Comparer pre-bid et post-bid pour limiter le trafic invalide

Limiter le trafic invalide exige de choisir où intervenir dans la chaîne d’achat

Dans l’achat média programmatique, la lutte contre le trafic invalide ne se résume plus à bloquer quelques domaines suspects ou à ajouter un fournisseur de vérification en fin de campagne. Elle devient un arbitrage économique : faut-il empêcher l’impression d’être achetée avant l’enchère, ou l’analyser après diffusion pour corriger, exclure, réclamer et réallouer ? La comparaison entre pre-bid et post-bid est donc centrale pour les annonceurs qui veulent protéger leur budget sans assécher leur couverture utile.

Le trafic invalide, ou IVT pour invalid traffic, désigne les impressions, clics, vues ou conversions qui ne correspondent pas à une opportunité publicitaire humaine et légitime. Le MRC, Media Rating Council, distingue généralement le GIVT, general invalid traffic, trafic invalide relativement simple à détecter, comme des robots connus ou des data centers identifiés, et le SIVT, sophisticated invalid traffic, trafic invalide sophistiqué impliquant usurpation de domaine, manipulation de mesure, bots avancés ou fausse représentation de l’inventaire. Cette distinction est importante : le GIVT se filtre souvent efficacement en amont, alors que le SIVT exige une analyse comportementale et log-level plus fine.

Dans un environnement RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire lorsqu’elle devient disponible, la décision d’achat se prend en quelques dizaines de millisecondes. Le DSP, demand-side platform, plateforme utilisée par l’acheteur pour piloter enchères, audiences et budgets, reçoit une bid request transmise par une SSP, supply-side platform, plateforme permettant aux éditeurs de vendre leur inventaire. À ce moment précis, l’acheteur doit décider s’il enchère, à quel prix et avec quel niveau de confiance. Le pre-bid intervient avant cette décision. Le post-bid intervient après la diffusion, lorsque davantage de signaux sont observables.

L’enjeu n’est pas marginal. Sur des inventaires ouverts ou mal gouvernés, quelques points d’IVT peuvent transformer un plan apparemment efficient en allocation dégradée. Une campagne à 500 000 euros avec 4 % de trafic invalide documenté expose déjà 20 000 euros à une absence de valeur. Mais le coût réel dépasse souvent cette ligne : les algorithmes d’optimisation peuvent apprendre sur de mauvais signaux, l’attribution peut créditer des conversions suspectes, et le CPA, coût par acquisition, c’est-à-dire le coût nécessaire pour générer une conversion attribuée, peut paraître artificiellement bas si des clics ou visites non qualifiés gonflent les volumes.

Comparer pre-bid et post-bid revient donc à arbitrer entre prévention et apprentissage. Le pre-bid réduit le risque avant dépense, mais peut exclure des inventaires légitimes ou réduire la liquidité. Le post-bid apporte une preuve plus riche, mais intervient après consommation budgétaire. Les stratégies les plus matures ne choisissent pas l’un contre l’autre : elles construisent une boucle où le pre-bid filtre les risques évidents et le post-bid mesure, qualifie et alimente les règles futures.

Comprendre où naît l’IVT dans la chaîne programmatique

Le trafic invalide peut apparaître à plusieurs niveaux de la chaîne d’achat. Il peut provenir d’un utilisateur non humain, d’un navigateur automatisé, d’une application à faible qualité d’usage, d’un inventaire falsifié, d’un placement non conforme, d’un empilement de publicités, d’un domaine usurpé ou d’un clic généré artificiellement. Une impression peut aussi être humaine mais non conforme à la promesse d’achat : par exemple une vidéo déclarée instream alors qu’elle est diffusée dans un petit player outstream non visible. Tous ces cas n’ont pas le même impact ni la même méthode de détection.

La première source de risque est la mauvaise représentation de l’inventaire. Dans l’OpenRTB, protocole standardisé par lequel les plateformes échangent les informations nécessaires à l’enchère, la bid request déclare un domaine, une application, un format, une position, un type de vidéo, un device, une géographie et parfois des informations d’audience. Si ces signaux sont incomplets, erronés ou manipulés, le DSP peut enchérir sur une impression dont la valeur réelle est inférieure à la valeur perçue.

La deuxième source est la duplication et l’opacité supply. Une même opportunité peut être disponible via plusieurs SSP ou revendeurs. Sans contrôle des fichiers ads.txt et app-ads.txt, standards de l’IAB Tech Lab permettant aux éditeurs de déclarer les vendeurs autorisés, ni lecture de sellers.json et du SupplyChain Object, il devient difficile d’identifier le vendeur réel, les intermédiaires impliqués et le niveau de transparence du chemin d’achat. Le risque n’est pas seulement frauduleux ; il est économique. Des frais supplémentaires ou un chemin de mauvaise qualité peuvent rendre une impression apparemment bon marché moins efficiente.

La troisième source est comportementale. Certains signaux ne sont détectables qu’après exposition : durée de session anormale, taux de clic aberrant, absence totale d’engagement post-clic, répétition d’adresses IP, patterns horaires suspects, taux de conversion incohérent, mismatch géographique, proxy, émulateur, environnement in-app douteux ou séquences de navigation impossibles. Le pre-bid peut prédire ces risques à partir d’historiques, mais il ne peut pas tout observer au moment de l’enchère.

La quatrième source concerne la mesure elle-même. Un fournisseur de vérification, un ad server, un DSP et une plateforme analytics peuvent afficher des chiffres différents pour la même campagne. Ces écarts viennent des définitions d’impression, des fenêtres de collecte, des capacités de mesure en web, in-app ou CTV, connected TV, télévision connectée permettant de diffuser des publicités dans des environnements de streaming, et des règles de filtrage. Un audit sérieux doit donc distinguer IVT détecté, IVT filtré, IVT non mesurable et trafic simplement non qualifié. Confondre ces catégories conduit à des décisions trop brutales.

Le pre-bid : empêcher l’achat des impressions à risque avant la dépense

Le pre-bid désigne les règles, scores et filtres appliqués avant l’enchère pour éviter d’acheter des impressions dont le risque est jugé trop élevé. Dans un DSP, ces filtres peuvent porter sur le trafic invalide, la brand safety, la visibilité prédite, les domaines, applications, sellers, formats, géographies, devices ou types d’environnement. Le principe est simple : si le signal disponible indique une probabilité élevée d’IVT ou de non-conformité, l’acheteur n’enchérit pas.

Le premier avantage du pre-bid est budgétaire. Une impression bloquée avant enchère ne consomme pas le budget média, ne génère pas de frais d’ad serving et ne perturbe pas les algorithmes d’optimisation par de faux signaux. Dans une campagne vidéo à 300 000 euros achetée à 15 euros de CPM, coût pour mille impressions, un filtre pre-bid qui évite 6 % d’inventaire à risque peut théoriquement préserver 18 000 euros de dépenses brutes, avant même d’intégrer les coûts de mesure, de temps trading et d’opportunité.

Le deuxième avantage est opérationnel. Le pre-bid permet de standardiser des seuils minimaux par campagne : exclusion des data centers, blocage des applications non déclarées, contrôle ads.txt, refus des sellers non autorisés, filtrage des environnements historiquement associés à de l’IVT, suppression des formats non mesurables ou des inventaires dont la viewability, visibilité publicitaire, est structurellement trop faible. Ces règles réduisent le bruit et donnent au trader un inventaire plus sain à optimiser.

Mais le pre-bid a trois limites majeures. Premièrement, il repose sur des signaux prédictifs. Une impression peut être classée comme risquée parce qu’un domaine ou une application a eu un historique faible, alors que le placement exact est légitime. À l’inverse, un inventaire peut passer les filtres parce que le risque n’est pas encore détecté. Deuxièmement, un filtrage trop strict réduit la liquidité. En programmatique, la liquidité désigne le volume d’impressions disponibles après application des critères d’achat. Si l’on combine exclusions IVT, brand safety stricte, viewability élevée, audience étroite et fréquence limitée, le CPM peut monter rapidement et la couverture incrémentale baisser.

Troisièmement, le pre-bid peut produire des faux positifs. Un faux positif est une impression légitime bloquée comme suspecte. Sur des campagnes de notoriété ou de reach, la perte peut être significative. Imaginons une campagne visant 10 millions de contacts utiles sur une cible large. Un filtre pre-bid agressif qui retire 25 % de l’inventaire disponible peut améliorer le taux d’IVT apparent, mais augmenter le vCPM, coût pour mille impressions visibles, et concentrer la pression sur quelques environnements premium déjà surexposés. Le résultat peut être une meilleure hygiène média, mais une moindre efficacité de couverture.

Le bon usage du pre-bid consiste donc à hiérarchiser les risques. Les signaux très fiables, comme data centers connus, sellers non autorisés, domaines spoofés ou applications absentes d’app-ads.txt, doivent être bloqués. Les signaux probabilistes, comme faible qualité historique ou anomalie modérée de visibilité, doivent plutôt ajuster l’enchère, la priorité ou le niveau de surveillance, sauf lorsque l’objectif de marque impose un seuil strict.

Le post-bid : mesurer la réalité diffusée et corriger les biais d’optimisation

Le post-bid désigne l’analyse réalisée après l’enchère et la diffusion, à partir des impressions effectivement servies, rendues, mesurées, visibles, cliquées ou converties. Il peut s’appuyer sur des tags de vérification, des rapports d’ad server, des logs DSP, des données analytics, des données CRM et parfois des log-level data, données événementielles au niveau de chaque requête, impression ou clic. Son rôle est moins de prévenir que de prouver, qualifier et apprendre.

Le premier intérêt du post-bid est la granularité. Il permet d’observer les écarts par domaine, application, SSP, seller, deal ID, format, device, heure, géographie, création et audience. Une campagne peut afficher 1,8 % d’IVT global, niveau apparemment acceptable, mais cacher des poches à 12 % sur certaines applications ou à 8 % sur des heures nocturnes. Sans segmentation post-bid, ces anomalies restent diluées dans la moyenne et continuent d’absorber du budget.

Le deuxième intérêt est la qualification des conversions. Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, peut être fortement biaisé si les conversions sont associées à des impressions ou clics invalides. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, doit donc intégrer un filtre qualité. Une conversion post-view ne devrait pas être créditée de la même manière si l’impression était non mesurable, non visible ou marquée comme suspecte. De même, un clic généré depuis un environnement à taux de rebond de 98 %, temps moyen sur site de 2 secondes et absence totale de progression dans le funnel, parcours allant de la notoriété à la considération puis à la conversion, doit être traité avec prudence.

Le troisième intérêt est contractuel. Le post-bid fournit les éléments nécessaires pour réclamer des crédits, appliquer des makegoods, c’est-à-dire des compensations média, ou renégocier des deals. Dans les achats directs, PMP, private marketplace, ou programmatique garanti, un rapport post-bid précis peut montrer que certains emplacements ne respectent pas les seuils convenus. Dans l’open auction, il sert surtout à alimenter des listes d’exclusion, des allowlists, des règles de SPO, supply path optimization, optimisation des chemins d’approvisionnement visant à réduire les doublons, les frais et l’opacité.

Mais le post-bid a une limite évidente : il arrive après dépense. Si 50 000 impressions frauduleuses ont été achetées, l’analyse les identifiera peut-être, mais le budget a déjà été consommé. Les mécanismes de remboursement ou de non-facturation ne couvrent pas toujours l’intégralité de la perte, notamment lorsque les frais technologiques, l’apprentissage algorithmique et l’opportunité manquée sont pris en compte. Un post-bid efficace doit donc être rapide. Une détection à J+30 est utile pour l’audit ; une détection quotidienne ou intra-hebdomadaire est nécessaire pour le pilotage.

Le post-bid est également dépendant de la mesurabilité. En CTV, in-app ou walled gardens, environnements fermés où la plateforme contrôle l’accès aux données, les signaux disponibles peuvent être limités. Dans ces cas, il faut compléter la vérification par des métriques de cohérence : fréquence par foyer, taux de complétion, distribution des devices, overlap d’audience, lift de recherches marque, visites qualifiées, conversions dédupliquées ou tests d’incrémentalité.

Comparer pre-bid et post-bid avec un cadre économique, pas seulement technique

La comparaison entre pre-bid et post-bid doit être structurée autour de quatre questions : quel risque veut-on réduire, quel coût accepte-t-on, quelle précision est disponible et quel impact business attend-on ? Une approche strictement technique, fondée sur le taux d’IVT détecté, est insuffisante. Le bon indicateur est le coût de l’exposition utile et incrémentale après filtrage, mesure et correction.

Un framework opérationnel peut s’organiser ainsi :

1. Risque évitable avant enchère : signaux très fiables et stables, tels que data centers, sellers non autorisés, domaines usurpés, apps non déclarées, inventaires sans transparence minimale. Ces risques relèvent prioritairement du pre-bid.
2. Risque probabiliste : environnements à historique variable, placements peu visibles, inventaires long tail, anomalies de prix ou de fréquence. Ces risques doivent influencer l’enchère et être surveillés en post-bid.
3. Risque comportemental : clics anormaux, sessions suspectes, conversions incohérentes, engagement nul, patterns horaires atypiques. Ces risques relèvent surtout du post-bid, puis alimentent les règles futures.
4. Risque business : attribution gonflée, CPA artificiel, ROAS surestimé, cannibalisation du bas de funnel. Ce risque exige une lecture post-bid reliée au CRM, à l’analytics et aux tests d’incrémentalité.

Prenons un cas chiffré. Un annonceur e-commerce investit 200 000 euros en display et vidéo programmatique. Sans filtrage avancé, la campagne achète 80 millions d’impressions à 2,50 euros de CPM moyen. Le rapport post-bid indique 3,5 % d’IVT global, soit 7 000 euros de média invalidé. Après mise en place d’un pre-bid strict sur sellers non autorisés, data centers et domaines à risque élevé, l’IVT tombe à 1,9 %, mais le CPM moyen monte à 2,80 euros et le volume accessible baisse de 18 %. Si les conversions qualifiées restent stables et que le taux de nouveaux clients progresse, le filtrage est rentable. Si le reach baisse fortement et que le CPA augmente de 25 %, le pre-bid est trop restrictif ou mal segmenté.

Le calcul doit aller au-delà du budget évité. Supposons que la première configuration génère 5 000 conversions attribuées, soit un CPA apparent de 40 euros. Après filtrage post-bid des clics suspects, des impressions non visibles et des doublons CRM, il reste 3 600 conversions qualifiées, soit un CPA corrigé de 55,60 euros. La seconde configuration génère 4 600 conversions attribuées, mais 3 900 qualifiées, soit un CPA corrigé de 51,30 euros. Malgré un CPM plus élevé et moins de volume, la stratégie filtrée est plus efficiente sur la performance réelle.

La nuance est essentielle. Un faible taux d’IVT n’est pas automatiquement synonyme de meilleure performance. Un plan peut être très propre mais trop étroit, trop cher ou trop concentré sur des audiences déjà chaudes. À l’inverse, un plan large avec un taux d’IVT légèrement supérieur peut être acceptable si l’exposition utile, la couverture incrémentale et la marge générée compensent le risque. La lutte contre l’IVT doit donc être intégrée dans une logique d’allocation, pas traitée comme une quête de pureté absolue.

Construire une boucle pre-bid et post-bid pilotée par la donnée

La meilleure architecture consiste à faire dialoguer pre-bid et post-bid. Le pre-bid établit une barrière minimale ; le post-bid enrichit la connaissance et ajuste les règles. Cette boucle doit être documentée, cadencée et gouvernée. Sinon, les équipes accumulent des exclusions sans savoir si elles améliorent réellement la performance.

Première étape : définir des seuils de risque par objectif. Une campagne de notoriété peut accepter un seuil d’IVT résiduel légèrement supérieur si elle recherche une couverture large, à condition de contrôler la visibilité et la sécurité de marque. Une campagne de génération de leads doit être plus stricte sur les clics suspects, les formulaires invalides, les sources à faible engagement et les environnements à patterns automatisés. Une campagne retail media doit relier l’IVT aux ventes dédupliquées, au statut nouveau client et à la marge.

Deuxième étape : segmenter les règles. Appliquer le même filtre à tous les environnements est rarement optimal. Le web mobile, l’in-app, la CTV, le display desktop, la vidéo outstream et les marketplaces retail n’ont pas les mêmes signaux ni les mêmes risques. Une règle pre-bid pertinente en open auction web peut être inadaptée dans un deal direct. Une anomalie de complétion vidéo en CTV ne s’interprète pas comme une anomalie de clic display.

Troisième étape : suivre des KPI de qualité en parallèle des KPI business. Les indicateurs minimums incluent taux d’IVT, taux de mesurabilité, taux de visibilité, vCPM, part de sellers directs, part de domaines ou apps inconnus, win rate, fréquence, taux de clic suspect, taux de rebond post-clic, temps sur site, conversion qualifiée, CPA corrigé, ROAS corrigé et part de nouveaux clients. Le suivi doit distinguer performance attribuée et performance dédupliquée.

Quatrième étape : utiliser les logs pour identifier les poches d’inefficience. Les rapports agrégés suffisent pour piloter des seuils globaux, mais les décisions fines exigent des données plus granulaires : bid request, clearing price, seller, supply chain, device, timestamp, placement, outcome, visibilité, IVT, clic, visite et conversion. Même lorsque l’annonceur ne dispose pas de logs complets, il peut demander des exports par combinaison domaine, SSP, seller et format afin d’identifier les segments à couper, surveiller ou revaloriser.

Cinquième étape : éviter l’effet liste noire infinie. Beaucoup d’organisations réagissent à chaque anomalie en ajoutant des exclusions. Cette approche peut devenir contre-productive : elle complexifie le pilotage, réduit la liquidité et ne traite pas toujours la cause. Il faut distinguer exclusion définitive, exclusion temporaire, mise sous surveillance, baisse d’enchère, passage en deal direct ou demande de transparence au partenaire supply. La bonne décision dépend du volume, de la gravité, de la répétition et de l’impact business.

Les arbitrages à ne pas sous-estimer : couverture, apprentissage algorithmique et responsabilité fournisseur

La réduction de l’IVT crée des arbitrages souvent sous-estimés. Le premier concerne la couverture. Plus les filtres pre-bid sont stricts, plus le volume d’impressions disponibles diminue. Sur une audience niche ou un marché local, cela peut empêcher la campagne d’atteindre une pression suffisante. Un annonceur B2B visant une audience restreinte de décideurs peut préférer un inventaire plus cher mais vérifié. Une marque grande consommation cherchant une couverture nationale doit arbitrer plus finement entre risque résiduel et reach utile.

Le deuxième arbitrage concerne l’apprentissage algorithmique. Les DSP optimisent à partir des signaux qu’ils observent. Si le pre-bid bloque trop d’inventaire trop tôt, l’algorithme peut manquer d’exploration et se concentrer sur des poches déjà connues, parfois plus chères. À l’inverse, si le post-bid révèle que l’algorithme récompense des clics de faible qualité, il faut corriger l’objectif d’optimisation. Optimiser au clic sur des inventaires exposés à la fraude est souvent dangereux ; optimiser sur des visites qualifiées, leads validés ou conversions CRM réduit le risque, même si le volume d’apprentissage diminue.

Le troisième arbitrage est contractuel. Qui porte la responsabilité du trafic invalide : l’annonceur, l’agence, le DSP, la SSP, l’éditeur, le fournisseur de mesure ? La réponse dépend des contrats, des définitions et des standards retenus. Une gouvernance mature précise les seuils acceptables, la source de vérité, les règles de non-facturation, les délais de contestation, les formats de reporting et les obligations de transparence. Sans cela, le post-bid devient une discussion tardive plutôt qu’un levier de correction.

Le quatrième arbitrage concerne la mesure de performance. Une campagne peut réduire son IVT et voir son CPA apparent se dégrader, simplement parce que les conversions faciles mais douteuses disparaissent. Ce n’est pas forcément une mauvaise nouvelle. Le CPA apparent doit être remplacé par un CPA qualifié ou incrémental. L’incrémentalité mesure ce qui n’aurait probablement pas eu lieu sans l’exposition publicitaire, via holdout, geo-test, conversion lift ou MMM, marketing mix modeling, modélisation statistique qui estime la contribution des leviers à partir de séries temporelles. Une impression propre mais non incrémentale n’a pas plus de valeur économique qu’une impression invalide ; elle est seulement moins frauduleuse.

Conclusion : articuler prévention, preuve et réallocation

Comparer pre-bid et post-bid pour limiter le trafic invalide ne consiste pas à choisir un camp. Le pre-bid est indispensable pour bloquer les risques évidents avant dépense : data centers, sellers non autorisés, usurpation, inventaires non transparents, environnements historiquement problématiques. Le post-bid est indispensable pour comprendre la réalité diffusée : poches d’IVT, anomalies comportementales, qualité des clics, conversions suspectes, biais d’attribution et performance corrigée. L’un protège le budget ; l’autre construit l’apprentissage.

Une feuille de route actionnable peut se résumer en huit décisions. Premièrement, définir l’IVT selon des standards clairs, en distinguant GIVT, SIVT, trafic non mesurable et trafic non qualifié. Deuxièmement, appliquer en pre-bid les filtres à forte fiabilité : ads.txt, app-ads.txt, sellers.json, SupplyChain Object, data centers, domaines ou applications à risque avéré. Troisièmement, éviter les seuils uniformes : segmenter par objectif, format, environnement, deal, seller et audience. Quatrièmement, mettre en place un post-bid quotidien ou hebdomadaire capable d’identifier les poches d’anomalie avant la fin de campagne.

Cinquièmement, corriger les KPI business en filtrant les impressions, clics et conversions suspects afin de lire un CPA et un ROAS qualifiés. Sixièmement, relier la qualité média à l’incrémentalité, car une campagne propre peut rester économiquement faible si elle ne crée pas de demande nouvelle. Septièmement, transformer les enseignements post-bid en décisions différenciées : exclusion, baisse d’enchère, surveillance, SPO, renégociation de deal ou changement d’objectif algorithmique. Huitièmement, formaliser la gouvernance avec les partenaires média, data, finance et juridiques afin que les règles de mesure, contestation et optimisation soient connues avant diffusion.

La maturité ne se mesure pas à un taux d’IVT proche de zéro obtenu au prix d’une couverture anémique. Elle se mesure à la capacité de l’annonceur à acheter suffisamment d’impressions utiles, au bon coût, dans des environnements transparents, tout en empêchant les signaux invalides de contaminer l’attribution et les algorithmes. Le pre-bid est le pare-feu. Le post-bid est l’enquête. La performance durable naît de leur boucle commune : filtrer avant, mesurer après, apprendre vite et réallouer sans laisser les moyennes masquer les risques concentrés.