Pierre Harand (Fifty-five) : “La moitié des données de campagnes qui alimentent les IA génératives sont mal qualifiées”

Vous aviez enregistré l’année dernière une croissance au-dessus de la moyenne du marché publicitaire et adtech, qu’en est-il aujourd’hui ? 

Fifty-Five a enregistré une croissance de 10 % en 2023 (contre 31 % en 2022, ndlr). La dynamique était au-dessus de la normale l’année dernière car nous étions positionnés sur des transformations data qui se font sur plusieurs années (réflexion autour de la data, disparition des cookies tiers), et il y avait un effet de rattrapage du marché. Mais aussi parce que nous nous sommes étendus géographiquement et que le développement de notre filiale américaine avait tiré la croissance. 

Nous n’avons pas observé de grand bouleversement depuis début 2024, le marché est assez mou en raison du contexte économique. Au travers des différentes crises de ces dernières années, le digital surperformait, et on sent que c’est moins le cas aujourd’hui, malgré l’émergence de certains leviers comme le retail media et la CTV. 

Fifty-five s’est beaucoup positionné ces dernières années sur l’évolution des web analytics, notamment avec l’invalidation de Google Analytics par la Cnil, et la disparition progressive des cookies tiers. Comment ont évolué les attentes sur ces problématiques post-cookies tiers ?

Il y a en effet eu une grande vague il y a deux ans, qui est derrière nous aujourd’hui. Le marché s’est globalement mis à jour. On note maintenant des enjeux clés autour de la mesure et du ciblage, autour desquels il y a un vide. Sur le digital, pendant des années, les solutions d’attribution étaient mises en avant pour la mesure de l’activation. Mais cela ne fonctionnera plus sans cookies tiers pour faire le lien entre les différents points de contact, et on se retrouvera avec une vision post click vieille d’il y a dix ans. 

Nous pensons que la solution réside dans le marketing mix modeling internalisé, un modèle d’IA qui tourne sur le cloud de l’annonceur et qui est alimenté en temps réel par toutes ses données (digital et offline). Il permet ensuite de mesurer l’impact de chaque initiative sur le média ou le prix pour offrir beaucoup plus de granularité qu’un modèle traditionnel. Ce type de modèle a déjà été mis en place pour plusieurs de nos clients, dont Auchan et Leroy Merlin en France. Côté ciblage, nous travaillons encore beaucoup sur l’intégration de CDP pour une meilleure exploitation des données propriétaires.

Quelle est la différence avec le MMM classique ?

La principale différence tient au fait qu’il tourne en temps réel. Autrefois, on se basait sur des études d’économétrie, on sortait des analyses et des rapports plus approximatifs, reposant sur l’exploitation des données de l’année précédente. Aujourd’hui, on bénéficie de davantage de fraîcheur des données, et donc d’une meilleure analyse. Il s’agit de modèles plus puissants (agent based model) qui permettent notamment de stimuler des jumeaux numériques du marché français avec de nouvelles variables prix ou publicité par exemple.

Certains acteurs (Havas et Ekimetrics notamment) intègrent la mesure carbone à leur modèles de MMM pour aller jusqu’à prendre en compte l’impact écologique du produit commercialisé. Plus largement, la mesure carbone est-elle toujours un enjeu pour vos clients ?

En effet, à Cannes il y a deux ans, il y a eu beaucoup de bruit autour de la mesure de l’impact carbone de la publicité, mais lorsque les temps sont durs, les priorités business reprennent le dessus. C’est un sujet que l’on pousse toujours, mais il est plus difficile de trouver de l’écoute. 

La CSRD a cependant publié une nouvelle norme qui oblige toutes les entreprises à avoir un pilotage carbone, pas seulement au niveau marketing mais aussi au global, pour avoir des vrais “Carbon analytics”. Cela va devenir un enjeu central et nous le faisons déjà pour plusieurs clients à grande échelle comme Dacia. Dans une optique plus prospective, nous travaillons avec Shift Project sur l’empreinte carbone de l’IA générative.

Fifty-five a œuvré pour le développement d’infrastructures de données pour les retailers. Où en est cette activité, à l’heure de la plateformisation du secteur ? 

Nous continuons d’accompagner Valiuz sur ces problématiques, mais nous travaillons aussi avec les plateformes technologiques, en apportant du service, et sans essayer de les remplacer. C’est le cas pour Amazon Marketing Cloud, l’offre publicitaire du groupe pour la mesure de l’efficacité des campagnes des retailers, sur laquelle nous accompagnons notamment le groupe Nutrition et Santé. 

Il y a un an, le groupe Brandtech (maison-mère de Fifty-five) a racheté Pencil, un outil de création publicitaire utilisant l’IA générative. Quel est le rôle de Fifty-five dans l’intégration de Pencil et des autres technologies de ce type ? 

Nous considérons que Pencil est aujourd’hui l’une des seules solutions qui est réellement adaptée aux grands comptes, et nous avons aujourd’hui un rôle de services autour de l’outil, autour de plusieurs enjeux data. D’abord autour de l’analytics : la valeur incrémentale des solutions comme Pencil est de tester beaucoup plus de versions pour que le pilotage des créations soit data-driven. Deuxièmement, ces outils doivent être alimentés par des insights, les créations et performances des campagnes passées…C’est un vrai projet d’intégration data, il ne suffit pas de brancher Pencil sur des outils de mesure et d’insights. Il faut de la vectorisation pour les rendre ingérables, ce qui rend à terme plus indépendant sur le choix de l’outil ensuite.

La problématique légale que soulève l’IA générative, notamment autour de la propriété intellectuelle, a été très vite pointée par les acteurs du marché. Quels autres obstacles identifiez-vous ?

Il y a un sujet autour de la qualité de la donnée, notamment via leur extraction systématique et leur bonne catégorisation. Cela est rarement bien fait par les agences médias traditionnelles, à l’inverse c’est le cœur de notre métier. Il faut que chaque campagne ait un nom, qui permette de la catégoriser, ainsi qu’un objectif de performance, ou encore un moment associé (fêtes de fin d’années…). Rien que sur la définition de la taxonomie, la moitié des campagnes sont mal nommées et l’annonceur remonte des données erronées. 

Sur la partie légale, c’est beaucoup plus clair. Les plateformes technologiques ont montré leur maturité sur les sujets de protection des données, et il y a une définition claire des droits de production, qui appartiennent à ceux qui font tourner le modèle. Il reste cependant un gros doute sur les jeux de données qui ont entraîné les modèles en amont, en témoigne l’exemple de la recette de pizza à la colle donnée par Google (cette suggestion se serait appuyé sur des données provenant d’un forum de discussion sur Reddit, ndlr).

Finalement, l’enjeu ultime sera la gestion du changement au sein des entreprises. Cela va prendre des années, mais les premiers à le faire bénéficieront d’un vrai avantage.