🚀 Publicité dans les chatbots : monétisation & ciblage IA
Découvrez comment la publicité dans les chatbots se monétise avec l’IA : ciblage efficace, transparence et protection des données IA. Analyse & limites.
La publicité dans les chatbots peut-elle rester utile ?
Une annonce dans un chatbot n'arrive pas au même moment que sur une page de résultats. Ici, l'utilisateur vient de décrire un problème, de comparer des options ou de demander conseil. Du coup, l'annonce peut être plus pertinente qu'un lien sponsorisé classique. Mais elle peut aussi donner l'impression d'être carrément intrus, surtout quand la conversation touche à quelque chose d'intime.
C'est tout le dilemme auquel fait face le secteur. Répondre à des requêtes en langage naturel coûte cher, et beaucoup d'acteurs n'ont pas les mêmes moyens que les géants du numérique. Alors, pour trouver un modèle économique qui tienne, certains misent sur la publicité. OpenAI dit avoir attiré plus de 100 000 annonceurs depuis le lancement des publicités dans ChatGPT. Google, de son côté, étend ses annonces dans son mode de recherche conversationnel. Anthropic, à l'inverse, continue d'afficher son refus d'intégrer de la publicité dans Claude.
Les retours du moment donnent des indices, pas encore une recette. On verra ce qui marche vraiment, comment le contexte d'une discussion change le ciblage, et surtout où sont les risques pour la vie privée. Et l'enjeu n'est pas uniquement de générer des clics : il faut aussi financer le service sans tuer la confiance qui le rend utile.
Pourquoi les chatbots cherchent-ils à intégrer de la publicité ?
Les assistants d'IA doivent financer une infrastructure coûteuse. Chaque réponse mobilise des ressources de calcul, auxquelles s'ajoutent les dépenses de développement, de sécurité et de distribution. L'abonnement peut couvrir une partie du coût, mais il ne touche pas les utilisateurs qui ne veulent ou ne peuvent pas payer. La publicité devient alors un autre moyen de monétiser un service gratuit ou peu cher.
Tout le monde ne se retrouve pas dans la même situation, financièrement. Un grand acteur peut s'appuyer sur plusieurs sources de revenus, alors qu'une application plus spécialisée a moins de marges de manœuvre. Dans ce cas, l'argent publicitaire peut rendre le produit plus durable et limiter la dépendance aux levées de fonds.
Un marché en phase de test
Les annonces se multiplient, mais les chiffres doivent être pris avec prudence. OpenAI annonce plus de 100 000 annonceurs depuis l'arrivée des publicités dans ChatGPT. Google dit aussi avoir étendu ses annonces dans son mode de recherche par IA à dix pays supplémentaires après les États-Unis, et affirme que les utilisateurs les jugent pertinentes. Intéressant, mais ça ne prouve ni une adoption sans réserve côté utilisateurs, ni une satisfaction unanime côté annonceurs.
On voit aussi des acteurs plus spécialisés. Koah Labs, par exemple, travaille avec des applications d'IA et des marques. D'après son dirigeant, les annonces de son réseau atteindraient un taux de clic d'environ 3 %, ce qui serait comparable à celui du système publicitaire de Google. Sauf qu'un clic ne dit pas tout : il faut regarder les conversions, les désabonnements, les plaintes et l'évolution de la confiance. Sinon, on ne sait pas si l'annonce aide vraiment, ou si elle ne fait que capter l'attention.
L'absence de publicité est aussi un choix économique
Anthropic a promis de garder Claude sans publicité. Ce choix maintient une expérience plus neutre, mais il ne sera pas forcément facile à reproduire partout. Le contexte financier compte : toutes les entreprises n'ont pas les mêmes moyens, et elles n'ont pas non plus forcément d'autres activités pour absorber le coût d'un chatbot.
En clair : une stratégie publicitaire n'est pas automatiquement bonne ou mauvaise. Tout dépend du coût du service, des revenus alternatifs disponibles et de la promesse faite aux utilisateurs. Certaines applications préféreront un abonnement plus élevé, une version sans annonces, ou un modèle hybride. Dans tous les cas, la répartition du coût change : entre l'utilisateur, l'annonceur et l'entreprise.
Quels formats et ciblages semblent fonctionner ?
Le principal intérêt pour un annonceur, c'est le contexte. Une recherche classique est souvent courte : « thérapeute près de chez moi » ou « chaussures de randonnée ». En conversation, l'utilisateur explique davantage : la situation, les contraintes, ce qu'il cherche vraiment. Résultat, l'annonce peut proposer quelque chose de plus adapté qu'un simple message basé sur un mot-clé.
Koah Labs explique qu'une annonce pour un spa peut fonctionner après une question liée au stress, là où une recherche traditionnelle sur le même sujet mènerait plus naturellement vers un thérapeute. La différence n'est pas seulement technique. Dans une conversation, la personne peut préciser qu'elle veut se détendre, sans demander un acte médical. Le ciblage peut alors s'appuyer sur l'intention exprimée, et sur le fil de l'échange.
Le contexte aide, mais ne règle pas tout
Un système publicitaire peut analyser la demande, et, si c'est autorisé, la réponse du chatbot ainsi que les messages précédents. Il a donc plus d'indices qu'un moteur qui traite une requête isolée. Pour l'annonceur, ça peut mieux aligner l'offre sur le besoin. Pour l'utilisateur, ça peut éviter d'être servi une annonce hors sujet.
Mais plus de contexte ne veut pas dire meilleur ciblage. Une discussion longue peut mélanger plusieurs thèmes, contenir des hypothèses ou évoluer au fil des messages. Si le modèle conclut trop vite, il peut proposer quelque chose de mal adapté. Et parfois, une confidence peut être interprétée comme un signal commercial : même si l'annonce est « pertinente » au sens technique, elle peut sembler déplacée ou trop exploitante.
Au final, il faut distinguer trois choses : la pertinence du message, sa légitimité dans la conversation, et son impact réel. Une annonce peut être bien ciblée et rester gênante. Elle peut aussi générer un clic sans répondre au besoin, ni améliorer l'expérience. D'où l'idée de tester ces dimensions, plutôt que d'optimiser uniquement le taux de clic.
Créer du texte avec l'IA change le niveau de contrôle
Koah indique que les annonces dont le texte est partiellement généré par IA obtiennent environ deux fois plus de clics que celles rédigées entièrement par des humains. Une hypothèse plausible : le ton de l'annonce colle mieux à celui des réponses produites par l'IA. Attention toutefois : c'est une affirmation de l'entreprise, et on ne peut pas attribuer avec certitude la différence au seul fait que le texte soit généré.
La génération automatique pose aussi un vrai problème : l'IA peut inventer une caractéristique, exagérer une promesse ou omettre une condition importante. Koah dit fonder ses annonces sur les descriptions et les visuels fournis par les marques, ce qui limite le risque d'information fabriquée, sans le supprimer. Dans des secteurs réglementés (la santé, par exemple), on a besoin de validation humaine, parce que les formulations autorisées sont encadrées.
Une approche pratique consiste à séparer la génération et la validation. L'IA peut ajuster la longueur ou le ton selon l'emplacement, mais les faits vérifiables (prix, conditions, mentions obligatoires, etc.) doivent rester sous contrôle côté annonceur. Plus le coût d'une erreur est élevé, moins il est raisonnable de laisser l'automatisation décider seule.
La personnalisation publicitaire est-elle compatible avec la vie privée ?
C'est sans doute le point le plus sensible. Koah explique recevoir l'historique de conversation jusqu'au moment où une annonce doit être affichée. L'entreprise affirme anonymiser les requêtes et les stocker sous une forme désidentifiée, sans entrer dans les détails sur la collecte et la conservation. Pour les utilisateurs, ce flou pose problème : sans règles clairement expliquées, il est difficile de juger le compromis.
Une conversation peut contenir des informations personnelles : des inquiétudes de santé, des difficultés financières, des sujets liés au travail. Même si l'annonceur ne reçoit pas directement le nom de la personne, la personnalisation basée sur un contexte intime peut donner l'impression d'être surveillé. Et l'anonymisation ne répond pas à tout : quelles données sont réellement utilisées ? combien de temps ? et comment ces données influencent-elles les annonces ?
Le cadre européen impose de clarifier les usages
En Europe, le RGPD oblige les organisations à encadrer le traitement des données personnelles, à expliquer les finalités et à limiter les données à ce qui est nécessaire. Dans le cas de publicités dans un chatbot, cela implique notamment de ne pas considérer l'historique conversationnel comme une ressource exploitable automatiquement. La base juridique, les informations données à l'utilisateur, la durée de conservation et les possibilités d'opposition doivent être examinées au cas par cas, selon le service et le traitement réellement effectué.
Le produit lui-même compte. Un réglage planqué dans des menus n'offre pas le même contrôle qu'une option compréhensible au moment où l'utilisateur commence à utiliser le service. Les entreprises devraient séparer ce qui sert à répondre de ce qui sert au ciblage publicitaire, et éviter d'utiliser des sujets sensibles pour personnaliser une annonce.
Il y a aussi un arbitrage. Plus on en sait sur l'utilisateur, plus on peut améliorer la pertinence, mais plus le risque juridique, réputationnel et opérationnel augmente. Réduire le contexte transmis ou ne cibler que sur la requête en cours peut baisser les performances à court terme. En contrepartie, c'est souvent plus simple à expliquer et à défendre.
Une publicité utile peut quand même être intrusive
Les défenseurs du modèle avancent que les utilisateurs apprécient les annonces pertinentes. Mais une généralité ne suffit pas. Certaines personnes peuvent accepter une publicité liée à leur besoin du moment, tout en refusant que l'ensemble de leurs conversations serve à déduire des habitudes. La confiance dépend aussi de la prévisibilité : il faut comprendre pourquoi cette annonce apparaît, et pouvoir agir sur le mécanisme.
La personnalisation peut aller plus loin que le simple choix d'une annonce. Koah évoque par exemple des pages d'arrivée adaptées à ce que l'utilisateur a exprimé (ou à ce que le chatbot n'a pas détaillé). Ça peut apporter des infos complémentaires... ou servir à exploiter une zone floue de la conversation pour pousser à l'achat. La frontière entre aide et manipulation tient alors à la transparence, à l'exactitude et à la possibilité de comparer les options.
Un test simple : est-ce que l'utilisateur serait surpris d'apprendre quelles informations ont été utilisées pour sélectionner l'annonce ? Si oui, l'expérience mérite d'être revue, même si les clics sont au rendez-vous. La performance immédiate ne compense pas une perte de confiance à long terme.
Que changent les agents d'achat pour les annonceurs ?
Les chatbots peuvent progressivement laisser une partie des tâches à des agents capables de comparer des produits ou de préparer un achat. Instinct ou Muse de Meta figurent parmi les projets qui explorent cette idée. Meta a aussi mentionné des commissions de transaction comme source possible de revenus. Dans ce scénario, les annonces pourraient perdre une partie de leur rôle direct, au moins sur certaines étapes du parcours, sans forcément disparaître.
Un agent ne lit pas des pages comme un humain. Il peut recevoir des critères, comparer des offres et proposer une recommandation. Les marques devront alors convaincre sur deux plans : l'utilisateur et le système qui l'aide. Le prix, la disponibilité, les conditions de retour, la qualité des données produit et la simplicité du parcours d'achat pèseront sur la décision.
Les contenus sponsorisés devront être lisibles par l'agent et par la personne
Le dirigeant de Koah pense qu'une marque pourra proposer à l'agent une offre combinant produit pertinent, réduction et parcours d'achat simple. Ça paraît faisable, mais il y a une condition : le contenu sponsorisé doit être clairement signalé. Si l'agent confond une promotion avec une recommandation indépendante, il peut pousser l'utilisateur dans un choix qui ne sert pas ses intérêts.
La transparence doit fonctionner à deux niveaux. L'utilisateur doit savoir qu'une recommandation est sponsorisée et comprendre ce que ça change. L'agent doit aussi pouvoir séparer, dans les données qu'il traite, les contenus payants des informations non sponsorisées. Sans cette distinction, les annonceurs pourraient acheter une visibilité qui ressemble à une recommandation neutre - au prix d'une érosion plus large de la confiance.
Les annonces liées au support client sont une zone sensible
Koah estime qu'environ une requête sur quatre concernant une marque ou un distributeur porte sur un retour, un échange ou une demande d'assistance. Une entreprise pourrait saisir ce moment pour rappeler une garantie ou proposer un parcours de résolution. Ça peut fonctionner si l'utilisateur obtient rapidement une réponse claire.
Mais afficher une publicité à quelqu'un qui est déjà mécontent peut aggraver les choses. S'il demande comment retourner un produit et qu'il voit une promotion pour en acheter un autre, le message peut sonner opportuniste. La priorité devrait être de résoudre le problème avant de pousser une offre. Dans certains cas, une annonce n'a tout simplement pas sa place dans la conversation.
Le bon choix dépend donc du stade du parcours : une demande d'information n'appelle pas la même réponse qu'une réclamation ou un retour en cours. Il faut prévoir des règles d'exclusion, suivre les réactions négatives et proposer une assistance qui ne dépend pas d'un clic publicitaire. Un achat publicitaire peut garantir l'affichage ; il ne garantit ni la réception, ni la résolution du souci.
Ă€ retenir
- La publicité peut aider à financer les chatbots, surtout pour des services spécialisés, mais elle n'est pas la seule option.
- Les conversations donnent plus de contexte que les recherches courtes : ça peut améliorer la pertinence, mais aussi augmenter le risque d'intrusion.
- Les premiers taux de clic annoncés ne prouvent pas, à eux seuls, la valeur commerciale ni l'acceptabilité côté utilisateurs.
- Générer du texte publicitaire avec l'IA nécessite des contrôles plus stricts sur les faits, les promesses et les mentions réglementaires.
- Dans un parcours d'achat porté par des agents, le caractère sponsorisé d'une recommandation doit être compris à la fois par l'utilisateur et par l'agent.
- Règle simple : ne pas afficher une annonce si elle détourne une demande d'aide ou exploite un sujet sensible.
Conclusion : la pertinence ne suffit pas
La publicité conversationnelle a un vrai avantage : elle peut tenir compte d'un besoin plus riche qu'une requête isolée. Les premiers résultats montrent que les annonceurs sont prêts à tester ce canal. Mais ça ne répond pas automatiquement aux questions de vie privée, de transparence et de qualité des recommandations.
Pour les éditeurs, la décision ne devrait pas reposer uniquement sur le potentiel de clic. Elle doit venir de la promesse du produit, des données réellement nécessaires et des conséquences d'une annonce mal placée. Pour les annonceurs, l'enjeu est de fournir des informations fiables et de distinguer clairement la promotion du conseil indépendant.
Et à mesure que les agents d'achat se développent, cette exigence devient encore plus forte : une publicité peut influencer ce que l'utilisateur voit, mais aussi ce que l'agent lui recommande ensuite. Le modèle restera durable uniquement si la monétisation est compréhensible, contrôlable et compatible avec l'intérêt de la personne qui pose la question.