Ciblage Comportemental et Ciblage Contextuel

Le ciblage comportemental est le modèle publicitaire dominant du digital depuis quinze ans. Son principe : agréger les traces de navigation - pages visitées, recherches, clics, achats - pour constituer des segments d’audience, puis leur servir des publicités “pertinentes”. Le retargeting en est la forme la plus visible. Les device graphs, les DMP, les données tierces vendues par des brokers - toutes ces mécaniques reposent sur la même prémisse : plus on connaît l’individu, mieux on cible.

Le ciblage contextuel part d’une logique opposée : afficher des publicités en fonction du contenu du support, pas du profil de l’internaute. Chaussures de running sur un forum running. Aucun cookie tiers, aucun suivi inter-sites. Il regagne du terrain depuis la dépréciation des cookies tiers (GDPR, iOS 14, Privacy Sandbox). Pour beaucoup de marketeurs, il reste un plan B - la solution de repli du monde sans cookie.

Cette page documente pourquoi il n’en est pas un. Un large corpus de recherches indépendantes a testé la prémisse fondatrice du comportemental - la précision qu’il promet. Les résultats convergent contre elle. Ce n’est pas un problème de qualité d’implémentation ou de partenaires. C’est systémique.

L’essentiel en 6 points

• Deux études randomisées (Carnegie Mellon / Virginia Tech, ~1 000 participants) montrent que les publicités comportementales ne produisent pas de meilleur choix consommateur. Elles sont plus souvent associées à des fournisseurs de moindre qualité à des prix plus élevés.
• Cinq études indépendantes mesurent la précision des segments comportementaux tiers. Aucune ne trouve une précision supérieure à une baseline aléatoire. Une mesure la place à 24,4 %, en dessous de la baseline Census (26,5 %).
• Le retargeting est un mécanisme distinct : il capture la demande créée en amont par d’autres canaux. Adidas a mesuré zéro incrémentalité sur deux ans de tests randomisés. C’est du crédit redistribué, pas de la valeur créée.
• Dans des tests directs, le ciblage contextuel a surpassé le comportemental en ROI. La raison : moins de faux positifs, CPM plus bas sur de l’inventaire non profilé, alignement naturel avec la situation d’achat.
• L’alternative structurelle n’est pas le contextuel seul - c’est la donnée first-party : CRM, app, programme de fidélité. Une précision construite par consentement direct, pas achetée à un broker aux incitations déconnectées.
• Les PME ayant migré vers la donnée first-party ont vu ~100 % d’amélioration de leurs métriques d’acquisition, contre ~10 % pour les grandes entreprises encore dépendantes des données tierces.

Ce que la recherche dit du bénéfice consommateur

L’étude la plus directe a été conduite par Carnegie Mellon et Virginia Tech, via deux expériences randomisées sur environ 1 000 participants et plus de 7 000 points de données. Protocole : comparer des produits issus de publicités comportementales, de recherche organique, et de sélections aléatoires. Les résultats, rapportés par The Marketing Architects, sont contre-intuitifs : l’intention d’achat est effectivement plus élevée en condition publicité - les publicités semblent pertinentes. Mais la pertinence moyenne reste faible dans toutes les conditions. Et les publicités comportementales sont plus souvent associées à des fournisseurs de moindre qualité proposant des prix plus élevés pour des produits identiques. Conclusion des auteurs : « the value consumers receive from behavioral advertising has not been empirically demonstrated. »

Bob Hoffman, cité par The Marketing Architects, ajoute le versant opinion : 4 consommateurs sur 5 déclarent s’opposer à la collecte de leurs données pour personnaliser les publicités. La majorité des bénéficiaires supposés rejette activement la collecte qui en est la condition.

La précision d’audience : le mythe de la data

Cinq études indépendantes mesurent la précision réelle des segments comportementaux tiers. Elles convergent sur la même conclusion.

Une expérience HP conduite en B2B (six brokers ciblant des “décideurs IT”) livre 63 % de personnes sans emploi, 8 % en IT, 66 % en PME alors que HP visait l’enterprise. Une analyse de 19 brokers et plus de 90 segments mesure une précision démographique à 24,4 % - en dessous de la baseline Census aléatoire à 26,5 %. Un test contrôlé Spotify sur 790 millions d’adresses montre qu’environ 50 % des campagnes ciblées devaient doubler leur CTR pour surpasser les non-ciblées - et que la taille du broker n’améliore pas la précision. La société de mesure TrueSet mesure environ 50 % d’inexactitude sur des données démographiques de base. Newman et Tucker, dans une méta-analyse relayée par Sleeping Barber, synthétisent : « targeting, no better than random » en résultats business.

L’inexactitude n’est pas sectorielle - elle est structurelle. Les brokers sont rémunérés à la vente de segments, pas à leur précision. Marc Pritchard (CMO, P&G), cité dans les travaux de Byron Sharp sur la planification média, est revenu publiquement sur la stratégie narrow targeting de P&G : « We targeted too much, and we went too narrow. » Même au budget de P&G, la promesse n’a pas tenu.

Sur le retargeting, le cas est encore plus net. Simon Peel, ex-Global Head of Media d’Adidas, a mené deux ans de tests randomisés entre 2015 et 2017 : « it showed no incrementality from retargeting like none. » La mécanique est claire : le retargeting récolte la demande créée en amont - TV, brand, search - et se l’attribue par last-click. Il produit des chiffres flatteurs dans Ads Manager sans créer de valeur incrémentale. Voir Attribution.

Après iOS 14, la précision comportementale de Meta a chuté d’environ 50 % - sans que l’annonceur ait eu le moindre levier sur cette dégradation.

Le ciblage contextuel comme alternative

Si le ciblage comportemental tient sa performance en capturant de la demande créée ailleurs, la question stratégique change : comment créer cette demande plus efficacement ? C’est là que le contextuel redevient pertinent - non comme solution technique au cookie, mais comme alignement avec la mécanique de la Disponibilité Mentale.

Le principe : être présent sur les contenus consommés dans les situations qui précèdent un achat. Forum running = futur acheteur de chaussures de sport. Pas de profilage individuel, mais une situation bien identifiée - ce que Byron Sharp nomme “sophisticated mass marketing” et ce que les Category Entry Points formalisent.

Les tests directs confirment l’avantage. Dans un test rapporté par The Marketing Architects, une campagne TV large a battu du digital narrow-targeting sur les métriques business. Dans un autre test direct (contextuel basique vs. listes comportementales achetées), le contextuel a surpassé en ROI. La raison : moins de faux positifs, inventaire non profilé moins cher, et alignement naturel entre le contenu et la situation d’achat.

Pour le CTV, une mécanique plus sophistiquée s’impose : le bitstream lookalike. Dan Cleveland (The Marketing Architects) décrit le principe - l’algorithme apprend quels environnements de contenu CTV convertissent les clients existants, puis achète ces environnements pour le prospecting. Résultat : « this approach definitely has beaten out all of our third-party campaign lines. » C’est du contextuel optimisé par la performance first-party, sans les biais des segments tiers.

Mark Guldimann (CEO, Adelaide) ajoute une dernière couche : scorer les placements par probabilité d’attention mesurée en aval. Dans ses analyses, YouTube, podcasts et CTV premium ressortent comme les « best bargains in media today ». Même le contextuel gagne à être filtré par la densité d’attention du support.

L’alternative au comportemental tiers ne se réduit d’ailleurs pas au seul contextuel. WARC documente le cas Amazon Prime : une précision non achetée à un broker mais générée par une relation directe et consentie. La hiérarchie est nette - achat retail first-party, puis pixel first-party site, puis cookies inter-sites tiers. Construire cette infrastructure - CRM, app, programme de fidélité - est une alternative structurelle à la dépendance du tiers, pas seulement un plan B au cookie. Voir Disponibilité Physique & Digitale.

Limites et distinctions

Deux cas sortent du périmètre de cette critique.

Search est une troisième catégorie : ni comportemental ni contextuel, mais intentionnel explicite. « On Google, the query IS the audience. » Les biais du Search prennent une autre forme - optimisation vers les convertisseurs existants, Google Tax. Voir Google Search Ads.

La donnée first-party - retargeting de ses propres visiteurs (CRM, pixel first-party) - repose sur un signal nettement plus fiable que les listes tierces. La hiérarchie : achat retail first-party > pixel first-party site > cookies inter-sites tiers. La critique des segments tiers ne s’applique pas à la donnée qu’on a construite soi-même.

Divergent delivery : Braun et Schwartz (Journal of Marketing, 2025) montrent que même les A/B tests natifs sont contaminés - Meta sert chaque variante à un mix d’utilisateurs différent, faussant le comparatif. La mesure du ciblage est biaisée même à l’intérieur des régies. Voir Expérimentation Contrôlée .

Si ta scale-up plafonne aujourd’hui

1. Audite la composition réelle de tes audiences comportementales avant de scaler.

Avant d’augmenter le budget ciblage tiers, valide la qualité de l’audience via survey post-ciblage ou breakdowns natifs. Le ROAS reporté peut inclure des conversions sur des individus hors-cible sans que le tableau de bord le signale.

2. Distingue first-party et third-party - ce ne sont pas la même catégorie de risque.

Le retargeting de tes propres visiteurs (CRM, pixel first-party) a un signal fiable. Les listes tierces achetées à des brokers sont celles dont la précision s’effondre à l’audit. Ne jette pas le premier pour les problèmes du second.

3. Utilise la segmentation pour maximiser le reach, pas pour cibler étroit.

Binet et Carter, relayant Ehrenberg : « Use media segmentation data to maximise reach, rather than to target narrow segments. » Les acheteurs de marques concurrentes ont des profils quasi-identiques - voir Mythe de la Segmentation. Cibler affinitaire réduit le reach disponible sans sélectionner un segment réellement distinct.

4. Teste le retargeting produit avant de conclure à sa performance.

Lambert et Tucker montrent que le retargeting dynamique est en moyenne moins efficace que des publicités génériques de marque. Exception : signal d’intention élevé (visite d’un site d’avis spécialisé type TripAdvisor). La curiosité vague n’est pas une préférence étroite. Sans test d’Incrémentalité, les conversions du retargeting sont du crédit redistribué, pas une preuve.

5. Bascule une partie du budget display/vidéo vers le contextuel.

Le contextuel réduit l’exposition aux device graphs, s’aligne avec la logique des Category Entry Points, et prépare l’après-cookie sans rupture opérationnelle. Dans les tests directs, il surpasse le comportemental en ROI - principalement parce qu’il exclut les faux positifs et cible les situations d’achat plutôt que les individus.

6. Ne migre pas vers le first-party après la dépréciation totale du cookie - commence maintenant.

Selon The Marketing Architects, les PME ayant transitionné vers la donnée first-party ont vu ~100 % d’amélioration de leurs métriques d’acquisition, contre ~10 % pour les grandes entreprises encore dépendantes du tiers. La transition n’est pas une urgence réglementaire - c’est un avantage structurel disponible maintenant.

7. Cadre le reach par le marché potentiel, pas par l’in-market du jour.

Selon Peter Field (IPA) : « tomorrow you’re going to have to retarget anyone who’s in the market then and the day after and the day after. » La méthodologie : identifier qui est en mesure d’acheter, construire en couches (cible primaire, light buyers, influenceurs), puis maximiser le reach à l’intérieur de ce périmètre - pas réduire le ciblage aux seuls in-market du moment.

8. Ne décide pas par le CPM total - décide par le CPM effectif.

Selon l’expérience de Dale Harrison, après vingt ans de mesure multi-canal : « Your total CPM might be $4. Your effective CPM might be 10, but if you go to some hypertargeted channel, it might be 50. » Un canal large à CPM bas peut avoir un coût par impression touchant un futur acheteur nettement inférieur à un canal ultra-ciblé.

Pour aller plus loin

• Disponibilité Mentale - Le mécanisme alternatif : être présent dans les situations d’achat plutôt que tracker les individus.
• Category Entry Points - Cibler des situations de consommation de contenu plutôt que des profils comportementaux.
• Mythe de la Segmentation - Pourquoi les segments comportementaux sont moins fiables qu’ils n’y paraissent.
• Attribution - Les biais qui rendent les audiences comportementales “performantes” en dashboard.
• Incrémentalité - Mesurer si le ciblage comportemental crée de la valeur vs audience large.
• La règle 95-5 - Pourquoi les audiences comportementales ciblent principalement les 5 % déjà in-market.
• Meta Ads - Application opérationnelle sur la régie comportementale dominante.
• CTV - Précision comportementale sur le CTV et alternatives bitstream lookalike.
• CPM Cross-Canal - Calcul eCPM par canal et arbitrage reach vs précision.

Sources

• The Marketing Architects, Behavioral Advertising - How Do Consumers Really Benefit? - étude Carnegie Mellon/Virginia Tech, cas HP/MIT B2B, Angela Voss sur l’alternative contextuelle.
• The Marketing Architects, Why Digital Advertising Is Failing Marketers - Bob Hoffman : 4/5 consommateurs opposés à la collecte.
• The Marketing Architects, Nerd Alert: Why Your Hyper-Targeted Ads Might Be a Waste - analyse 19 brokers, 90+ segments, précision à 24,4 %.
• The Marketing Architects, Research Says You’re Targeting the Wrong People - expérience contrôlée Spotify, 790 M adresses.
• The Marketing Architects, The Insane Waste Behind Online Advertising - TrueSet : ~50 % inexactitude démographique ; PME +100 % après migration first-party.
• The Marketing Architects, Nerd Alert: When Does Retargeting Work? - Lambert & Tucker : retargeting dynamique en moyenne moins efficace que brand générique.
• The Marketing Architects, Selling in Marketing Effectiveness - Simon Peel (Adidas) : zéro incrémentalité sur deux ans de retargeting.
• The Marketing Architects, The Danger of Digital Dependence - précision comportementale Meta -50 % après iOS 14.
• The Marketing Architects, What Smart Targeting Looks Like - test TV large vs digital narrow, Dan Cleveland bitstream lookalike CTV.
• The Marketing Architects, Is It Time for a Contextual Targeting Comeback? - test direct : contextuel surpasse comportemental en ROI.
• The Marketing Architects, What Marketers Get Wrong About Targeting - Braun & Schwartz (Journal of Marketing, 2025) : divergent delivery dans les A/B tests natifs.
• The Marketing Architects, Debunking “Attention” - Mark Guldimann (Adelaide) : attention scoring des placements, YouTube/podcasts/CTV premium.
• The Marketing Architects, The Truth About Marketing Effectiveness - Peter Field : cibler qui est en mesure d’acheter aujourd’hui et demain.
• The Marketing Architects, How Brands REALLY Grow - Dale Harrison : CPM total vs CPM effectif sur vingt ans de mesure multi-canal.
• Tom Goodwin (Uncensored CMO), The only industry that’s got worse over the last 20 years - observation praticien sur la qualité réelle du ciblage tiers.
• Sleeping Barber, SBP 165: The Sharp Cut - Right Message, Wrong Everything - Newman & Tucker : targeting no better than random.
• WARC, Lessons from ecosystem brands - Amazon Prime : précision first-party construite par consentement direct, pas achetée.
• Byron Sharp, Marketing: Theory, Evidence, Practice (ch. 12) - Marc Pritchard (P&G) : “we targeted too much, and we went too narrow”.
• Les Binet & Sarah Carter, How not to Plan (ch. 40) - utiliser la segmentation pour maximiser le reach, pas cibler étroit.
• The Marketing Architects, How to Target Your Audience on Mass Marketing Channels - méthodologie : identifier qui est en mesure d’acheter, construire en couches, maximiser le reach à l’intérieur du marché potentiel.

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.