Fin des cookies tiers : plusieurs approches possibles, mais toutes dopées à l'IA !
L'écosystème de la publicité en ligne s'adapte à la raréfaction des données, via de nouvelles approches conciliant efficacité et respect de la vie privée des utilisateurs.
Innovation, revitalisation d'approches plus classiques et recours à l’intelligence artificielle constituent les ingrédients de ces alternatives. C’est en effet le constat que dresse le cabinet Analysys Mason dans son étude “Publicité en ligne : comment concilier efficacité et enjeux de responsabilité pour annonceurs et éditeurs ?” publiée pour le compte du Think Tank The Good Advertising Project.
L’écosystème de la publicité en ligne s’adapte ainsi à la raréfaction des données, via de nouvelles approches conciliant efficacité et respect de la vie privée des utilisateurs. Certaines méthodes historiques ou « classiques », qui prévalaient avant l’arrivée des logiques très quantitatives ou pour les médias historiques de la publicité (TV, radio, presse) et qui ne nécessitent pas d’identifier ou cibler les utilisateurs de façon précise, regagnent en importance.
MMM, contextuel et mesure de l’audience dopés à l’IA
À cet égard, le MMM, pour Marketing Mix Modeling, est remis au cœur de la stratégie publicitaire des grandes marques. Ces modèles peuvent désormais bénéficier d’une plus grande puissance de calcul et de techniques d’IA, pour formuler des prédictions plus fréquentes et bien plus précises que par le passé. Tous les contenus ne sont pas adaptés au ciblage contextuel, mais pour ceux qui s’y prêtent, son efficacité continue de s’améliorer rapidement avec le perfectionnement des techniques d’analyse du contenu (texte, images et même vidéo), notamment grâce aux techniques d’IA qui permettent d'en dire plus sur le contexte.
Une dernière famille de techniques qui se développe particulièrement concerne la qualification des audiences et de leur niveau d’attention (attention metrics). Cette famille d’outils se rapproche conceptuellement d’une version beaucoup plus puissante et raffinée des mesures historiques d’audience. Ce type de solution de qualification d’audience permet donc de déterminer non seulement les médias les plus efficaces mais aussi les canaux de diffusion à privilégier, avec une vision agrégée respectueuse de la vie privée des utilisateurs.
First et second party datas
Les annonceurs et éditeurs qui souhaitent continuer d’utiliser des techniques quantitatives de ciblage se recentrent sur la collecte méthodique de données first party. Là encore l’IA ouvre de nouvelles opportunités dans la valorisation des ces données utilisateurs. Concernant les données first party, la méthode de collecte la plus simple conceptuellement consiste à interconnecter les outils de gestion de clientèle (CRM) ou de logistique (supply chain data) avec les systèmes et outils utilisés par le marketing. Un autre moyen, déjà utilisé par de nombreuses entreprises, est la création de programmes de fidélité, qui permettent de recueillir des données sur les habitudes et parcours clients, et permettent potentiellement la prise en compte de parcours « phygitaux » (c’est-à-dire à la fois physique et digital, par exemple la consultation d’un site web puis l’achat en boutique physique).
Les second party datas s'appuient sur les data clean rooms qui servent de tiers de confiance entre les différentes parties, et leur permettent de télécharger en amont leurs données et d’en définir les règles de partage avec les tiers, tout en protégeant l’anonymat des utilisateurs, au travers de techniques de cryptographie et de statistique.
Privacy enhancing technologies pour répondre aux attentes des utilisateurs
L’industrie s’est d'abord focalisée sur la création d’identifiants de substitution aux cookies tiers. Mais dans l'ensemble, ces identifiants restent limités technologiquement, en comparaison des cookies tiers, et sont, par nature, utilisés pour suivre les utilisateurs dans leur parcours en ligne. Ils ne constituent donc aucunement une réponse aux préoccupations majeures des utilisateurs quant au respect de la vie privée. Pour répondre à ces préoccupations, une nouvelle famille de technologies est en cours de développement, visant à concilier performance publicitaire et respect de la vie privée. L’objectif commun de ces technologies, regroupées sous le terme de Privacy Enhancing Techniques (PET), est de permettre un échange d’informations utiles (pour le profilage ou le suivi des transactions) tout en empêchant l’identification unique des utilisateurs. La multiplicité et la diversité des mécanismes palliatifs développés par l’écosystème de l’AdTech, pour faire face à la disparition des données tierces, témoigne ainsi de la vitalité et du degré d’innovation de ces acteurs.