La publicité facebook automatisation – le sujet qui divise encore les annonceurs entre ceux qui font confiance à la machine et ceux qui s’accrochent à leurs paramètres manuels comme à une bouée de sauvetage. Joseph Doghniot, consultant spécialisé Facebook Ads chez Neo-Media, en a fait le fil conducteur de toute une série d’épisodes de son podcast No Pay No Play. Et franchement, ce qu’il dit devrait en déranger plus d’un.
Dans cette deuxième partie consacrée au machine learning appliqué aux Facebook Ads, Doghniot attaque trois sujets précis : les placements, la simplification de structure de compte, et les publicités dynamiques. Trois leviers qui forment avec les trois premiers – signaux, audiences, CBO – ce que Facebook appelle le Power Five. Un cadre que la régie met en avant depuis mi-2019 et qui a fondamentalement changé la façon de piloter les campagnes.
Ce qui m’intéresse ici, c’est pas de te résumer l’épisode. C’est de pointer ce qui est vraiment contre-intuitif dans tout ça. Parce que la plupart des annonceurs vont dans le sens inverse de ce que recommande l’algorithme – et ils le font de bonne foi.
De 1 placement à 17 : pourquoi la publicité facebook automatisation des placements change tout
En 2010, Facebook comptait 600 millions d’utilisateurs mensuels. Un seul format publicitaire existait : la bannière en colonne de droite. Simple, basique, presque touchant avec le recul.
En 2020, l’écosystème Facebook – Facebook, Instagram, Messenger, WhatsApp, Audience Network – propose 17 emplacements différents aux annonceurs. Et la question n’est plus ‘sur quel placement je diffuse’ mais ‘est-ce que je laisse l’algorithme décider ou pas’.
Doghniot est clair là-dessus :
Si vous limitez le système de diffusion en supprimant manuellement certains placements, en fait vous vous privez peut-être de bonnes opportunités de clics, de conversion, de vues de vidéos et cetera.
Dit comme ça, ça a l’air simple. Mais derrière, c’est toute une logique de contrôle qu’il faut abandonner.
Il cite une étude menée par Facebook en 2017 – pas récente, mais les chiffres sont frappants. Utiliser les placements automatiques plutôt que le seul fil d’actualité Facebook permettrait de multiplier les conversions par 3,45 et de baisser le coût par conversion de 71 %. Onze campagnes dans l’étude, donc pas un échantillon représentatif, il le reconnaît lui-même. Mais 71 % de baisse, même sur un petit échantillon, ça mérite qu’on s’y arrête.
Et il y a un chiffre que j’ai trouvé particulièrement utile, sorti d’un événement interne Facebook appelé ‘Liquidity and Beyond’ en novembre 2019 (ce genre d’événement où les consultants ont accès à des équipes produit plutôt qu’à des commerciaux – ce qui est rare dans le secteur) : pour qu’un algorithme soit ‘liquide’, c’est-à-dire pour qu’il ait la flexibilité dont il a besoin, il faut au minimum 4 placements actifs dans un ensemble. Pas 2. Pas 3. Quatre.
L’exception, c’est le branding. Si tu ne veux pas que ta marque apparaisse dans des contenus de piètre qualité, tu peux limiter aux placements ‘propres’ : fils d’actualité Facebook et Instagram, stories, Marketplace et Messenger. Dans ce cas, exit les vidéos instream, les Instant Articles et l’Audience Network. Mais pour des campagnes de performance pure – coût par achat, coût par lead – la position de Doghniot est tranchée : placements automatiques d’abord, ajustements manuels ensuite si les données le justifient.
Et le cas de l’Audience Network illustre bien le piège dans lequel on tombe facilement. Les clics y sont très peu chers, donc l’algorithme peut sur-allouer le budget sur ce placement. Mais derrière, les conversions ne suivent pas. Tu le vois dans Google Analytics. Du coup, la tentation est de couper l’Audience Network. Sauf que selon Doghniot, il vaut mieux évaluer les résultats au niveau global de la campagne, pas placement par placement. Un placement qui parait cher localement peut en réalité livrer les conversions les plus rentables du compte – parce que les opportunités restantes sur les autres placements coûtent encore plus cher. Le schéma qu’il a mis sur son blog est plus parlant que mes mots.
Pour la première partie sur les signaux, audiences et CBO, c’est dans l’épisode précédent.
La phase d’apprentissage : le moment où presque tout le monde sabote ses campagnes
Avant même de parler de simplification, Doghniot prend le temps d’expliquer un concept que beaucoup d’annonceurs connaissent de nom mais comprennent mal dans ses implications pratiques : la phase d’apprentissage.
Quand tu lances un nouvel ensemble de publicités, Facebook n’a aucune donnée pour savoir où se trouvent les meilleures opportunités. L’algorithme tâtonne. Les performances sont instables. Le coût par action peut être élevé – parfois très élevé. C’est normal. C’est voulu.
Notre rôle en tant qu’annonceur, c’est de faire en sorte qu’elle dure le moins longtemps possible parce qu’une fois que l’algorithme aura compris où se trouvent les meilleures opportunités de conversion pour votre ensemble, les performances vont normalement s’améliorer et seront plus stables donc plus prévisibles.
C’est exactement le problème – et c’est là que la majorité des annonceurs se plantent.
La phase d’apprentissage se termine après 50 conversions générées en 7 jours. Cinquante. En une semaine. Si tu n’y arrives pas, l’ensemble passe en statut ‘apprentissage limité’ – ce qui est la façon polie de Facebook de te dire que l’algo n’a pas assez de données pour faire quoi que ce soit d’utile avec ton budget.
La règle de calcul que Doghniot propose est brutale de simplicité. Si tu penses qu’un abonné newsletter te coûte 1 euro, mets 50 euros par semaine sur chaque ensemble. Trois ensembles actifs, c’est 150 euros en une semaine juste pour sortir de la phase d’apprentissage sur chaque ensemble. Et surtout – et c’est là que ça coince vraiment – ne touche à rien pendant cette phase. Pas de modification de budget. Pas de changement de ciblage. Rien. Parce que certaines modifications réinitialisent complètement la phase d’apprentissage, comme si tu avais tout relancé à zéro.
Ce qu’il faut retenir – enfin, ce que j’aurais voulu qu’on me dise quand je suivais des comptes Facebook – c’est que l’impatience est le principal ennemi de la publicité facebook automatisation. L’algorithme a besoin de temps et de volume. Les deux.
Simplification de compte : le contre-intuitif qui fait mal à l’égo
Voilà la partie qui fâche. Ou en tout cas, qui fâchait.
Pendant des années, la ‘bonne pratique’ était de créer plein de petits ensembles segmentés, de laisser tourner, d’identifier ceux qui marchaient et de couper les autres. Une logique de A/B test permanente, granulaire, maîtrisée. Doghniot le reconnaît sans détour : c’est ce qu’il faisait. C’est ce qu’il enseignait. C’est ce qu’il conseillait à ses clients.
La logique, c’est plus vous créez de publicités et d’ensembles de publicité, moins le système de diffusion est en mesure de récolter des informations sur chaque publicité et chaque ensemble de publicité. En combinant les ensembles de publicités similaires, vous combinez également les apprentissages.
Voilà.
Le raisonnement est arithmétique. 100 euros de budget quotidien répartis sur 5 ensembles, c’est 20 euros par ensemble. 20 euros par ensemble sur une campagne à 1 euro par conversion, ça fait 20 conversions par ensemble par jour. Jamais assez pour sortir de la phase d’apprentissage proprement. Tu multiplies les ensembles, tu dilues les données, l’algo ne peut pas apprendre correctement sur aucun d’eux.
La recommandation d’un account manager Facebook cité dans l’épisode est précise : maximum 5 ensembles actifs par campagne, 4 à 6 publicités actives par ensemble. C’est tout. Une structure qui paraît paresseuse comparée aux architectures de compte à 20 ensembles que beaucoup d’agences construisaient encore il y a trois ans.
Les quatre erreurs qui freinent l’apprentissage, résumées sans fioriture : ciblage trop petit, placements trop segmentés dans trop d’ensembles, budget trop faible par ensemble, pas assez d’événements de conversion. Quatre variables. Aucune n’est sophistiquée. Toutes sont liées à l’idée qu’on veut trop contrôler, trop segmenter, trop piloter manuellement.
Ce qui m’agace dans cette tendance à la sur-complexification, c’est qu’elle donnait une illusion de compétence. Plus tu avais de campagnes, d’ensembles, de ciblages différents dans ton compte, plus tu avais l’air de savoir ce que tu faisais. En réalité, tu noyais l’algorithme sous des contraintes qu’il ne pouvait pas gérer avec les budgets disponibles. Et tu payais le coût de cette complexité en performances dégradées.
Sur le fonctionnement du système d’enchères Facebook, qui explique pourquoi le volume de données est aussi critique, il y a un épisode dédié qui donne les bases.
La structure que Doghniot utilise aujourd’hui pour la majorité de ses campagnes tient en trois ensembles : un ensemble centres d’intérêt consolidés (tous dans le même ensemble, pas fragmentés), un ensemble lookalike (une ou plusieurs sources combinées), et un ensemble à ciblage large – sans intérêts, sans lookalike, juste des critères géographiques et démographiques. Les deux premiers ensembles exclus du troisième pour éviter les chevauchements. Sobre. Efficace.
Mais est-ce que ça marche pour tous les comptes, tous les budgets, toutes les thématiques ? Là, honnêtement, il faudrait des données comparatives que l’épisode ne fournit pas.
Les publicités dynamiques : la publicité facebook automatisation poussée à l’extrême
Sixième et dernier levier du Power Five : les publicités dynamiques. Et là, on entre dans quelque chose qui dépasse la simple configuration de campagne.
Le principe : synchroniser ton catalogue produit entre ta plateforme e-commerce et ton Business Manager Facebook. À partir de là, tu ne crées plus de publicités. Tu crées des templates – des coquilles quasi vides que l’algorithme va remplir en temps réel, en fonction de la personne qui voit l’annonce, de ses comportements passés, de ses centres d’intérêt. Le bon produit, à la bonne personne, au bon moment. La promesse du marketing personnalisé à l’échelle.
Pendant longtemps, les publicités dynamiques étaient exclusivement utilisées pour le retargeting : recibler les visiteurs de pages produits, les abandonnistes de panier, les intentionnistes qui n’avaient pas converti. (Et c’est déjà très puissant – les stratégies d’audiences personnalisées pour le retargeting méritent un article entier à elles seules.)
Mais la transcription s’interrompt précisément au moment où Doghniot allait aborder l’évolution de ce format vers de la prospection. Ce qui est dommage – parce que c’est là que les publicités dynamiques deviennent vraiment intéressantes pour les comptes qui ont un catalogue large.
Ce qui est clair en revanche : si tu as un e-commerce avec des centaines ou des milliers de références, créer manuellement une publicité par produit est soit impossible, soit un travail à plein temps. Les publicités dynamiques résolvent ça structurellement. Tu configures une fois, l’algo fait le reste.
La limite – et Doghniot ne la mentionne pas explicitement mais elle est réelle – c’est que tu perds le contrôle créatif. Le message, le visuel, le ton : c’est l’algorithme qui assemble. Ce qui peut poser des problèmes de cohérence de marque sur des secteurs sensibles ou des positionnements premium. La question de la diversité créative et de son impact sur les performances est exactement là : quand l’algo assemble les pièces, est-ce qu’il comprend ce que la marque veut dire ?
Ce que les chiffres de Facebook en 2019 disent vraiment sur la publicité facebook automatisation
L’épisode s’ouvre sur les résultats financiers de Facebook pour 2019 – et c’est plus éclairant qu’il n’y paraît sur le contexte dans lequel s’inscrit toute cette logique d’automatisation.
71 milliards de dollars de chiffre d’affaires sur l’année. Hausse de 27 % par rapport à 2018. 2,5 milliards d’utilisateurs mensuels sur Facebook seul. 2,89 milliards sur l’écosystème complet. 45 000 employés, soit 26 % de plus que l’année précédente.
Et pourtant – l’action a perdu 7 % à l’annonce de ces résultats.
Parce que 25 % de croissance trimestrielle, c’était la croissance trimestrielle la plus faible de l’histoire de Facebook. Les investisseurs estimaient que faire 25 % de mieux qu’un an avant, c’était insuffisant. (Et dire ça à voix haute en 2024 donne un léger vertige.)
Mon objectif pour cette nouvelle décennie n’est pas d’être aimé mais d’être compris parce que pour avoir la confiance des gens, ils doivent savoir ce en quoi je crois.
C’est Zuckerberg, lors du call avec les analystes. Ce qui est rare dans le secteur – un CEO qui utilise le mot ‘confiance’ à destination de Wall Street plutôt qu’à destination des utilisateurs. Interprète ça comme tu veux.
Ce que ces chiffres me disent sur la publicité facebook automatisation, c’est que Facebook investissait massivement dans ses algorithmes et ses systèmes automatisés précisément parce que la croissance en volume commençait à plafonner. Quand tu ne peux plus croître indéfiniment en nombre d’utilisateurs, tu croîs en valeur extraite par utilisateur. Et l’automatisation – placements automatiques, CBO, publicités dynamiques – c’est exactement ça : extraire plus de valeur du même inventaire en le distribuant mieux.
L’autre info notable de l’actu de cet épisode : la publicité dans WhatsApp, prévue pour 2020 dans les statuts (l’équivalent des stories), a été gelée. Facebook a préféré se concentrer sur des solutions de paiement pour les entreprises dans WhatsApp. Rétrospectivement, cette décision a des implications encore visibles aujourd’hui sur la façon dont Meta monétise ses différentes surfaces.
Pour aller plus loin sur les erreurs structurelles qui plombent les comptes Facebook Ads – et qui vont souvent à l’encontre de tout ce que Doghniot décrit ici – 100 audits Meta plus tard donnent une vision très concrète de ce qui coince dans la majorité des comptes.
Et pour creuser spécifiquement les audiences similaires Facebook – leur construction, leurs sources, leurs seuils – c’est un sujet qui mérite d’être traité séparément, d’autant que Doghniot lui-même répond dans l’épisode à une question d’auditeur sur le seuil minimum de 1 000 événements pour générer une lookalike pertinente.
Ce qui me reste de cet épisode, c’est une question qui n’est pas posée explicitement mais qui traverse tout : jusqu’où on délègue à l’algorithme ? La publicité facebook automatisation, c’est pas juste un ensemble de fonctionnalités à activer. C’est un changement de posture. Arrêter de se croire plus malin que 45 000 ingénieurs qui travaillent sur ces systèmes à temps plein. Mais garder les yeux ouverts sur ce que la machine ne comprend pas – la marque, le contexte, l’intention éditoriale. Ce qu’aucun algorithme ne lira jamais dans une transcription de podcast.
