aux grands broadcasters de modifier toute leur infrastructure simplement pour travailler avec nous.

En revanche, tous sont intéressés par notre Commerce Graph, nos capacités de ciblage et nos solutions de mesure. Nous avons donc fait le choix d'apporter cette intelligence directement dans les environnements où les acheteurs opèrent déjà.

C'est beaucoup plus simple pour l'ensemble de l'écosystème et c'est aussi un excellent moyen, pour Criteo, d'accélérer son développement sur le marché de la CTV.

Vous avez récemment recruté Julien Monbillard pour accélérer votre développement sur ce territoire Qu'est-ce qu'il vous apporte concrètement ?

Son arrivée nous aide énormément. Julien connaît parfaitement les attentes des éditeurs, des agences et des annonceurs. Grâce à lui, nous posons les bonnes questions beaucoup plus tôt. Quels SSP faut-il privilégier ? Quels partenaires vidéo faut-il intégrer ? Comment organiser notre feuille de route ?

En seulement quelques mois, il nous a permis de prioriser beaucoup plus efficacement nos développements. Il apporte une compréhension très fine de l'écosystème CTV.

Vous avez également profité de ces Lions pour présenter votre serveur MCP, dont nous avions déjà parlé il y a quelques semaines. En quoi était-ce stratégique ?

Nous avons effectivement procédé à pas mal de démos auprès des agences, qui ont pu réaliser qu'elles pourraient, en langage naturel, interroger directement notre plateforme.

Par exemple : "Montre-moi les meilleurs clients pour cette catégorie.", "Quels sont les segments d'audience les plus performants ?", "Quels produits performent le mieux ?" Toutes ces informations deviennent accessibles sans avoir besoin de naviguer dans une interface complexe.

C'est un changement profond. Notre plateforme cesse d'être un simple outil réservé aux traders média. Elle devient une véritable brique d'intelligence accessible via un assistant.

À terme, le développement de serveurs MCP par les différentes plateformes publicitaires peut être un remède à la fragmentation des médias. Cela peut permettre d'orchestrer des campagnes beaucoup plus globales.

Nous n'avons pas encore ouvert toutes nos interfaces en self-service pour les agences. Mais notre ambition est claire : faire en sorte que notre Commerce Graph et nos capacités de mesure deviennent accessibles partout. Nous voulons devenir une couche d'intelligence que chacun peut intégrer à ses propres outils.

Si l'on pousse ce raisonnement jusqu'au bout, est-ce que les offres de “managed service”, qui permettent à une adtech de surfer sur le manque de ressource ou d’expertise d’une agence média, a encore un avenir dans un monde où l’agentique vient gérer pas mal de choses ?

Je pense que oui. Je suis même assez catégorique sur ce point. À chaque grande transformation technologique, on annonce la disparition des métiers opérationnels.

On a entendu exactement les mêmes discours avec les ad networks. Puis avec le mobile. Puis avec le RTB. Puis avec le programmatique. Aujourd'hui, c'est l'agentique.

À chaque fois, on annonce que tout va devenir automatique. La réalité est beaucoup plus nuancée.  Il y aura toujours des entreprises qui manqueront de temps, de ressources ou d'expertise et qui préféreront déléguer. Le managed service continuera donc d'exister.

Même si les effectifs diminuent progressivement ?

C'est probablement le vrai sujet. Oui, certaines organisations auront sans doute moins de collaborateurs. Mais cela ne signifie pas qu'elles auront immédiatement les outils capables de remplacer tout le travail humain.

Au contraire. Pendant une période de transition, beaucoup d'entreprises auront besoin de partenaires externes pour absorber cette transformation. J'ai même le sentiment qu'à court terme, la demande en accompagnement pourrait augmenter.

Aujourd'hui, beaucoup d'équipes consacrent davantage de temps à construire les outils qu'à réellement les utiliser. Certaines agences réorganisent déjà leurs effectifs.

Elles renforcent leurs équipes produit ou ingénierie tout en réduisant progressivement certaines fonctions opérationnelles. Mais cette évolution prendra du temps. Notre cerveau aime les scénarios simples : "L'IA arrive, donc tout sera automatisé." Dans les faits, les transformations sont toujours beaucoup plus progressives.

Plusieurs études estiment qu'OpenAI pourrait générer près de 100 milliards de dollars de revenus publicitaires à horizon 2035. D'autres, au contraire, considèrent que ce potentiel est surestimé. Selon eux, l'essentiel des budgets restera capté par Google, notamment via AI Overviews, et les interfaces conversationnelles disposeront finalement d'un inventaire publicitaire beaucoup plus limité. Quel est votre point de vue ? Les assistants comme ChatGPT, Perplexity ou Claude peuvent-ils réellement devenir de nouveaux grands médias publicitaires ?

Je pense que la question n'est pas vraiment de savoir si les utilisateurs continueront d'aller sur chatgpt.com. La vraie question est plutôt la suivante : où ces modèles de langage vont-ils être déployés ?

Aujourd'hui, on raisonne encore comme si ChatGPT était uniquement un site web ou une application. Je ne pense pas que ce sera le cas demain. À terme, ces modèles vont être intégrés partout.

Ils seront présents dans les sites e-commerce, les applications, les services clients, les outils professionnels… Les entreprises utiliseront l'intelligence d'OpenAI, d'Anthropic ou d'autres acteurs, mais sans forcément envoyer leurs utilisateurs sur leurs interfaces respectives.

C'est exactement ce qui est en train de se produire. À ma connaissance, hormis Amazon, très peu de retailers développent aujourd'hui leur propre modèle de langage. La plupart préfèrent s'appuyer sur les infrastructures existantes.

Autrement dit, un distributeur pourrait intégrer directement ChatGPT ou un autre LLM à son site...

Exactement. Je compare souvent cela à Shopify. Shopify n'est pas le site marchand. C'est l'infrastructure qui permet aux commerçants de construire leur activité. Demain, les modèles de langage joueront probablement un rôle similaire. Ils deviendront une couche technologique intégrée à une multitude de services.

Et dans ce cas, ces assistants pourraient aussi devenir un nouveau type d’ad-network. Si un LLM est intégré à des milliers de sites marchands, il devient capable d'y diffuser des formats sponsorisés. On ne parle plus simplement de la publicité dans ChatGPT, mais de la publicité dans tous les services qui utilisent ChatGPT…

Exactement. C'est là que le potentiel change complètement d'échelle.

Si ces assistants deviennent une infrastructure distribuée, comme Shopify l'a été pour le commerce électronique, alors leur marché publicitaire sera bien plus large que ce que l'on imagine aujourd'hui. C'est probablement sous cet angle qu'il faut regarder les choses.