Google intègre les annonces display dans sa plate-forme Demand Gen basée sur l’IA, marquant la fin d’un modèle de publicité numérique de longue date.
Le Réseau Display de Google (GDN) est un incontournable de l’Internet ouvert depuis près de vingt ans. Les spécialistes du marketing s’appuyaient auparavant sur son cadre prévisible pour cibler les emplacements, enchérir sur les audiences et tester A/B les créations statiques sur les sites d’actualités et les blogs. Cette configuration familière évolue et oblige les équipes marketing à s’éloigner des contrôles manuels des campagnes et à s’appuyer sur l’IA de Google.
Google décrit ce changement comme une progression naturelle et le présente comme une méthode permettant aux annonceurs d’atteindre des plateformes visuelles telles que YouTube, Discover et Gmail via une campagne consolidée.
Les bannières publicitaires traditionnelles sont confrontées à une concurrence accrue de la part des formats vidéo plein écran de plateformes comme TikTok et Instagram. En réponse, Demand Gen de Google utilise un système automatisé pour générer et développer l’intérêt des clients avant qu’une requête de recherche ne soit saisie.
Demand Gen fonctionne différemment du Réseau Display de Google traditionnel. Au lieu de demander aux annonceurs de sélectionner des sites Web spécifiques ou d’ajuster les segments d’audience, la plate-forme nécessite des objectifs commerciaux et un ensemble d’actifs créatifs. Les spécialistes du marketing téléchargent des images, des clips vidéo et des titres, que l’IA de Google teste ensuite selon diverses combinaisons. Le système les diffuse sous forme d’annonces vidéo InStream, de courts métrages YouTube ou de publications Discover interactives, en utilisant des modèles prédictifs pour déterminer le format, l’emplacement et l’audience.
Cette transition nécessite des changements dans la production créative. Demand Gen s’appuie sur une offre continue de contenu diversifié et indépendant du format. Les équipes créatives sont désormais chargées de fournir les ressources brutes que l’IA de Google assemble de manière dynamique, déplaçant ainsi le flux de travail traditionnel de l’agence vers la création de contenu à plus grand volume.
Granularité du trading pour l’automatisation
Google parie que l’apprentissage automatique battra l’intuition humaine à grande échelle, forçant ainsi la main à l’industrie. La consolidation du Display dans ce modèle centré sur l’IA élimine la tentation pour les équipes de s’accrocher à des méthodes manuelles. Les annonceurs doivent adopter une approche axée sur l’IA, sous peine de perdre la visibilité sur des biens immobiliers numériques précieux.
Des mesures de longue date telles que le taux de clics (CTR) et le coût par clic (CPC) perdent désormais une grande partie de leur signification. Juger du succès d’une seule création ou d’un placement devient presque impossible lorsqu’une IA optimise simultanément les conversions ou l’amélioration de la marque sur plusieurs formats et plates-formes. Au lieu de cela, les rapports doivent s’améliorer pour suivre les résultats commerciaux plus larges : coût d’acquisition client, retour sur les dépenses publicitaires et influence sur le parcours d’achat global.
Cela nécessite une intégration plus étroite entre les plateformes publicitaires et les principaux systèmes de business intelligence d’une entreprise. Sans données de conversion précises et en temps réel, l’IA vole à l’aveugle.
Pour de nombreuses entreprises, cette dépendance révèle des faiblesses critiques de leur infrastructure de données. Un budget Demand Gen de plusieurs millions d’euros pourrait facilement dépendre de la qualité d’une connexion API unique à un backend CRM ou de commerce électronique qui est souvent conçu à des fins totalement différentes.
Meta propose un programme similaire avec ses campagnes Advantage+, en tirant parti de l’IA pour automatiser le ciblage, la création et le placement dans son écosystème. L’industrie est clairement en train de passer d’un modèle de location d’espace publicitaire à un modèle de mise en service d’agents IA pour traquer les clients.
Les responsables marketing n’ont plus le choix de céder le contrôle à l’IA ; l’accent est mis sur la manière dont ils adaptent leurs équipes, leur technologie et leur stratégie.
