Attribution Plateforme et Mobile (MMP)

Post-ATT, l'attribution mobile déterministe s'est effondrée : ce que rapporte la régie est soit agrégé (SKAdNetwork), soit reconstruit par fingerprinting biaisé vers la sur-attribution - à traiter comme probabiliste, à corriger par l'incrémentalité.

L'aiguille qui dévie toujours

Sur le web, l’attribution reste imparfaite mais tient debout : un clic peut encore se relier, tant bien que mal, à un achat. Sur mobile, cette chaîne a été rompue net par une décision d’un seul acteur. Depuis l’App Tracking Transparency (ATT) d’Apple, au printemps 2021, l’identifiant publicitaire (IDFA) n’est plus accessible sans consentement explicite de l’utilisateur - et la grande majorité refuse. Ce que la régie ou le MMP (Mobile Measurement Partner) rapporte n’est donc plus une observation directe du parcours d’achat, mais une reconstruction.

Deux reconstructions concurrentes se sont installées pour combler ce trou. La première, SKAdNetwork, est le protocole officiel d’Apple : agrégé, appauvri par construction. La seconde, le fingerprinting, tente de reconstituer un lien déterministe par des heuristiques probabilistes sur les caractéristiques de l’appareil. Cette page s’appuie presque exclusivement sur Mobile Dev Memo (Eric Seufert et ses invités praticiens), la référence analyste du secteur sur ce sujet - une vantage unique et robuste sur les faits de volume, mais dont les lectures d’intention côté Apple restent des hypothèses de praticien.

Elle traite des biais structurels des deux approches et de ce qu’ils impliquent pour le pilotage. Elle ne couvre pas la mécanique détaillée du protocole SKAdNetwork ni l’exécution de campagne (budget blended, séquence de canaux), qui vivent ailleurs dans ce playbook.

L’essentiel en 5 points

Depuis l’ATT, le volume d’installs attribuables s’est effondré à environ 6,5 % de son niveau pré-ATT : l’essentiel de la mesure mobile est devenu invisible.
Le fingerprinting comble ce trou par des heuristiques d’appareil sans modèle formel : il trouve presque toujours un match, donc sur-attribue systématiquement des installs organiques aux canaux payants.
SKAdNetwork, le protocole officiel d’Apple, est agrégé et volontairement pauvre (fenêtre courte, seuil de confidentialité) - un choix de conception, pas un bug à corriger.
Les deux comptes ne se déduplient pas : il faut choisir un camp de mesure, pas les cumuler.
L’enjeu dépasse le tracking : la dépréciation des identifiants recentralise la mesure vers les plateformes qui possèdent l’infrastructure - Apple, Google, et désormais les MMPs qu’elles rachètent.

Le fingerprinting, une illusion de continuité

Face à la perte de l’IDFA, une partie de l’écosystème a choisi de faire comme si de rien n’était : reconstruire l’attribution par fingerprinting probabiliste - type d’appareil, batterie, heure, adresse IP. Le terme « probabiliste » est usurpé. Selon Mauer Sadra, invité de Mobile Dev Memo, il s’agit le plus souvent d’une séquence d’instructions conditionnelles sur des signaux d’appareil, sans modèle formel ni intervalle de confiance - et personne ne connaît le taux de correspondance réel, faute de transparence des fournisseurs.

Le défaut est structurel, pas accidentel : un fingerprinting mal incité trouvera presque toujours un match, y compris quand il n’y en a pas. Conséquence documentée par le même épisode : le taux d’installs organiques s’effondre d’une baseline normale (10-15 %) vers zéro à mesure que la dépense payante monte - non pas au bénéfice réel des réseaux, mais parce qu’ils captent le crédit d’installs qui auraient eu lieu de toute façon.

Pire, le fingerprinting masque la perte de données réelle : tant qu’un MMP l’active en fallback, ses totaux d’attribution ne s’effondrent pas visiblement - l’annonceur qui joue la conformité SKAN-only absorbe une perte que son concurrent dissimule. Et Apple, plus de six mois après avoir annoncé l’interdiction de la pratique, ne l’a jamais réellement fait appliquer. D’où un dilemme binaire : SKAN et fingerprinting ne se dédupliquent pas entre eux, il faut choisir son camp.

SKAdNetwork, une pauvreté délibérée

Choisir « le camp propre » ne rend pas SKAN confortable pour autant. Le protocole livre une conversion value agrégée, en dernier point de contact, sur une fenêtre courte - et cette pauvreté est un choix, pas un accident. Selon Paul Bowen (AlgoLift), invité de Mobile Dev Memo, la fenêtre de 24 heures est à peine suffisante pour prédire la valeur vie d’un abonné, au point de pousser certaines équipes produit à concentrer la monétisation le jour de l’installation - la mesure qui finit par déformer le produit.

À cette pauvreté s’ajoute une asymétrie de visibilité : le seuil de confidentialité de SKAN masque disproportionnellement les petits éditeurs et la longue traîne, invisible tant que la dépense n’est pas concentrée. Et selon Rich Jones (Dataseat), le proxy IP d’Apple efface aussi le ciblage géographique, forçant à l’encoder dans les identifiants de campagne ou à optimiser à l’aveugle.

Surtout, les règles bougent sans préavis : le filtrage du seuil s’opère côté serveur, à l’installation - Apple peut le recalibrer de façon centralisée sans mise à jour d’OS. Une hausse soudaine de 4 à 5 fois de la prévalence des conversion values a ainsi été observée sur un simple week-end de mai 2021, sans lien avec l’adoption d’iOS. Ne jamais coder en dur ses hypothèses de seuil : la forme des post-backs est elle-même un signal à surveiller.

Un déplacement de pouvoir, pas un problème de tracking

Réduire l’ATT à un problème de tracking, c’est manquer le mouvement de fond. La dépréciation des identifiants recentralise la mesure vers ceux qui possèdent la plateforme. Selon Paul Bannister, invité de Mobile Dev Memo, elle pousse aussi les développeurs vers l’achat intégré à l’application - où Apple prélève sa commission : la confidentialité sert également une stratégie de revenus. Les architectures privacy-preserving (SKAN, Privacy Sandbox) déportent le calcul sur l’appareil ou le navigateur que seuls Apple et Google possèdent - un avantage first-party structurel, non réplicable sans posséder l’infrastructure.

Cet avantage se rejoue au niveau des MMPs eux-mêmes : le rachat d’Adjust par AppLovin fusionne édition de jeux, plateforme d’achat média et attribution dans un même stack, où tous les signaux post-installation restent internes à l’acquéreur. L’indépendant qui bâtit son architecture de mesure sur la tolérance actuelle d’un MMP à gérer les conversion values parie sur un droit révocable.

Une exception structurelle mérite d’être connue : l’API Apple Search Ads conserve, elle, une attribution au niveau de l’appareil sur plusieurs semaines - là où SKAN plafonne à 24-28 jours. C’est la seule mesure de valeur vie longue qui survit sur iOS post-ATT, à prioriser quand la fenêtre de conversion pèse sur le calcul du ROAS.

Si ta scale-up plafonne aujourd’hui

Le pont est un dispositif de mesure, pas un réglage de régie :

1. Débrancher les métriques de vanité. Cesse de reporter le taux d’opt-in ATT : il ne dit rien d’utile, plafonné par le consentement côté éditeur. Suis plutôt le taux d’attribution réussi - le ratio entre le volume d’attribution d’avant l’ATT et celui d’aujourd’hui - comme mesure de la donnée réellement exploitable.

2. Auditer ton MMP avant de lire ses chiffres. Si le fingerprinting est activé en fallback, tes totaux masquent la vraie perte et sur-attribuent l’organique. Réconcilie avec un baseline SKAN-only avant de juger un canal.

3. Choisir une source de vérité unique. SKAN, agrégé et conservateur, plutôt que d’empiler deux comptes qui ne se déduplient pas.

4. Traiter la cause, pas le crédit. La seule réponse au régime probabiliste est le test d’incrémentalité, doublé de segmentation first-party et de ciblage contextuel - pas un meilleur matching.

5. Ne jamais coder en dur tes hypothèses de seuil privacy. Surveille la forme des post-backs comme signal de recalibration.

L’exécution de campagne (budget blended, LTV cohorte, séquence de canaux) se règle ailleurs dans ce playbook ; cette page couvre la mesure elle-même.

Pour aller plus loin

Attribution - le pendant web : crédit ne veut pas dire cause, et les mêmes biais s’y jouent sans la contrainte technique de l’ATT.
Incrémentalité - mesurer la contribution réelle plutôt que le crédit au passage, la seule réponse robuste au régime probabiliste.
Stack de Mesure - trianguler par horizon de décision plutôt que chercher le modèle parfait, côté web comme côté app.

Sources

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.