En moyenne, sur l’ensemble des courtiers en données testés dans trois études de terrain, le sexe enregistré dans le profil acheté d’un internaute était correct dans 42,3 % des cas.1 Selon les courtiers, ce taux allait de 25,7 % à 62,7 %. Les études, menées par Nico Neumann, Catherine Tucker et Timothy Whitfield, portaient sur plus de 90 audiences achetées auprès de 19 courtiers en données. Une classification aléatoire serait juste dans environ 50 % des cas, et l’article indique que l’utilisation de profils de navigation pour le sexe « semble en moyenne moins efficace que de ne rien utiliser ». L’âge donnait de pires résultats. La précision pour la tranche des 18 à 24 ans était en moyenne de 10,7 %, pour les 25 à 34 ans de 25,7 %, et pour les 35 à 44 ans de 32 %.
Une audience achetée est un ensemble d’inférences que l’acheteur ne peut pas vérifier
La Federal Trade Commission a décrit la construction de ces segments dans un rapport de 2014 consacré à neuf courtiers en données. « Les courtiers en données déduisent les centres d’intérêt des consommateurs à partir des données qu’ils collectent », indique le rapport. « Ils utilisent ces centres d’intérêt, avec d’autres informations, pour classer les consommateurs dans des catégories. »2 Ces catégories sont ensuite vendues sous des noms comme « Urban Scramble » et « Mobile Mixers ». Un annonceur qui en achète une achète cette inférence, et l’article de Neumann relève que l’on sait peu de chose sur la fiabilité de ces profils.1
Les tests de terrain associaient le cookie de chaque courtier à un membre d’un panel d’enquête, dont les propres réponses servaient à vérifier l’étiquette.1 À lui seul, un profil augmentait de 0 à 77 % la part des publicités atteignant une personne possédant l’attribut recherché par rapport à une sélection aléatoire. Avec un logiciel d’optimisation, le gain moyen était de 123 %, mais le surcoût était de 151 %. Les auteurs concluent que les audiences tierces sont « souvent peu intéressantes économiquement, sauf pour les placements média plus chers ».
Les segments d’intérêt obtenaient de meilleurs scores parce qu’ils étaient construits à partir des pages visitées
La même étude a constaté que les segments d’intérêt étaient plus précis que les segments démographiques. Les utilisateurs étiquetés comme intéressés par le sport l’avaient déclaré au panel dans 87,4 % des cas ; pour le fitness, le chiffre était de 82,1 %, et pour les voyages de 72,8 %.1 Le taux de base y est pour quelque chose, car l’article situe l’intérêt pour le sport à 67 % chez les Australiens. Par rapport à ces taux de base, les auteurs calculent que les segments d’intérêt amélioraient la sélection aléatoire de 30 % pour les voyages, de 30 % pour le sport et de 71 % pour le fitness. « Dans l’ensemble, écrivent-ils, nous constatons des taux de réussite (précision) plus élevés pour les centres d’intérêt d’audience testés que pour les attributs démographiques testés précédemment. »
Un segment d’intérêt est un historique de navigation transformé en étiquette, rattaché à un cookie et vendu comme audience prédéfinie.1 L’étiquette suit le cookie jusqu’à la page que la personne ouvre ensuite. Chaque étape entre la lecture et la publicité est une occasion pour l’étiquette d’être fausse. Une bulle saute ces étapes. AdBubbles associe un mot de la page que le lecteur regarde à l’annonceur qui l’a acheté, sans aucune supposition enregistrée sur le lecteur.
Les lecteurs d’une page précise ont déjà montré ce qu’ils cherchent
La directive européenne sur la vie privée a offert à Avi Goldfarb et Catherine Tucker une autre façon de tester la même idée. Leurs données provenaient de 3,3 millions de répondants à des enquêtes, à qui l’on avait montré l’une de 9 596 campagnes de bannières. Une fois que la directive a restreint l’utilisation des données et le suivi, l’efficacité a chuté d’environ 65 %.3 Les sites à contenu généraliste, comme les services d’information, ont davantage perdu que les sites à contenu spécialisé, comme les sites de voyage et de parentalité. « Les clients des sites de voyage et de parentalité se sont déjà identifiés comme appartenant à un marché cible particulier », écrivent les auteurs : ces sites avaient donc moins besoin de données de navigation pour cibler leurs publicités.
Kaifu Zhang et Zsolt Katona définissent la publicité contextuelle comme le fait de montrer des publicités « en fonction du contenu que consultent les consommateurs, en exploitant le fait que leurs préférences en matière de contenu peuvent révéler leurs préférences en matière de produits ».4 Un site sur la parentalité est un contexte à l’échelle d’un site ; un mot dans un article est un contexte à l’échelle d’une phrase. Le lecteur qui a atteint le paragraphe où figure « siège auto convertible » a restreint l’audience davantage que ne pourrait le faire aucune étiquette à l’échelle d’un site, sans que personne n’enregistre qui il est.
Un acheteur professionnel est identifié par l’article, et non par le fichier d’un fournisseur
L’étude de Neumann a testé des attributs de consommateurs : le sexe, l’âge et les loisirs. Elle n’a pas testé les intitulés de poste et les tailles d’entreprise selon lesquels sont vendues les audiences professionnelles, et nous n’avons trouvé aucun test de terrain publié qui le fasse. Le lecteur d’un article spécialisé n’a besoin d’aucun profil. Une personne qui lit un article sur la filtration du liquide de refroidissement pour centres d’usinage a indiqué son métier et son problème plus précisément que ne le pourrait un champ d’intitulé de poste, simplement en ouvrant la page.
Anja Lambrecht et Catherine Tucker ont constaté un phénomène voisin dans le reciblage, la pratique qui consiste à montrer à une personne le produit exact qu’elle a consulté auparavant. Dans leur expérience de terrain, « les publicités de reciblage dynamique sont en moyenne moins efficaces que leur équivalent générique ».5 La publicité spécifique ne cessait d’être moins performante que lorsque la navigation ultérieure, comme la visite de sites d’avis, laissait penser que les préférences de la personne avaient changé. La lecture était le signal ; la consultation de produit enregistrée ne l’était pas.
Supposons qu’une entreprise vende des systèmes d’aspiration des poussières à de petits ateliers de menuiserie. Sur AdBubbles, elle achèterait les mots « dépoussiéreur » et « qualité de l’air de l’atelier » sur les sites qu’elle désigne. Pendant ce mois civil, elle serait le seul annonceur sur ces mots sur ces sites. Sa bulle ne s’ouvrirait que lorsqu’un lecteur survolerait ou toucherait l’un de ces mots dans un article.
La plupart des lecteurs supposent qu’ils sont suivis, et peu se sentent maîtres de la situation
En juin 2019, le Pew Research Center a demandé à 4 272 adultes américains dans quelle mesure ils se pensaient suivis. Il a constaté que 72 % estimaient que la totalité, la quasi-totalité ou la plupart de ce qu’ils font en ligne ou sur leur téléphone portable est suivi par des annonceurs, des entreprises technologiques ou d’autres sociétés.6 En mai 2023, dans une enquête auprès de 5 101 adultes, 73 % déclaraient n’avoir que peu ou pas de contrôle sur ce que les entreprises font de leurs données.7
Un annonceur qui atteint un lecteur de niche grâce aux mots de la page n’y prend aucune part. AdBubbles ne dépose aucun cookie, ne stocke aucun identifiant et ne collecte aucune donnée personnelle sur les lecteurs. Le tableau de bord de l’annonceur indique les pages vues, les ouvertures de bulles et les clics par mot-clé, par site et par jour, et jamais qui. La politique de confidentialité dit la même chose.
Là où la page ne dit rien du lecteur, un profil est le seul signal
Le ciblage démographique permet encore quelque chose qu’une page ne permet pas, et les deux études de terrain montrent où. Les pertes les plus importantes constatées par Goldfarb et Tucker concernaient les sites d’information généralistes, qu’ils décrivent comme des endroits « où un ciblage non fondé sur les données est particulièrement difficile ».3 Neumann et ses collègues font une exception pour les placements plus chers dans leur conclusion selon laquelle les audiences achetées ne sont pas rentables, et leurs segments d’intérêt ont fait mieux que la sélection aléatoire.1 Un produit sur lequel personne ne lit rien avant d’acheter, ou un acheteur défini par une étape de vie qu’aucun article ne nomme, ne donne à une publicité fondée sur les mots rien à quoi se rattacher.
Un mot qui n’apparaît sur aucune page du réseau ne peut pas y être acheté. AdBubbles ne choisit pas qui voit une publicité, ne suit pas un lecteur d’une page ou d’un site à l’autre, et ne promet aucun résultat, comme le décrivent les sept étapes. Créer une campagne ne coûte rien, et avant de payer, un annonceur voit pour chaque mot combien de sites le portent et le nombre estimé de pages vues par mois. Cela suffit pour savoir si les acheteurs d’une entreprise lisent déjà des articles sur ce qu’elle vend.