Après cookie : qui sont les acteurs positionnés sur le ciblage contextuel ?

Dans un contexte de disparition progressive des cookies tiers dans les navigateurs, et avec une réglementation de plus en plus contraignante, le ciblage contextuel est souvent avancé comme une alternative au ciblage basé sur les cookies. S’il a parfois été présenté comme le parent pauvre du ciblage comportemental, des sociétés se sont positionnées pour proposer des solutions utilisables en complément. 

Il y a quelques années, Grapeshot (racheté par Oracle en 2019) a fait son apparition sur le marché français. Il propose une technologie de ciblage pré-bid par segments contextuels qui séduit alors beaucoup d’annonceurs – pour l’orientation de leurs campagnes en promettant un contexte sécurisé pour la marque -, et d’éditeurs pour la catégorisation de leurs contenus. Depuis, les éditeurs ont largement développé leurs offres contextuelles. Certains, à l’image du Washington Post, développent leurs propres outils, et d’autres s’équipent de plus en plus de technologies spécialisées pour catégoriser et qualifier leurs inventaires.  

Du ciblage de mots clés à l’analyse sémantique par la compréhension du langage naturel

Longtemps cantonné à la simple analyse par mots clés et par URL du contexte de diffusion, le ciblage contextuel est devenu de plus en plus précis grâce aux technologies d’analyse sémantique, et notamment les algorithmes de deep learning avec NLP (natural language processing ou traitement automatique du langage naturel).

“Il faut distinguer trois catégories que sont le contextuel de site à site ; le contextuel par mot clé qui ne fait pas de nuance sur la tonalité ; et le ciblage contextuel sémantique, qui revient à comprendre le langage naturel sur une page, voire le sentiment sur le sujet”, explique Baptiste Berger, le directeur commercial de Mediasquare.

Tous les acteurs interrogés revendiquent aujourd’hui l’utilisation d’algorithmes de NLP pour l’analyse et la compréhension de l’ensemble du contexte de diffusion. Reste encore à définir ce qu’est un algorithme de NLP performant. “Cela passe avant tout par la précision de celui-ci, notamment sur la catégorisation des pages : est-ce que 90 % des personnes visitant une page qualifiée “beauté” par un algorithme, la catégoriseraient dans la catégorie “beauté”. Mais aussi par la granularité du ciblage proposé”, constate Rémi Cackel, global VP data de Teads. 

Les plus récents algorithmes de NLP, qui sont notamment utilisés dans la publicité en ligne, reposent sur la représentation vectorielle de mots, grâce au modèle word2vec (explication sur le site du W3C). Une avancée considérable qui permet de contextualier un mot dans un contenu. “Ces vecteurs de mots ne vont pas avoir la même valeur en fonction du contexte. Le vecteur du mot robe ne va pas être placé de la même manière sur un plan vectoriel selon qu’on parle de la robe du vin, ou de l’habit”, explique Thomas Achache, le CEO et fondateur d’Orion Semantics.  

Les acteurs de la brand safety et adtechs traditionnelles se positionnent

Les acteurs de la brand safety et de l’advérification sont ceux qui illustrent le mieux ce mouvement de marché vers une analyse plus poussée du contexte. Ces outils se tournent de plus en plus vers l’analyse sémantique pour compléter l’utilisation de mots-clés, particulièrement critiquée depuis le début de la crise sanitaire.

Depuis sa création en 2009, Integral Ad Science, outil d’advérification, de mesure et de brand safety largement utilisé par le marché, a construit ses modèles autour du machine learning pour analyser la fréquence, la combinaison, l’intensité de certains mots clés dans le contexte de diffusion.

En 2019, IAS a racheté ADmantX, spécialiste de la qualification de pages à partir de l’analyse de leur contenu via le NLP, et a lancé dans la foulée son outil d’analyse sémantique du contexte de diffusion. La société revendique ainsi un passage d’une approche de brand safety à de la brand suitability, et se positionne donc de plus en plus sur le ciblage. IAS a d’ailleurs lancé sa propre offre de ciblage contextuel sémantique, qui permet notamment aux annonceurs de cibler des segments sémantiques définis et en exclure d’autres – en les poussant directement dans les DSP majeures du marché (The Trade Desk, DV360 etc.). 

“La brand safety est une approche protectrice et plus restrictive, avec un seuil de tolérance fixé par l’annonceur. La brand suitability, grâce au NLP, c’est permettre aux marques de mieux cibler des contextes et aux éditeurs de mieux les qualifier”, explique Yann Le Roux, directeur Europe du Sud de Integral Ad Science.

Un autre grand acteur de l’advérification, DoubleVerify, qui vient par ailleurs de lever 350 millions de dollars, a annoncé mi-novembre le lancement de sa propre solution de ciblage contextuel. Lui aussi avait racheté une société spécialisée en 2019, Leiki Semantic Science, et avait créé sa propre division destinée à l’analyse sémantique. 

 

25 % de nos revenus sont générés sur des utilisateurs non identifiés, et une part significative de ceux-ci est réalisée grâce à nos outils sémantiques

 

Romain Job

chief strategy officer de Smart

Mais ce sont aussi les adtechs côté vente plus traditionnelles, au départ très dépendantes des cookies tiers, qui proposent leurs propres solutions. Smart (adserver, SSP et DSP) travaille ainsi depuis deux ans sur des algorithmes de NLP pour mieux catégoriser les inventaires de ses éditeurs et proposer des deals contextuels, ce qui porte déjà ses fruits. “25 % de nos revenus sont générés sur des utilisateurs non identifiés, et une part significative de ceux-ci est réalisée grâce à nos outils sémantiques”, se félicite Romain Job, le chief strategy officer de Smart. Il ajoute que ciblage contextuel pourrait représenter 25 à 40 % des revenus de Smart dans les deux ans à venir.

Teads, dont les formats phares sont par essence très liés au contexte de diffusion, revendique que 5 à 10 % des campagnes réalisées sur sa plateforme sont “entièrement contextuelles”, un chiffre multiplié par trois en 2020. “Aujourd’hui nous ne voyons pas le contexte comme un remplacement amoindri du ciblage comportemental, mais comme une vraie opportunité”, avance Rémi Cackel, le global VP data de Teads. 

Des nouveaux acteurs 100 % sans données utilisateur ?

En parallèle, plusieurs sociétés spécialisées ont tour à tour investi le secteur. C’est le cas de Qwarry, qui a levé deux millions d’euros en février 2020 et s’affranchit entièrement de la donnée utilisateur pour sa technologie de ciblage. Il procède à une analyse de la page – via des algorithmes de NLP et NLU (Natural language understanding) – du champ sémantique de l’annonceur, pour ensuite cibler, avec sa propre DSP, le contexte de diffusion le plus adéquat grâce un scoring sémantique et de sentiment dégagé de millions d’URL analysées (voir notre étude de cas).

Un modèle que la société veut élargir à l’ensemble de la chaine programmatique. “Nous voulons également nous positionner comme un fournisseur de data pour les SSP et DSP”, explique Julie Walther, la COO et cofondatrice de Qwarry. Elle est d’ailleurs en discussion avec plusieurs éditeurs pour intégrer sa donnée à leur SSP. Qwarry veut également proposer sa propre SSP aux éditeurs pour monétiser les inventaires “sans consentement”. 

À l’inverse de Qwarry, d’autres sociétés choisissent de ne pas complètement se passer de la donnée utilisateur pour le ciblage contextuel. KMTX (anciennement Keymantics), société française créée en 2017 et qui a levé 3 millions d’euros, s’appuie sur l’analyse de la navigation en ligne des utilisateurs avec 120 millions de profils en base – à partir d’une unification d’ID tiers récoltés grâce à sa DSP -, et un moteur d’analyse sémantique NLP.

Cela lui permet ensuite de déterminer des scores d’affinité d’un persona avec chaque mot clé, d’orienter l’achat médias, et de cibler les acheteurs intentionnistes sur certains contenus. Arthur Quérou, son fondateur, se veut rassurant sur l’avenir. “Même en cas de disparition du cookie tiers, de plus en plus d’acteurs se positionnent sur d’autres solutions d’identification. Aujourd’hui on travaille sur 100 % de l’audience grâce au cookie, mais demain on sera dans une logique de panélisation”, explique-t-il. 

 

Il ne s’agit pas uniquement de livrer à l’annonceur la catégorisation d’une page, mais la prédiction de l’audience de cette dernière. Le contexte en lui-même a moins de valeur que les attributs probables des utilisateurs qui y accèdent

Benoît Oberlé

CEO Sirdata

Cette démarche de panélisation est déjà appliquée par d’autres acteurs comme Sirdata ou Orion Semantics. Ces sociétés continuent à analyser les comportements des utilisateurs pour déterminer un score de probabilité d’affinité de profils sociodémographiques (selon le sexe, l’âge etc.) avec un contenu. Cela leur permet ensuite de construire des deals pour les éditeurs, et de créer des segments contextuels personnalisés pour les trading desks des annonceurs. 

Le premier, dont le métier initial est celui de data provider – et qui fait du respect du RGPD son cheval de bataille, en éditant notamment sa propre CMP – s’appuie sur les comportements observés sur les données loguées acquises auprès d’éditeurs pour établir ses scorings d’affinité à un contenu.“Il ne s’agit pas uniquement de livrer à l’annonceur la catégorisation d’une page, mais la prédiction de l’audience de cette dernière. Le contexte en lui-même a moins de valeur que les attributs probables des utilisateurs qui y accèdent”, illustre Benoît Oberlé, le CEO et fondateur de Sirdata.

Orion Semantics, société créée en 2018, s’appuie quant à elle sur un panel d’utilisateurs construit à partir de données tierces pour comprendre les comportements de navigation. “Nos ciblages se font à partir de cohortes sur une page. C’est à dire comprendre quels sont les groupes d’utilisateurs qui consultent une page et le poids qu’ils représentent dans le trafic de celle-ci”, détaille Thomas Achache (Orion Semantics). Ce qui permet entre autres pour une DSP d’adapter le prix des bids en fonction du poids de la cohorte ciblée sur une page.

Les acheteurs toujours dépendants du cookie 

La sauvegarde de leurs revenus en dépendant directement dans les environnements sans cookies comme Safari ou Firefox, l’intérêt du ciblage contextuel sémantique semble bien identifié chez les éditeurs. Dans un précédent article de juin 2019, Reworld Media affirmait ainsi réaliser 50 % de ses campagnes en direct (deals et programmatique garantie) en contextuel, une proportion qui atteint les 80 % aujourd’hui.

L’éditeur a développé son propre outil il y a deux ans. Il permet de connecter directement son CMS à son adserver pour créer des segments à partir de mots clés et du champ sémantique d’un contenu. “Nous sommes passés de 15 à 40 thématiques activables en un an”, explique Grégoire Gaffié, le responsable monétisation de Reworld Media. Il revendique des performances 20 à 30 % supérieures sur le taux de clic et la visibilité par rapport à du ciblage data classique. La place de marché Mediasquare est également positionnée sur le contextuel depuis sa création et fait appel à différentes sociétés, dont Orion Semantics, Sirdata et Qwarry, pour catégoriser l’inventaire de ses éditeurs membres – une logique aussi adoptée par l’alliance Gravity. 

 

Pour le moment c’est un enjeu côté éditeur pour valoriser l’inventaire sur les navigateurs sans cookies. L’acheteur continuera à utiliser des cookies tant qu’il le peut, notamment pour le capping

Baptiste Berger

directeur commercial de Mediasquare

Côté achat, le marché s’accorde à dire qu’il est pour le moment difficile de faire comprendre la plus-value d’un ciblage totalement contextuel tant que le cookie est encore disponible. La faute en partie à un manque d’indicateurs de suivi, et l’incapacité de gérer la fréquence publicitaire (le capping), ou l’attribution. “Pour le moment c’est un enjeu côté éditeur pour valoriser l’inventaire sur les navigateurs sans cookies. L’acheteur continuera à utiliser des cookies tant qu’il le peut, notamment pour le capping”, constate Baptiste Berger (Mediasquare).

Teads et Smart entreprennent d’ailleurs un travail d’évangélisation auprès des annonceurs. “Notre but est avant tout de faire comprendre à l’annonceur que le contexte est un moyen d’amplifier le message publicitaire”, explique Rémi Cackel (Teads). Des secteurs annonceurs semblent plus à même d’utiliser ce type de ciblage. “Certains annonceurs comme les marques automobiles sont plus mâtures sur cette logique d’adéquation de contextes et d’audiences. D’autres secteurs très ROIstes et adeptes du retargeting – comme le retail – commencent à creuser le sujet”, ajoute Benoît Oberlé, le CEO de Sirdata.

Le succès de ces solutions dépendra de leur capacité à analyser l’ensemble des formats et environnements (in-app, vidéo, audio), mais aussi de s’intégrer pleinement dans le marché programmatique open auction et pas seulement sous forme de deals ID, afin d’adresser de plus gros volumes. Ce que cherche à faire Sirdata en construisant des currated deals ID, ou Qwarry, en cherchant à se positionner comme fournisseur de données pour les SSP et même directement comme SSP. “Le but est de faire que notre donnée remonte dans les bid requests des SSP et que le modèle Qwarry soit lisible par l’ensemble de la chaîne”, conclut Julie Walther (Qwarry). Alors que Privacy Sandbox piétine et que les identifiants uniques n’adressent qu’une partie de l’audience, le ciblage contextuel reste bien l’une des pistes les plus crédibles pour préparer l’après cookies-tiers.