La promesse d’une publicité parfaite… et ses limites
Depuis longtemps, les acteurs et actrices de la publicité poursuivent ce qu’ils présentent comme leur « Saint-Graal ».
L’objectif pour les annonceurs serait de pouvoir adresser le bon message, à la bonne personne, au bon moment : transmettre un message particulier à une personne particulière au moment précis où il y aurait le plus de chances d’influencer son comportement.
Avec le développement des technologies numériques — collecte de données, profilage, intelligence artificielle — cette ambition est souvent présentée comme plus réalisable que jamais. Mais dans les faits, est-ce si vrai ?
Une promesse au cœur de l’économie des plateformes
Cette idée d’une publicité toujours plus personnalisée joue un rôle central dans le modèle économique de nombreuses plateformes numériques.
Depuis les années 2000, la publicité ciblée est régulièrement présentée comme plus efficace que les formes de publicité traditionnelles, précisément parce qu’elle permettrait de s’adresser à des publics mieux identifiés grâce aux données collectées sur leurs comportements.
Dans cette perspective, la collecte massive de données sur les utilisateur·rices apparaît comme une condition nécessaire pour améliorer la précision du ciblage.
Plus les plateformes disposent d’informations sur les comportements, les centres d’intérêt ou les habitudes de navigation, plus elles seraient capables d’afficher des publicités pertinentes.
C’est notamment sur cette promesse d’efficacité que s’est construite une grande partie de l’économie des plateformes. La chercheuse Shoshana Zuboff souligne que cette logique contribue à légitimer l’extraction et l’analyse de données comportementales à grande échelle.
Mais cette promesse d’une publicité ultra-ciblée repose-t-elle réellement sur des résultats solides ?
Une efficacité difficile à mesurer
Malgré cette promesse d’une publicité toujours plus précise et efficace, plusieurs chercheurs et chercheuses s’interrogent aujourd’hui sur les preuves réelles de son efficacité.
Dans son livre Subprime Attention Crisis (traduit en français sous le titre Le grand krach de l’attention), le chercheur Tim Hwang avance une thèse provocatrice : le marché de la publicité ciblée pourrait être largement surévalué.
Selon lui, une grande partie de l’économie numérique repose sur l’idée que le ciblage publicitaire permet d’influencer efficacement les comportements d’achat. Pourtant, les preuves empiriques de cette efficacité restent limitées.
Dans certains cas, les entreprises chargées de mesurer l’efficacité des campagnes publicitaires sont également celles qui les vendent, ce qui complique l’évaluation réelle de leur efficacité.
De plus, l’automatisation et l’opacité des systèmes encouragent plusieurs phénomènes qui viennent influencer les données (fraude publicitaire, fermes à clics, etc.).
Selon Tim Hwang, cette situation peut créer une distorsion entre la valeur réelle de la publicité en ligne et les sommes investies dans ce secteur.
Cette hypothèse se confirme également lors que l’on discute avec les jeunes. En effet, ces dernier·ères se disent méfiant de la publicité, et ont tendance à accorder plus de confiance à un produit quand celui est présenté par quelqu’un qu’il ou elle suive :
« Je ferai plus confiance à la vidéo que je regarde. La pub à la télé elle a pour but de nous faire acheter, une personne que je regarde peut donner son avis.«
Une économie qui influence aussi les médias
Cette logique économique ne concerne pas seulement les plateformes publicitaires : elle influence également le fonctionnement de nombreux médias en ligne.
Comme l’explique le sociologue Dominique Cardon, les médias numériques se sont progressivement adaptés aux métriques produites par les plateformes et les systèmes publicitaires pour subsister.
Dans de nombreux médias en ligne, les indicateurs d’audience — nombre de clics, partages, temps de lecture — peuvent jouer un rôle comparable à celui d’un rédacteur en chef invisible, orientant les contenus vers ce qui attire le plus l’attention. Les métriques deviennent alors un élément central de l’organisation éditoriale.
Nous aborderons plus en détails l’influence du modèle économique des plateformes sur la création de contenu dans le Module 3.
Les données au cœur du modèle des plateformes
Les plateformes semblent gratuites, mais leur modèle repose largement sur la publicité. Dans ce contexte, les données deviennent une ressource centrale.
Les informations collectées sur les utilisateur·rices permettent d’abord de mieux cibler les annonces publicitaires. Elles servent aussi à personnaliser les contenus proposés — vidéos, publications ou informations susceptibles de retenir l’attention — afin d’inciter les utilisateur·rices à rester plus longtemps sur la plateforme et d’être exposés à davantage de publicité.
Mais cette accumulation de données a aussi une autre conséquence : elle renforce la position des grandes plateformes. Comme le souligne Dominique Cardon, les entreprises qui disposent d’une grande quantité de données d’usage peuvent améliorer leurs services et leurs algorithmes plus rapidement que leurs concurrents. La possession de données devient ainsi un avantage décisif dans la compétition économique.
Dans le chapitre suivant, nous verrons comment ces données sont utilisées par les algorithmes de recommandation, qui orientent de plus en plus la manière dont les contenus apparaissent dans nos expériences numériques.
À retenir
