Au cours des dernières années, les habitudes de consommation de contenu vidéo ont complétement changé. De moins en moins de gens regardent la télévision et de plus en plus écoute du contenu vidéo en continu, que ce soit sur Youtube, Twitch ou d’autres plateformes de streaming. Cette évolution a naturellement poussé les entreprises à redéfinir leurs stratégies publicitaires afin de tenter de rejoindre ce public cible. En effet, selon Nielsen (2025), les dépenses publicitaires sur les télévisions connectées (CTV) atteindront 26,6 milliards de dollars cette année, ce qui représente une hausse de 12% par rapport à l’an passé. La publicité vidéo n’est donc plus seulement confinée à la télévision ou sur le web; elle se retrouve maintenant sur les télévisions connectées (CTV) et les plateformes de streaming.
Dans ce contexte de transition, un enjeu central se pose pour les spécialistes du web analytique : Comment bien mesurer, optimiser et comparer la performance de ces nouvelles campagnes publicitaires vidéo?
Défis uniques
L’analyse des campagnes publicitaires sur Youtube et la CTV présente plusieurs défis uniques pour les entreprises. Premièrement, le fait que les gens utilisent une multitude de plateformes et d’appareils pour regarder leur contenu ce qui rend le suivi des audiences beaucoup plus compliqués. Par exemple, un consommateur peut commencer à regarder une publicité sur son téléphone, la poursuivre sur sa tablette et la terminer sur sa télévision connectée. Il est donc très difficile pour les entreprises de reconstituer ce type de parcours utilisateur multi-appareils et d’évaluer l’impact de la publicité sur ce visionnement.
Deuxièmement, le modèle d’attribution demeure un problème crucial pour les analystes web. L’exercice d’identifier quel point de contact avec le consommateur a entrainé une conversion (clic, visionnement complet, interaction sociale, etc.) exige des outils et des méthodes avancées. Les modèles traditionnels, comme le « dernier clic », ne sont plus suffisants pour des campagnes multi-plateformes. Les entreprises doivent désormais se tourner vers des modèles d’attribution « multi-touch » ou « data-driven » pour être capables de pondérer précisément la contribution de chaque interaction. Ces modèles représentent un énorme défi pour les organisations qui sont moins matures au plan analytique et technologique.
Un autre défi majeur provient de la comparaison des performances entre les plateformes. Chaque canal a ses propres indicateurs et métriques, ce qui complique l’analyse croisée pour les compagnies qui diffusent simultanément sur Youtube, TikTok et Netflix par exemple. L’absence de standardisation des données empêche parfois d’effectuer une évaluation complète ce qui peut mener à de mauvaises décisions d’investissement publicitaire.
Finalement, les enjeux de confidentialité et de protection des données sont toujours bien présents. Des lois, comme la Loi 25 au Québec, obligent les entreprises à trouver un équilibre entre une collecte de données précises pour leurs analyses et le respect de la vie privée des consommateurs. Cela pousse les analystes à explorer des nouvelles solutions comme les « cleans rooms » publicitaires qui permettent de croiser les données sans les exposer directement sur le web.
Outils et techniques
Aujourd’hui, pour relever ces défis, les experts en web analytique disposent de nombreux outils avancés et en constante évolution. Des plateformes comme Google Analytics 4 ou Adobe Analytics permettent de centraliser les données provenant de plusieurs sources et appareils différents. Cela donne une meilleure vue globale des performances des campagnes publicitaires vidéo.
Le suivi multi-appareils (cross-device tracking) est également devenu un outil indispensable pour retracer et comprendre le parcours complet d’un spectateur. Avec l’utilisation d’identifiants uniques anonymes, de modèles de probabilité et de pixels de suivi, les analystes sont en mesure de suivre le parcours de l’auditeur à travers plusieurs appareils et de mieux comprendre leur comportement. Les données recueillies peuvent ensuite être liées à des modèles d’attribution plus avancés pour évaluer précisément l’impact réel de chaque point de contact dans une interaction avec le client.
De plus, l’analyse en temps réel et les tests A/B dynamiques permettent d’optimiser les campagnes publicitaires. En effet, les analystes peuvent tester simultanément différentes versions de vidéos, de messages ou de segments d’audience afin de maximiser l’engagement et le retour sur investissement. Contrairement aux campagnes traditionnelles pour la télévision, les publicités sur Youtube et la CTV peuvent être optimisées ou retirées en quelques heures selon leur performance, ce qui augmente l’efficacité des campagnes.
Pour finir, un enjeu qui est souvent négligé est celui de la fatigue publicitaire. Lorsque les spectateurs sont exposés aux mêmes messages publicitaires de manière répétitive, ils développent naturellement une résistance psychologique. Les données analytiques ne doivent donc pas seulement servir à mesurer la performance quantitative des publicités, mais aussi à aider les entreprises à diffuser leurs publicités au bon moment et avec une bonne fréquence. Ceci va leur permettre de garder un grand impact sur le public à long terme, sans les ennuyer.
Apport de l’intelligence artificielle
L’intelligence artificielle (IA) joue un rôle de plus en plus transformateur dans l’optimisation de l’analyse des campagnes publicitaires. Sur Youtube, il est possible de connecter des outils comme Google Ads Data Hub pour pousser encore plus loin l’analyse. Grâce à l’intelligence artificielle, on peut créer des modèles prédictifs avancés pour analyser les données de conversion et anticiper les performances futures. Sur la CTV, le « retargeting cross-device » permet de recibler automatiquement un utilisateur sur son téléphone après qu’il ait vu une publicité sur sa télévision connectée. Ces types de technologies offrent un niveau de personnalisation jamais vu auparavant pour les campagnes publicitaires vidéo et permettent aux entreprises de comprendre encore mieux le parcours de l’utilisateur.
Cependant, l’IA introduit aussi de nouveaux défis au niveau des biais algorithmiques. Ces biais peuvent fausser certains résultats des analyses et amener les compagnies à prendre des décisions erronées. Les analystes doivent donc toujours s’assurer d’avoir un regard critique sur les résultats générés par l’IA pour éviter de réaliser ces erreurs de jugement.
Prise de position
À mon avis, le vrai défi pour les entreprises n’est plus de collecter le plus grand nombre de données possibles, mais plutôt de comment on peut les transformer en actions concrètes et utiles. Les campagnes vidéo sur Youtube et les CTV nécessitent une approche beaucoup plus proactive sur le plan analytique. Il ne suffit plus de juste bien comprendre notre audience, il faut être en mesure d’anticiper leurs comportements et d’ajuster les stratégies de manière continue. L’analyse de données doit donc aller au-delà des chiffres et on doit s’intéresser au contexte et au comportement humain derrière chaque interaction. Les entreprises qui auront du succès dans les prochaines années, seront celles qui auront investis dans des solutions analytiques intégrées et qui sont capables de jumeler les données comportementales à des insights en temps réel avec une IA efficace et responsable.
Selon moi, la confiance des consommateurs va devenir un actif stratégique dans le futur, car ils deviennent de plus en plus conscients de l’exploitation de leurs données. Ainsi, plus les entreprises seront transparentes dans leur utilisation des données, plus cela renforcera leur crédibilité et la fidélisation client.
L’analyse des campagnes vidéo ne doit donc plus être perçue comme une simple étape post-publicitaire, mais vraiment comme un levier stratégique dès la conception des campagnes publicitaires. Je pense que la majorité des grandes compagnies l’ont déjà compris et seul le temps nous dira jusqu’où cet aspect fascinant du web analytique ira avec les avancées de l’intelligence artificielle et des méthodes modernes d’analyse.