IA, agents, AdCP, MCP… Le marché publicitaire est à l’image de la planète : tout est IA.
Ne pas en faire, c’est disparaître à court terme. En faire, c’est faire disparaître ses concurrents, ses salariés, et au final son propre job…
Alors on voit fleurir tout et n’importe quoi sur l’IA dans la publicité digitale. L’automatisation de tâches répétitives et inintéressantes fait fantasmer les cost-killers. Et c’est certainement justifié.
Mais la pensée magique est aussi à l’œuvre pour résoudre toutes les questions de performance publicitaire. On prête à l’IA la capacité de gérer des campagnes, de choisir qui toucher, où les toucher, comment les toucher, avec quels messages, quelles créations (elles aussi générées par IA), et finalement d’analyser les milliards de données collectées.
Tout ceci est vrai.
Mais tout ceci était déjà vrai avec des méthodes éprouvées et des personnes expérimentées. Donc l’IA permettra de mieux gérer les campagnes, de mieux choisir qui toucher, etc.
Alors dans quels cadres l’IA va-t-elle le plus apporter dans la publicité digitale ?
L’agrégation de données bas niveau : comment rendre service sans créer de biais
L’IA sait très bien agréger des données textuelles massives et granulaires. Chez Implcit, nous l’utilisons depuis des années pour regrouper les centres d’intérêts (des dizaines de milliards de lignes), les produits sur les sites de e-commerce, les vidéos sur des plateformes, etc.
Ca fonctionne très bien, et de toutes façons, ce serait impossible à faire à la main.
Mieux, les erreurs de l’IA (elles sont inévitables) se produisent dans ce que j’appelle les « basses couches » de l’analyse. Au-dessus de ces agrégations, nous faisons toutes sortes de calculs. Si l’IA se trompe sur un mot-clé, elle ne se trompe pas sur le mot-clé d’à côté. Dans ce cas, les erreurs de l’IA ne génèrent qu’un bruit.
Le bruit n’est pas un biais.
Le bruit peut limiter la qualité de l’information produite ensuite. Mais il ne remet pas en question les décisions qui sont prises. Car ce n’est pas l’IA qui prend les décisions.
Le prompt comme interface homme-machine
L’autre bon usage de l’IA, c’est le prompt.
Les agences média et les régies publicitaires doivent gérer des campagnes de tous les secteurs. Comment peut-on être spécialiste de tous les secteurs ?
Il faudrait en théorie connaître les acteurs concurrents de l’annonceur, les outils qui permettent de choisir la bonne marque (comparateurs), les centres d’intérêts des clients de l’annonceur, et même de ses prospects ! Mission impossible…
La puissance du ciblage d’Implcit est que l’on peut créer une cible média sur des critères variés (comportement digital, intérêts, achats…).
Lorsque l’on cherche à traduire un besoin d’annonceur, on cherche à se mettre dans la peau de son client : qu’est-ce qui m’intéresse, qu’est-ce que j’achète, où puis-je trouver de l’information, quels sont les concurrents ? Et ça se termine souvent par des recherches sur Google ou autres.
Et c’est là que les prompts remplissent un rôle d’intermédiaire entre l’homme et la machine. Il suffit de décrire la population que l’on cherche à toucher, et l’agent Implcit préremplit tous les champs pertinents.
Si on n’aime pas la course à pied (c’est mon cas), on ne connaît pas grand chose à ce sujet. Il est donc difficile de se mettre dans la peau d’un marathonien, ou, pire, d’un ultra-trailer…
Voici un exemple de réponse apportée par notre agent à une demande de ciblage sur le marathon, l’hyrox, le triathlon, etc.
L’IA connaît tous les sites et toutes les applications qui peuvent intéresser la cible. Plus besoin d’être un spécialiste !
Un gain de temps tel que, après quelques mois d’utilisation interne, l’agent a été déployé aux clients d’Implcit avant même que l’annonce soit faite (cet article) ! On ne peut pas priver un client d’un tel outil !!!
Maîtriser l’Intelligence Artificielle
L’IA peut se tromper en agrégeant des données, mais, on l’a vu, ses erreurs ne génèrent au pire que du bruit.
L’agent IA aussi peut se tromper. Dans ce cas, l’important est que l’humain aura le dernier mot.
Dans l’exemple que j’ai cité, j’ai retiré le site decathlon.fr. Ce n’est pas une erreur (ce site est très affinitaire avec tous les sportifs, dont les coureurs). Mais sur une population très spécialisée, ce site m’a semblé trop généraliste.
Dans les deux cas, il faut tenir compte des erreurs (bruit), ou contrôler l’IA. Ses erreurs ne doivent pas impacter les décisions importantes.
Chez Implcit, les décisions importantes concernent l’allocation de budgets publicitaires. Les sommes en jeu peuvent être colossales ! En France, on parle de milliards d’Euros investis annuellement. Pire, ceux qui gèrent ces investissements (les agences média) ne sont pas ceux qui fournissent les fonds (les annonceurs). Lorsqu’on vous confie les cordons de la bourse, on n’a pas le droit à l’erreur.
Les statistiques fournissent des solutions fiables et démontrables. Ces méthodes ont démontré leur efficacité depuis des décennies. On peut expliquer les calculs si besoin. Rien à voir avec les boites noires des IA.
« T’inquiète, c’est de l’IA, tu peux pas comprendre ! ».
Et que dire des données qui nourrissent les IA ? Sont-elles vraies ? Le taux de fausses informations sur Internet baisse en permanence et dépasse les 10% (voir https://www.franceinfo.fr/internet/reseaux-sociaux/les-reseaux-sociaux-sont-durablement-permeables-aux-fake-news-avec-notamment-un-contenu-d-information-sur-quatre-trompeur-sur-tiktok-selon-une-etude_7877903.html).
Quand bien même elles sont vraies, sont-elles biaisées ? Une IA entraînée sur X, comme Grok, sera-t-elle pertinente pour décrire des cibles autres que les hommes américains, blancs et chrétiens et hétéros ?
Un jour peut-être l’IA sera fiable et démontrable. En attendant, il faut l’utiliser quand elle rend des services utiles, la contrôler, quand elle peut se tromper, et la remplacer, quand on doit prendre des décisions importantes.