Publié le 27 septembre 2026 à 10:00 · Publication originale
Pendant des années, le ciblage a poursuivi une question logique: qui a la plus forte probabilité d'acheter?
Mais une personne peut avoir 90% de chances d'acheter après exposition et constituer une cible presque inutile si sa probabilité sans publicité était déjà de 89%.
L'"uplift modeling" cherche cet écart. Il ne prédit pas seulement un comportement; il estime comment une intervention pourrait le modifier.
En 2025, Paulo Pinheiro et Luís Cavique segmentent les clients puis comparent, dans chaque groupe, les réponses des populations exposées et témoins.
Certains achèteront avec ou sans campagne. D'autres n'achèteront dans aucun cas. Les "persuadables" changent grâce à l'intervention.
Et il existe les "sleeping dogs": ceux chez qui intervenir peut dégrader le résultat.
La difficulté est fondamentale. Pour une même personne, impossible d'observer le monde où elle reçoit la publicité et celui où elle ne la reçoit pas. L'effet causal doit être reconstruit statistiquement.
En 2025, Björn Bokelmann et Stefan Lessmann montrent que l'échantillonnage lui-même peut améliorer l'entraînement et l'évaluation de ces modèles.
Le marketing prédictif cherchait les acheteurs. Le marketing causal cherche les comportements déplaçables.
ULTRA®
L'IA ajoute une autre limite: la persuasion peut diminuer lorsque la personnalisation devient trop visible.
Dans le "Journal of Retailing and Consumer Services", 46 entretiens puis une expérience randomisée auprès de 409 consommateurs montrent qu'une recommandation IA personnalisée augmente les achats face à un message humoristique, mais accroît aussi l'impression d'aide et le sentiment d'intrusion.
Une prépublication de septembre 2026 auprès de 100 participants retrouve cette tension dans l'image publicitaire générée par IA. La personnalisation modérée est la mieux évaluée; à forte intensité, la sensation que l'image est faite "pour moi" augmente, mais le "creepiness" finit par dominer.
Google déplace déjà la publicité vers cette zone avec ses Conversational Discovery ads, Highlighted Answers et Shopping ads construits avec Gemini.
L'optimisation ne porte donc plus seulement sur l'audience et la création. Elle doit estimer quand intervenir et à partir de quel niveau de précision la personnalisation commence à se retourner.
La publicité algorithmique découvre une limite cognitive: connaître suffisamment quelqu'un pour devenir pertinente sans lui rappeler brutalement qu'il est observé.
GIUDITTA
Le pouvoir le plus précis ne choisit plus seulement qui convaincre. Il apprend aussi qui laisser tranquille.
Sources
Pinheiro & Cavique, Decision Analytics Journal, 2025
Bokelmann & Lessmann, European Journal of Operational Research, 2025
Zobair et al., Journal of Retailing and Consumer Services, 2026
Kolominsky-Rabas et al., 2026
Google Marketing Live, 2026
#VOCEASSOCIATION #IntelligenceArtificielle #UpliftModeling