Ce message orange qui vous hante : Faut-il vraiment sortir de l’apprentissage limité sur Facebook Ads ?
Bonjour, ici Danilo. Si vous gérez des campagnes sur Facebook Ads, vous connaissez sans doute cette petite notification, ce petit avertissement orange qui s’affiche à côté de vos campagnes : ‘Apprentissage limité’. Pour de nombreux annonceurs, c’est une source de frustration, une sorte de signal d’échec envoyé par la plateforme. On se sent bloqué, comme si nos campagnes tournaient à bas régime, incapables d’atteindre leur plein potentiel. C’est une situation qui pousse à se poser mille questions : Dois-je tout couper ? Mon audience est-elle mauvaise ? Mon budget est-il trop faible ? C’est précisément le cœur du problème soulevé par Alex, un auditeur du ‘Rendez-vous Marketing’, dont la question est plus pertinente que jamais :
Quand on a du mal à quitter la phase d’apprentissage sur Facebook, est-ce que le fait de mettre un événement de conversion tel que l’ajout au panier permettrait d’obtenir de meilleures performances de vente ?
Cette question en cache une autre, encore plus fondamentale : faut-il à tout prix sortir de cet état d’apprentissage pour être rentable ? Facebook nous dit que oui, que la stabilité et les meilleures performances se trouvent de l’autre côté. Mais l’expérience terrain, celle de la gestion de centaines de campagnes, raconte une histoire bien différente. Dans cet article, nous allons déconstruire ensemble ce mythe. Je vais vous expliquer non seulement ce qu’est réellement cette fameuse phase d’apprentissage, mais surtout vous prouver, chiffres à l’appui, que la course pour en sortir est souvent une fausse bonne idée. Nous verrons pourquoi choisir un objectif plus ‘facile’ comme l’ajout au panier peut en réalité saboter votre rentabilité. Enfin, je vous donnerai des stratégies concrètes et applicables pour stabiliser vos résultats, non pas en jouant le jeu de l’algorithme, mais en le guidant intelligemment vers votre véritable objectif : la vente.
La phase d’apprentissage de Facebook Ads : Mythes et réalités d’une boîte noire
Avant de chercher à en sortir, il est crucial de comprendre ce qu’est la phase d’apprentissage et, surtout, ce qu’elle n’est pas. Beaucoup la perçoivent comme une punition ou un bug, alors qu’il s’agit d’un processus fondamental et nécessaire au fonctionnement de l’algorithme de Meta. C’est une phase d’exploration active, une sorte de ’round d’observation’ mené par l’intelligence artificielle pour comprendre qui, dans votre audience cible, est le plus susceptible de réaliser l’action que vous lui demandez. Sans cette phase, vos publicités seraient diffusées à l’aveugle. C’est donc un mal nécessaire, mais la manière dont Facebook nous incite à la gérer mérite un examen approfondi.
Qu’est-ce que la phase d’apprentissage et pourquoi existe-t-elle ?
Lorsque vous lancez une nouvelle campagne de conversion ou que vous modifiez significativement un ensemble de publicités existant, l’algorithme de Facebook entre dans ce que l’on appelle la phase d’apprentissage. Il ne dispose à ce moment-là d’aucune donnée historique sur la performance de votre combinaison ‘créative + audience + objectif’. Pour lui, c’est un terrain inconnu. Son but est de trouver le moyen le plus efficace et le moins coûteux de vous apporter des conversions. Pour y parvenir, il doit tester.
Facebook doit diffuser vos publicités à différents types de personnes pour découvrir celles qui sont les plus susceptibles de vous obtenir les événements d’optimisation au coût le plus bas. C’est ce que Facebook appelle la phase d’apprentissage.
Imaginez un nouveau commercial chargé de vendre un produit dans une immense ville. Le premier jour, il ne sait pas quels quartiers seront les plus réceptifs. Il va donc passer du temps à ‘explorer’ : il va tester un quartier résidentiel, puis un quartier d’affaires, puis une zone commerciale. Ses résultats seront probablement ‘instables’ : un jour prometteur, le lendemain décevant. C’est exactement ce que fait l’algorithme. Il teste différents segments de votre audience : les jeunes, les plus âgés, ceux qui aiment telle page, ceux qui ont tel comportement d’achat, etc. Cette exploration engendre par nature une instabilité des coûts et des résultats. Votre coût par achat peut être de 15 € le lundi, 40 € le mardi et 25 € le mercredi. C’est normal et c’est le signe que l’algorithme ‘apprend’. Cette phase est donc une caractéristique intrinsèque du système, pas une anomalie.
Le dogme des 50 conversions : Pourquoi cette règle est souvent un piège pour les annonceurs
Pour mettre fin à cette instabilité, Facebook a établi une règle d’or, un seuil chiffré : pour sortir de la phase d’apprentissage, un ensemble de publicités doit générer environ 50 conversions dans une période de 7 jours. Une fois ce seuil atteint, la plateforme estime avoir suffisamment de données pour stabiliser la diffusion et optimiser les performances de manière prédictible. Sur le papier, la logique se tient : plus de données permettent de meilleures décisions. Mais en pratique, cette règle est un véritable casse-tête pour une majorité d’annonceurs.
Ce que Facebook dit, c’est que si vous voulez sortir de cette phase d’apprentissage, vous devez générer 50 conversions par semaine par ensemble de publicité donc par audience.
Faisons un calcul simple. Si vous vendez un produit et que votre coût par achat (CPA) cible est de 30 €, atteindre 50 conversions par semaine vous coûtera 1 500 € (50 * 30 €). Et ce, pour *un seul* ensemble de publicités. Si vous en avez trois, nous parlons de 4 500 € par semaine. Pour de nombreuses PME, startups ou solopreneurs, de tels budgets sont tout simplement hors de portée. Le problème est que cet avertissement ‘Apprentissage limité’ crée une pression psychologique. Il pousse les annonceurs à penser qu’ils font quelque chose de mal et les incite à prendre de mauvaises décisions, comme augmenter drastiquement un budget qui n’est pas encore rentable ou, comme le suggère la question d’Alex, changer d’objectif de conversion pour un objectif plus ‘facile’ à atteindre. C’est là que réside le véritable piège.
Nous avons donc un système qui a besoin de données pour fonctionner, et une règle officielle pour en obtenir qui est souvent inaccessible. Cela nous amène au cœur de notre problématique : face à cet obstacle, la tentation est grande de ‘tricher’ en donnant à l’algorithme des conversions plus faciles à obtenir, comme les ajouts au panier. Mais est-ce vraiment la solution pour améliorer vos ventes ? La réponse, comme nous allons le voir, est un non catégorique.
Le faux-fuyant de l’optimisation : Pourquoi ‘Ajout au Panier’ n’est pas la solution miracle
Face à la difficulté d’atteindre les 50 achats par semaine, l’idée de changer l’événement de conversion pour ‘Ajout au panier’ semble séduisante. Après tout, il y a beaucoup plus de gens qui ajoutent un produit à leur panier que de gens qui finalisent leur achat. En théorie, cela permettrait de sortir plus vite de la phase d’apprentissage, de stabiliser les campagnes et, par un effet de ricochet, d’obtenir plus de ventes. C’est une logique qui paraît saine, et c’est même une piste que Facebook peut suggérer. Pourtant, pour l’avoir testé des centaines de fois, je peux vous affirmer que cette stratégie est le plus souvent une voie sans issue qui mène à des coûts par achat plus élevés et à une rentabilité en berne.
La différence fondamentale entre un ‘ajouteur au panier’ et un ‘acheteur’
La clé pour comprendre l’échec de cette stratégie réside dans la manière dont l’algorithme de Facebook fonctionne. Il est incroyablement puissant, mais il est aussi très littéral. Si vous lui demandez de trouver des gens qui ajoutent des produits au panier, il trouvera avec une efficacité redoutable… des gens qui ajoutent des produits au panier. Le problème, c’est que ces personnes ne sont pas nécessairement des acheteurs.
Quand tu cherches des personnes qui ajoutent des produits au panier, ce ne sont pas forcément des acheteurs. C’est ça qu’il faut bien comprendre et Facebook en fait, l’identifie grâce à des signaux.
Pensez à votre propre comportement en ligne. Vous ajoutez des articles à un panier pour de multiples raisons : pour sauvegarder un produit qui vous plaît, pour comparer les prix entre plusieurs sites, pour voir le montant total avec les frais de port, ou simplement par curiosité. Ces actions émettent un signal, celui d’un ‘ajouteur au panier’. De l’autre côté, il y a l’acheteur : celui qui sort sa carte de crédit et finalise la transaction. Son comportement est différent, ses signaux le sont aussi. Facebook, grâce aux milliards de données qu’il collecte, sait faire la différence. En optimisant pour l’ajout au panier, vous dites à l’algorithme : ‘Trouve-moi des lèche-vitrines numériques’. Et c’est ce qu’il fera. Vous obtiendrez un volume de conversions intermédiaires élevé, un joli chiffre d’ajouts au panier à présenter dans vos rapports, mais vos ventes, elles, ne suivront pas. La qualité du signal que vous envoyez à l’algorithme est infiniment plus importante que sa quantité.
Étude de cas concrète : Le test qui a multiplié le ROAS par 5 en ignorant l’apprentissage limité
La théorie est une chose, mais la pratique est encore plus parlante. J’ai mené un test très révélateur pour un client vendant des néons personnalisés, un produit avec un panier moyen assez élevé, supérieur à 200 €. Face à ce coût, la tentation d’optimiser pour l’ajout au panier était forte, dans l’espoir de collecter plus de données à moindre coût. C’est donc par là que nous avons commencé.
Semaine 1 : Optimisation pour ‘Ajout au Panier’
Nous avons dépensé 458 €. Les résultats semblaient prometteurs en surface : nous avons généré 177 ajouts au panier, un volume très encourageant. Mais le chiffre qui compte vraiment était décevant : seulement 2 achats ont été conclus. Le retour sur investissement publicitaire (ROAS) était de 0,77. En clair, pour chaque euro investi, nous en récupérions 77 centimes. Nous perdions de l’argent.
Semaine 2 : Optimisation pour ‘Achat’
La semaine suivante, j’ai pris une décision contre-intuitive selon les recommandations standards. J’ai gardé la même campagne, les mêmes créatifs, la même audience, mais j’ai changé un seul paramètre : l’événement d’optimisation. Je suis passé de ‘Ajout au panier’ à ‘Achat’. Durant cette semaine, nos campagnes étaient constamment en ‘Apprentissage limité’. Nous avons dépensé un peu plus, 502 €. Le nombre d’ajouts au panier a chuté drastiquement à 65. Mais le nombre d’achats a explosé, passant à 7.
Seconde semaine, on dépense 502 euros. On a eu 65 ajouts au panier donc beaucoup moins, mais on a eu 7 achats. Et… on a eu un retour sur investissement publicitaire de 3,82.
Le ROAS est passé de 0,77 à 3,82. Il a été multiplié par cinq. Nous étions passés d’une campagne qui brûlait du cash à une campagne très rentable. Et tout cela, en acceptant de rester en apprentissage limité. Cette expérience démontre une vérité fondamentale : il vaut mieux avoir une campagne en apprentissage limité qui cible le bon objectif (l’achat) qu’une campagne ‘stable’ qui cible le mauvais (l’ajout au panier). Votre but n’est pas d’avoir un tableau de bord Facebook tout vert, mais un compte en banque bien rempli.
Cette preuve par l’exemple est claire : la solution n’est pas de changer de cap pour faire plaisir à l’algorithme. La solution est de lui donner des instructions claires et de l’aider à mieux faire son travail. Voyons maintenant comment faire cela concrètement.
Stratégies pratiques pour stabiliser vos campagnes sans sacrifier la rentabilité
Nous avons établi qu’ignorer l’avertissement ‘Apprentissage limité’ et se concentrer sur l’objectif ‘Achat’ est la stratégie la plus rentable. Cependant, l’instabilité des résultats pendant cette phase peut être difficile à gérer. Heureusement, il existe des leviers pour aider l’algorithme à apprendre plus vite et à stabiliser les performances, sans avoir à sacrifier votre objectif final. Ces techniques visent toutes à consolider les données et le budget pour donner plus de ‘matière’ à l’algorithme.
La puissance de la consolidation : Regrouper vos audiences pour accélérer l’apprentissage
L’une des erreurs les plus communes est la sur-segmentation des audiences. De nombreux annonceurs créent des dizaines d’ensembles de publicités, chacun avec une audience très spécifique : un pour les fans de Nike, un pour les fans d’Adidas, un pour une audience similaire des visiteurs, un autre pour une audience similaire des acheteurs… Chaque ensemble de publicités a son propre budget et doit apprendre de son côté. C’est ce que j’appelle la fragmentation des données : vous éparpillez votre budget et les signaux de conversion, ce qui ralentit considérablement l’apprentissage pour chaque audience.
Si vous avez une campagne avec de nombreuses audiences qui se ressemblent ou qui se chevauchent, je vous conseille de les regrouper. Admettons que vous avez une audience avec un intérêt pour la marque Nike et une deuxième audience avec l’intérêt pour la marque Adidas, sincèrement, c’est très similaire.
La solution est de regrouper. Au lieu de séparer des intérêts très proches, fusionnez-les dans un seul et même ensemble de publicités. Si vous avez plusieurs audiences similaires (Lookalikes) qui performent bien, regroupez-les. Cela crée une audience plus large et centralise les conversions. L’algorithme reçoit alors plus de signaux de conversion au sein d’un seul ‘pool’ d’apprentissage, ce qui lui permet de sortir de la phase d’apprentissage plus rapidement ou, du moins, de trouver des poches de performance plus stables au sein de cette audience élargie.
Élargir vos horizons : L’importance de la taille de l’audience pour l’algorithme
Dans la même logique que le regroupement, il est souvent bénéfique de travailler avec des audiences plus larges. La peur commune est qu’une audience large soit moins qualifiée. C’est une vision héritée de l’ancienne manière de faire de la publicité. Aujourd’hui, avec la puissance des algorithmes de conversion, c’est votre objectif (par exemple, ‘Achat’) qui se charge de trouver les bonnes personnes *au sein* de cette audience large. Une audience trop petite, à l’inverse, pose plusieurs problèmes. Elle s’épuise rapidement, le coût par résultat augmente à cause de la fatigue publicitaire (ad fatigue) et, surtout, elle n’offre pas assez de marge de manœuvre à l’algorithme pour explorer et trouver des acheteurs.
Il est intéressant d’avoir des audiences qui sont plus larges pour avoir plus d’événements de conversion potentiels qui permettront à Facebook de mieux optimiser vos campagnes… Généralement, quand vous êtes en apprentissage limité, Facebook vous dit il est possible que votre audience soit trop petite.
N’ayez pas peur de viser des audiences de plusieurs millions de personnes, même en France. Faites confiance à l’algorithme pour faire le tri. En lui donnant un terrain de jeu plus vaste, vous augmentez les chances qu’il trouve des cohortes d’acheteurs rentables sur le long terme, ce qui contribue à la stabilisation naturelle des performances, même si le statut ‘Apprentissage limité’ persiste.
L’art de la budgétisation : Concentrer votre budget pour un impact maximal
Le dernier pilier de la consolidation est le budget. Avoir plusieurs campagnes avec de petits budgets est aussi inefficace que d’avoir plusieurs audiences fragmentées. Si vous avez, par exemple, trois campagnes distinctes qui poursuivent le même objectif avec des audiences différentes, chacune dotée de 20 € par jour, vous demandez à Facebook d’apprendre trois fois avec un budget très limité. La meilleure approche est de les regrouper en une seule campagne, en utilisant le CBO (Campaign Budget Optimization, maintenant appelé Advantage Campaign Budget).
Moi ce que je vous conseille, c’est de regrouper ces campagnes ensemble, de garder les meilleures audiences… d’avoir des budgets qui sont au niveau de la campagne, avoir deux ou trois ensembles de publicité et logiquement, vous aurez plus de chance de sortir de la phase d’apprentissage.
En créant une seule campagne CBO avec un budget consolidé (par exemple, 60 € par jour) et en y plaçant vos meilleurs ensembles de publicités (préalablement regroupés et élargis), vous accomplissez deux choses. Premièrement, vous donnez un budget plus conséquent à l’algorithme pour qu’il puisse apprendre plus vite. Deuxièmement, le CBO allouera dynamiquement ce budget aux ensembles de publicités les plus performants, ce qui accélère encore l’optimisation. Vous concentrez votre puissance de feu là où elle a le plus d’impact, ce qui mène à des résultats plus rapides et plus stables.
Conclusion : Devenez le maître de votre stratégie, pas l’esclave de l’algorithme
Pour revenir à la question initiale d’Alex, la réponse est claire : non, changer votre événement de conversion pour l’ajout au panier n’est pas une bonne stratégie pour obtenir de meilleures performances de vente. C’est une tentative de satisfaire une métrique de la plateforme au détriment de votre objectif commercial réel. L’avertissement ‘Apprentissage limité’ n’est pas un verdict d’échec, mais simplement un état de fait. Mon expérience et les données le prouvent : une campagne rentable en apprentissage limité vaut infiniment plus qu’une campagne ‘stable’ qui ne vend pas.
Les points clés à retenir sont les suivants :
1. Faites confiance à votre objectif final : Optimisez toujours pour l’événement qui a le plus de valeur pour votre entreprise, c’est-à-dire l’achat ou la génération de prospect qualifié.
2. La qualité du signal prime sur la quantité : Mieux vaut 10 signaux d’achat par semaine que 200 signaux d’ajout au panier.
3. Ne craignez pas l’apprentissage limité : Jugez vos campagnes sur leurs résultats réels (CPA, ROAS), pas sur leur statut dans le gestionnaire de publicités.
4. Consolidez pour performer : Regroupez vos audiences, élargissez vos cibles et concentrez vos budgets pour donner à l’algorithme les moyens de travailler efficacement.
Le plus important est de tester. Ce qui a fonctionné de manière spectaculaire dans l’étude de cas des néons peut et doit être adapté à votre propre business. Lancez le test. Osez optimiser pour l’achat même avec un petit budget. Acceptez de voir cet avertissement orange et concentrez-vous sur la seule chose qui compte : votre retour sur investissement. J’espère que cette analyse vous a éclairé et vous donnera la confiance nécessaire pour prendre les bonnes décisions pour votre acquisition en ligne.
Questions fréquentes sur la phase d’apprentissage de Facebook Ads
Est-ce que l’apprentissage limité signifie que ma campagne ne fonctionne pas ?
Absolument pas. ‘Apprentissage limité’ est un statut technique qui indique que votre campagne ne génère pas les 50 conversions par semaine que Facebook recommande pour une stabilité optimale. Cependant, cela ne préjuge en rien de sa rentabilité. Une campagne peut être en apprentissage limité et générer un excellent retour sur investissement (ROAS). Il est crucial de juger la performance sur vos indicateurs clés (coût par achat, ROAS) et non sur le statut affiché par la plateforme, qui est avant tout une indication théorique.
Je suis resté en achat et on a eu un retour sur investissement publicitaire de 3,82. Donc là, on était vraiment très rentable parce que cette fois-ci, j’ai osé optimiser pour l’achat et pourtant mes campagnes étaient en apprentissage limité.
Combien de temps dure la phase d’apprentissage sur Facebook Ads ?
La phase d’apprentissage se termine officiellement lorsque votre ensemble de publicités atteint environ 50 conversions en 7 jours. Si ce seuil n’est pas atteint, la campagne peut rester indéfiniment en statut ‘Apprentissage’ ou basculer en ‘Apprentissage limité’. La durée n’est donc pas fixe. L’objectif n’est pas de se focaliser sur une durée, mais plutôt de fournir à l’algorithme des données de qualité et un budget suffisant pour qu’il puisse optimiser la diffusion le plus efficacement possible, même s’il reste techniquement dans cette phase.
Facebook dit, quand on est en phase d’apprentissage, généralement, on a des moins bonnes performances. Ça, c’est la théorie. Moi, je vais essayer de vous déconstruire cette théorie.
Quand est-il pertinent d’optimiser pour un événement autre que l’achat ?
Optimiser pour un événement en amont de l’achat, comme l’ajout au panier ou la vue de contenu, peut être pertinent dans des cas très spécifiques. Par exemple, si vous lancez un tout nouveau pixel sans aucun historique de données, ou si votre cycle de vente est extrêmement long et que les achats sont très rares (produits de luxe à plusieurs milliers d’euros). Dans ces situations, cela peut aider à ‘éduquer’ le pixel. Cependant, pour la grande majorité des annonceurs e-commerce, il faut basculer vers l’optimisation pour l’achat dès que possible, car c’est le seul moyen de dire à l’algorithme de vous trouver de vrais clients.
Pour l’avoir testé des centaines de fois avec un événement de conversion comme l’ajout au panier. Oui, Alex, tu vas sortir plus facilement de la phase d’apprentissage, mais tu auras très souvent des coûts par achat plus élevés.
Mes coûts sont trop élevés en phase d’apprentissage, que dois-je faire ?
Une fluctuation des coûts est normale durant la phase d’apprentissage. Cependant, si les coûts sont durablement trop élevés, n’attendez pas de sortir de cette phase. Analysez d’abord les fondamentaux : vos créatifs sont-ils pertinents ? Votre offre est-elle attractive ? Votre page de destination convertit-elle bien ? Si ces éléments sont solides, appliquez les stratégies de consolidation : regroupez vos audiences similaires pour concentrer les données, assurez-vous que votre audience n’est pas trop petite et concentrez votre budget sur moins d’ensembles de publicités pour donner plus de puissance à l’algorithme.
Lorsque vous lancez une nouvelle campagne… Facebook ne dispose pas toujours des données nécessaires pour diffuser votre publicité d’une manière aussi stable que possible… vous avez des résultats qui sont un peu instables.
Comment savoir si mes audiences se chevauchent ?
Facebook propose un outil appelé ‘Chevauchement d’audiences’ (Audience Overlap) dans la section ‘Audiences’ de votre Business Manager. Vous pouvez y sélectionner deux ou plusieurs de vos audiences enregistrées pour voir le pourcentage d’utilisateurs en commun. Un chevauchement élevé (par exemple, plus de 20-30%) entre deux audiences que vous ciblez dans des ensembles de publicités séparés est un signal fort qu’il faut les regrouper. Cela évite que vos propres publicités n’entrent en compétition les unes avec les autres, ce qui augmente les coûts.
Si vous voyez qu’il y a des gros chevauchements entre ces audiences là, je vous conseille de les regrouper. Pareil pour les audiences similaires… regroupez-les, ça permettra encore une fois d’accélérer la phase d’apprentissage.
Le CBO (Advantage Campaign Budget) aide-t-il à sortir de la phase d’apprentissage ?
Oui, le CBO peut être un allié très puissant. En consolidant le budget au niveau de la campagne, il permet à Facebook d’allouer les dépenses de manière flexible vers l’ensemble de publicités qui a le plus de potentiel de conversion à un instant T. Cette allocation dynamique accélère l’obtention de conversions sur l’audience la plus performante, ce qui peut aider cet ensemble de publicités spécifique à atteindre plus rapidement le seuil des 50 conversions. C’est une stratégie de concentration du budget qui favorise un apprentissage plus rapide et plus efficace.
Moi ce que je vous conseille, c’est de regrouper ces campagnes ensemble… d’avoir des budgets qui sont au niveau de la campagne… et logiquement, vous aurez plus de chance de sortir de la phase d’apprentissage.
Est-ce que le fait de modifier ma publicité réinitialise la phase d’apprentissage ?
Oui, toute modification significative d’un ensemble de publicités peut réinitialiser la phase d’apprentissage. Les modifications majeures incluent le changement de l’événement d’optimisation, l’ajout d’une nouvelle publicité, la modification du ciblage (audience) ou une augmentation ou diminution importante du budget (généralement plus de 20% sur une courte période). C’est pourquoi il est recommandé de laisser les campagnes tourner pendant plusieurs jours sans y toucher pour permettre à l’algorithme de compléter sa phase d’exploration sans être interrompu.
Lorsque vous lancez une nouvelle campagne ou une nouvelle audience dans une campagne existante, Facebook ne dispose pas toujours des données nécessaires pour diffuser votre publicité d’une manière aussi stable que possible.
Quelle est la taille d’audience idéale pour éviter l’apprentissage limité ?
Il n’y a pas de ‘taille idéale’ magique, mais Facebook recommande généralement des audiences suffisamment larges pour que l’algorithme ait de la matière à optimiser. Viser des audiences de plusieurs centaines de milliers, voire de plusieurs millions de personnes, est souvent une bonne pratique. Une audience trop restreinte (par exemple, moins de 100 000 personnes en acquisition) peut rapidement s’épuiser et rendre difficile l’obtention des 50 conversions nécessaires. La plateforme vous alertera d’ailleurs souvent si elle estime que votre audience est trop petite pour générer des résultats stables.
Il est intéressant d’avoir des audiences qui sont plus larges pour avoir plus d’événements de conversion potentiels qui permettront à Facebook de mieux optimiser vos campagnes et de trouver des acheteurs sur plusieurs semaines.
