Algorithmes publicitaires Meta et Google : guide expert

Réunion de calage sur une campagne de promotion d’un festival à Douala. Le client s’agace : « Vos publicités Meta coûtent trop cher, coupez-moi ces ad sets tout de suite. » Vous savez, vous, que l’advertising algorithm optimization exige de la patience. Mais comment expliquer à un directeur marketing pressé que fermer une campagne au troisième jour, c’est saborder la learning phase et jeter le budget déjà investi ? Ce malentendu se répète dans toutes les agences événementielles d’Afrique subsaharienne. Les algorithmes de Meta et Google ne sont pas des boîtes noires magiques : ce sont des systèmes probabilistes régis par des règles précises. Les media buyers qui les comprennent techniquement obtiennent des CPA jusqu’à deux fois inférieurs à ceux qui pilotent à l’instinct. Décortiquons cette mécanique.

La learning phase : pourquoi vos 72 premières heures conditionnent tout

Quand vous lancez une campagne, l’algorithme ne « sait » rien. Il explore. Meta l’annonce clairement dans sa documentation : un ad set doit accumuler environ 50 événements d’optimisation en 7 jours glissants pour stabiliser ses performances. Tant que ce seuil n’est pas atteint, le système reste en learning phase, avec des coûts par résultat volatils et non représentatifs. Selon le HubSpot State of Marketing, 61 % des marketeurs citent la génération de trafic et de leads qualifiés comme leur défi n°1 — or c’est précisément la learning phase qui détermine la qualité de ce ciblage.

Ce que fait réellement l’algorithme pendant cette phase

Durant l’apprentissage, le système teste des micro-segments d’audience, des placements, des créneaux horaires et des combinaisons créatives. Il cherche les profils les plus susceptibles de convertir au coût le plus bas. Chaque conversion enregistrée affine son modèle prédictif :

• Moins de 50 conversions/semaine : l’ad set reste « en apprentissage limité » (learning limited), un signal d’alerte.
• Modifications fréquentes (budget, ciblage, créa) : chaque édition significative réinitialise la learning phase.
• Trop d’ad sets pour un même budget : vous fragmentez les signaux et aucun ne sort de l’apprentissage.

Cas concret : une campagne mal calibrée au Cameroun

Une agence événementielle basée à Yaoundé lançait la billetterie d’un concert avec 8 ad sets distincts sur un budget quotidien de 200 000 FCFA. Résultat : aucun ad set n’atteignait le seuil de 50 conversions, tous restaient en learning limited. En consolidant en 2 ad sets et en passant l’optimisation sur « achat » plutôt que « clic », le CPA a chuté de 40 % en dix jours. La leçon : concentrer les signaux plutôt que les disperser.

Photo : Lukas Blazek / Pexels

Signaux d’optimisation : la matière première de l’algorithme

Un algorithme publicitaire ne vaut que par la qualité des données qu’on lui donne. Meta et Google fonctionnent sur des signaux : événements de conversion, valeur d’achat, données du pixel, intégration API. Plus ces signaux sont propres, denses et bien remontés, plus l’optimisation est fine. Le Nielsen Consumer & Media View montre que la précision du ciblage digital en Afrique reste bridée par la faible remontée de données transactionnelles — un handicap technique que le media buyer averti compense par une configuration serveur-side.

Les signaux que vous devez absolument fiabiliser

• Événements de conversion : achat de billet, inscription, demande d’information — priorisés selon leur valeur business réelle.
• Conversions API (CAPI côté serveur) : indispensable depuis les restrictions iOS 14.5, elles restaurent jusqu’à 20-30 % de conversions autrement perdues.
• Signaux de valeur : transmettre le montant du panier permet à Meta d’optimiser sur la valeur, pas juste sur le volume.
• Fenêtres d’attribution : 7 jours clic / 1 jour vue reste le standard le plus fiable pour l’événementiel.

Google : l’enjeu spécifique de Performance Max

Sur Google, l’arrivée de Performance Max a poussé encore plus loin la logique de « signaux plutôt que réglages ». L’algorithme arbitre en temps réel entre Search, Display, YouTube et Gmail. Il exige des audiences-signaux (audience signals) et des assets de qualité. Pour une campagne de promotion événementielle, alimenter l’algorithme avec des listes de clients existants et des données first-party améliore mécaniquement la pertinence. Le Deloitte CMO Survey confirme que l’exploitation des données propriétaires est devenue le principal levier de différenciation marketing.

Photo : Atlantic Ambience / Pexels

Contraintes et « trust the algorithm » : quand lâcher le contrôle

Le réflexe du media buyer expérimenté est de tout micro-piloter. Or les algorithmes actuels punissent la sur-intervention. « Trust the algorithm » n’est pas un slogan paresseux : c’est une contrainte technique. Chaque modification majeure relance la learning phase et efface l’apprentissage accumulé. Selon Kantar BrandZ Africa, les marques africaines qui investissent durablement dans le digital construisent un capital de données que les ajustements erratiques dilapident.

Les contraintes structurelles à intégrer

• Volume minimal : sans un budget permettant d’atteindre 50 conversions/semaine, aucun algorithme ne performe. Mieux vaut moins d’ad sets mieux financés.
• Stabilité : laisser tourner au moins 5 à 7 jours avant tout jugement. Couper au jour 2 est une erreur statistique.
• Diversité créative : Meta favorise 3 à 5 créatives par ad set pour tester, mais pas 20 qui diluent les impressions.
• Fraîcheur : la fatigue publicitaire (ad fatigue) impose de renouveler les créas toutes les 2 à 3 semaines en audience chaude.

Cas concret : MTN et la discipline algorithmique

Lors d’activations digitales autour de sponsorings événementiels, les équipes marketing de grands opérateurs comme MTN ont intégré une règle simple : ne pas toucher aux campagnes performantes pendant leur phase de stabilisation, sauf changement de budget progressif (jamais plus de 20 % par jour pour ne pas relancer l’apprentissage). Cette discipline, adoptée par plusieurs annonceurs paneuropéens et africains, a permis de réduire la volatilité des CPA sur les campagnes de notoriété d’événements. Le principe : intervenir sur la stratégie et les signaux, pas sur les micro-réglages que l’algorithme optimise déjà mieux que vous.

Quand reprendre la main malgré tout

Faire confiance ne signifie pas abdiquer. Reprenez le contrôle quand : la learning phase échoue durablement (learning limited persistant), quand les signaux remontent mal (vérifiez le pixel et la CAPI), quand la créative sature, ou quand la structure de campagne fragmente le budget. Le media buyer expert n’est plus un pilote de manette : c’est un architecte de signaux et un gardien de la stabilité.

Sources

• HubSpot — State of Marketing Report
• Nielsen — Consumer & Media View Insights
• Deloitte — CMO Survey
• Kantar — BrandZ