Aller au contenu

Phase d'Apprentissage Plateforme

La phase d'apprentissage n'est pas un délai que la régie accorde puis retire : c'est le régime d'accumulation d'événements par lequel l'algorithme apprend à prédire, et il se dimensionne par le volume et la qualité du signal.

Basecamp · relevé de terrain

Chapitre 2
Pilotage
Relevé le
Lecture
8 min
Coupe gravée d'un silo à grain : un entonnoir alimente un unique doseur gradué, le reste se divise en trois filets fins - gra
Ce que la machine peut mesurer

La phase d’apprentissage n’est pas un délai que la régie accorde puis retire. C’est le régime d’accumulation d’événements par lequel l’algorithme apprend à prédire, et il se dimensionne par le volume et la qualité du signal, pas par le calendrier.

L’unité de compte n’est donc ni la semaine écoulée ni le nombre de jours depuis le lancement, mais l’événement optimisé par conteneur. Un statut affiché ne prouve rien : sortir de la phase n’est pas la condition du résultat.

Le corpus est praticien : des media buyers documentent leurs comptes en temps réel, Andrew Faris sur Meta, The Google Pro et Jon Loomer des deux côtés, le podcast Limited Supply. Ce sont des observations de comptes réels, pas des études contrôlées ; leur convergence est nette sur le mécanisme, plus floue sur les seuils.

La page traite du dimensionnement de l’apprentissage : volume par conteneur, événement optimisé, prix d’entrée et jugement des résultats. Le paramétrage écran par écran reste dans les pages canal.

L’essentiel en 4 points

  • Le statut d’apprentissage n’est pas le résultat : ce qui compte est le nombre d’événements optimisés par conteneur.
  • Le seuil dépend de ce qu’on demande d’apprendre : environ une conversion par jour, davantage sur la valeur, cinq à sept sur Performance Max (PMax).
  • L’économie unitaire fixe la vitesse avant le budget : à dépense égale, un panier moyen bas produit plus d’achats par ad set.
  • Quand le volume manque, on densifie le signal ou on consolide les conteneurs ; on ne multiplie pas les tests.

Un échantillonnage, pas un compte à rebours

Sur Meta, la décision de dépense ne se prend pas au terme d’une période d’observation. L’algorithme prévoit les conversions à partir de quelques centaines ou milliers d’impressions, puis concentre le budget sur ce qu’il juge gagnant.

“it can forecast out from what happens at the level of a few hundred a few thousand Impressions”

Andrew Faris

Conséquence : la plupart des annonces reçoivent quelques dollars avant d’être coupées, et le budget de validation par créa tend vers zéro. Ce n’est pas un défaut de livraison, c’est l’arbitrage entre exploration et exploitation.

La vitesse dépend ensuite du canal. Un canal d’audience juge une créa sur l’engagement qu’elle suscite ; un canal d’intention juge une correspondance entre une requête et une offre, et doit accumuler du trafic par mot-clé avant de trancher. Transposer au Search le protocole de test créatif de Meta cherche le signal au mauvais endroit.

Ce que la recherche établit

Sur Google, le repère classique est de 30 conversions en 30 jours, soit environ une par jour, présenté comme « the bare minimum amount of data needed for Google Ads to determine who is the right kind of user ».

Le seuil dépend de ce qu’on demande à l’algorithme d’apprendre. Une conversion binaire se contente d’environ une conversion par jour ; une enchère sur la valeur en réclame plutôt trois ; PMax, qui combine formats et ciblages, plutôt cinq à sept.

“five six seven conversions a day minimum for it to really get data to start learning”

The Google Pro

L’économie unitaire pèse avant même le budget. À dépense égale, une marque à bas panier moyen génère plus d’achats par ad set, donc plus d’occasions d’apprendre. Le haut panier moyen paie deux fois : en coût par acquisition et en lenteur d’apprentissage.

Quand le volume manque, deux gestes densifient le signal sans changer le budget. Optimiser vers une micro-conversion proche de l’achat, comme le début de checkout, multiplie les événements exploitables. La solution structurelle est la consolidation : multiplier campagnes, ad sets et tests isolés dilue un budget déjà insuffisant et produit des résultats non significatifs.

Tension ouverte. Le repère de 50 événements optimisés par semaine et par ad set sert de seuil de santé, avec la consolidation pour l’atteindre. Une autre observation de praticien le déclare obsolète et voit l’algorithme apprendre bien en dessous de ce volume. Et sortir de la phase n’est pas la condition du résultat : « you can get good results without exiting learning ». Le chiffre est un repère de dimensionnement, pas une frontière.

L’apprentissage a un prix d’entrée

Sur Google, un praticien pose un plancher explicite : mille dollars par mois pendant quelques mois, avec un retour possiblement nul.

“spend about a thousand bucks a month on ads for at least a few months and potentially see no return on that investment”

The Google Pro

Ce n’est pas un budget de test, c’est un ticket d’entrée. Beaucoup de clients ne peuvent pas financer la phase d’apprentissage, et Google ne publie pas de seuils clairs : le désavantage des petits comptes est structurel, pas opérationnel.

Le même ticket existe sur Meta, sous forme de rodage du pixel. Une marque lancée tout en paid brûle de l’ordre de 30 000 à 35 000 dollars avant que le pixel commence à apprendre, tandis que le trafic organique initial l’entraîne sans dépense média. La phase se lit comme un investissement d’amorçage, pas comme un délai d’attente.

Sortir de la phase n’est pas le but

Après une restructuration Shopping, une stratégie au tROAS fait d’abord chuter le ROAS avant de converger au-delà des cibles, le temps que les données de conversion s’accumulent. Le jugement précoce condamne une campagne qui n’a pas fini d’apprendre.

Sur Google, il n’existe pas de phase bornée comparable à celle de Meta : l’algorithme apprend en continu, parce que les dynamiques d’enchère et les comportements changent en permanence. La crainte de relancer l’apprentissage en augmentant le budget est mal calibrée : aucun montant ni pourcentage établi ne déclenche un redémarrage.

“there isn’t an established threshold dollar amount or percentage increase that will restart learning”

Jon Loomer

Ce qui baisse après une hausse, c’est souvent la qualité de l’audience atteinte, pas la solidité du modèle. La prudence de montée reste justifiée par la recherche du point de rendement marginal, pas par la peur du statut. Un ajustement de forte amplitude peut pourtant faire réentrer une campagne en apprentissage : les deux observations se concilient si l’on distingue l’ampleur du changement du pourcentage universel.

Si ta scale-up plafonne aujourd’hui

Dimensionne tes conteneurs par le volume d’événements atteignable, pas par l’organigramme souhaité : moins d’ad sets, un événement d’optimisation qui passe le seuil, une micro-conversion quand le volume primaire manque. La mécanique de consolidation est dans Structure de Compte Meta ; le choix de l’événement et de la valeur, dans Signal Engineering.

Inscris le ticket d’entrée, quelques mois de dépense sans retour, dans le budget de lancement. Fixe la date de première revue après une fenêtre de conversion complète, pas au troisième jour. Le paramétrage des cibles vit dans Smart Bidding Google Ads, le régime d’audience dans Ciblage Large Meta, le format le plus exigeant en volume dans Performance Max (PMax).

Pendant un pic promotionnel, ne refonds ni la structure ni le tracking : la fenêtre de pic est traitée dans Gestion des Pics Promotionnels DTC.

Pour aller plus loin


Sources


ℹ️ À propos de cette page

Direction éditoriale : Romain Nicault.

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.