On vous explique : comment fonctionne l’analyse sémantique pour le ciblage contextuel

Face à la raréfaction des inventaires avec consentement et reliés à un tracker publicitaire (cookies sur les navigateurs, IDFA sur mobile, etc.), une partie du marché de la publicité en ligne entend faire de l’analyse des données contextuelles un socle solide pour le ciblage publicitaire. Une étude de Teads auprès de son réseau d’éditeurs montrait ainsi que 27 % des éditeurs médias envisageaient dans l’immédiat renforcer l’exploitation des données contextuelles, autant que celle des données propriétaires (27 %) et plus que les identifiants unique (19%).

Jusqu’à récemment, la majorité des dispositifs de ciblage contextuel reposaient sur de l’inclusion ou de l’exclusion de mots-clés présents dans les URL et le contenu d’un article, ou le texte de présentation par exemple. Ce qui présentait alors plusieurs limites, comme l’expliquait Yann Le Roux, country manager France d’Integral Ad Science dans une tribune publiée dans mind Media : un mot peut être à la fois positif ou négatif selon le contexte dans lequel il est cité (Covid) ; on note l’existence de “faux négatifs” (explosion liée à un attentat, ou explosion de saveurs) ; et les listes de mots-clés ne sont pas dynamiques, lourdes à opérer, et doivent être actualisées en fonction de l’actualité et du contexte mondial. 

Afin de pallier ces écueils, depuis quelques années, les acteurs de la publicité en ligne (data provider, SSP, DSP, éditeurs…) mettent en avant des solutions d’analyse sémantique du contexte de diffusion. “Il faut distinguer 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”, nous expliquait Baptiste Berger, le directeur commercial de Mediasquare, en octobre 2020. 

Dans le dernier cas, les acteurs de la publicité en ligne revendiquent s’appuyer sur des algorithmes de Natural language processing (NLP), dont fait partie notamment le Natural language understanding (NLU), ou compréhension naturelle du langage, lesquels nécessitent plusieurs étapes de traitement pour fonctionner.

Accéder aux contenus « non-bruités »

Le premier défi est d’alimenter ces modèles avec une donnée de qualité, aussi bien pour les entraîner que pour catégoriser efficacement les contenus. Pour la récupération du texte des pages du site de l’éditeur, les différents acteurs interrogés indiquent utiliser des web crawlers qui lisent une partie du code des pages non connues.