Évaluer l’exposition aux MFA dans les campagnes display
Les MFA transforment un problème de qualité média en risque économique mesurable
Les sites MFA, pour Made for Advertising, désignent des environnements éditoriaux principalement conçus pour capter des budgets publicitaires plutôt que pour servir une expérience utilisateur ou une valeur éditoriale substantielle. Ils ne sont pas toujours frauduleux au sens strict : beaucoup respectent formellement les règles de diffusion, chargent réellement les annonces et génèrent parfois des clics humains. C’est précisément ce qui les rend difficiles à traiter. Le problème n’est pas seulement la fraude ; c’est l’écart entre une impression techniquement valide et une exposition susceptible de créer de la valeur marketing.
Dans les campagnes display, l’exposition aux MFA est devenue un enjeu central parce que ces sites combinent souvent plusieurs caractéristiques défavorables : densité publicitaire élevée, pagination artificielle, contenus générés ou recyclés, arbitrage de trafic, titres à forte incitation au clic, faible attention, inventaires vendus via de multiples chemins programmatiques et performance apparente parfois trompeuse. Pour un annonceur, le risque est double. D’un côté, les MFA peuvent améliorer artificiellement certains indicateurs de surface, comme le CPM, coût pour mille impressions, ou le CTR, click-through rate, taux de clic. De l’autre, ils peuvent dégrader les indicateurs qui importent réellement : couverture utile, qualité de l’attention, coût par visite qualifiée, CPA, coût par acquisition, c’est-à-dire le montant dépensé pour générer une conversion attribuée, et ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires.
Le sujet mérite une approche analytique, car couper brutalement tous les inventaires suspectés de MFA n’est pas toujours optimal. Certaines listes sont imparfaites, les définitions divergent, et des environnements à faible coût peuvent malgré tout contribuer à certains objectifs de haut de funnel, le funnel désignant le parcours allant de la notoriété à la considération, puis à la conversion. Mais ignorer les MFA revient à laisser les algorithmes d’achat privilégier des impressions faciles à gagner, peu chères et parfois riches en signaux d’engagement de faible qualité. L’évaluation doit donc répondre à une question précise : quelle part du budget display est exposée à des environnements MFA, quelle valeur réelle ces impressions produisent-elles, et comment ajuster l’achat sans détruire la couverture incrémentale ?
Les ordres de grandeur justifient la vigilance. Plusieurs audits de supply chain programmatique ont observé que les MFA pouvaient représenter une part à deux chiffres des dépenses display ouvertes. L’étude ANA sur la transparence de la chaîne programmatique, publiée aux États-Unis en 2023, a notamment estimé qu’environ 15 % des dépenses analysées pouvaient être associées à des sites MFA. Ce chiffre n’est pas directement transposable à tous les marchés, mais il donne une indication : le risque n’est pas marginal. Sur un plan display de 500 000 euros, même une exposition MFA de 10 % représente 50 000 euros potentiellement alloués à des contextes dont la contribution business doit être démontrée, et non supposée.
Définir ce que l’on mesure : MFA, low quality inventory et fraude ne sont pas synonymes
La première erreur consiste à confondre MFA, fraude publicitaire et inventaire de faible qualité. La fraude, souvent mesurée via l’IVT, invalid traffic, trafic invalide généré par des bots, des comportements non humains ou des manipulations techniques, relève d’un problème de validité. Le MFA relève plutôt d’un problème d’intention éditoriale et de design économique. Un site MFA peut avoir un taux d’IVT faible, des impressions visibles selon les standards du marché et des vendeurs autorisés dans ads.txt. Il peut donc passer les filtres antifraude classiques tout en offrant une expérience publicitaire médiocre.
Un inventaire MFA se reconnaît rarement par un seul signal. Il faut construire une grille de qualification. Les signaux les plus courants incluent une très forte densité publicitaire par page, une proportion élevée de formats display par rapport au contenu, des contenus courts ou génériques, une navigation fragmentée en diaporamas, une dépendance au trafic payé ou recommandé, une part importante de visites venant de réseaux de recommandation de contenu, des taux de rebond élevés, des durées de session faibles, des domaines nombreux appartenant à un même opérateur et une monétisation via de multiples SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire publicitaire.
La difficulté opérationnelle vient du fait que chaque acteur définit les MFA différemment. Un outil de vérification peut classer un domaine comme MFA sur la base de la densité publicitaire et de la qualité éditoriale. Une agence peut utiliser une liste d’exclusion propriétaire. Un DSP, demand-side platform, plateforme permettant aux acheteurs de piloter leurs enchères et leurs audiences en programmatique, peut intégrer un score supply. Un éditeur ou une régie peut contester le classement en mettant en avant du trafic humain et des taux de visibilité corrects. L’annonceur doit donc formaliser sa propre définition de risque, en distinguant au moins trois niveaux : exclusion certaine, surveillance renforcée et inventaire à tester.
Une définition robuste peut s’appuyer sur quatre dimensions. Premièrement, la qualité éditoriale : originalité, profondeur, fréquence de publication, utilité du contenu, transparence de l’éditeur. Deuxièmement, la qualité d’expérience : densité publicitaire, intrusivité, pagination, temps de chargement, stabilité de la page, part d’autorefresh. Troisièmement, la qualité média : viewability, ou visibilité publicitaire, taux de rendu, taux d’IVT, brand safety, encombrement publicitaire, position dans la page. Quatrièmement, la qualité business : visites qualifiées, conversions incrémentales, nouveaux clients, marge et contribution assistée.
Cette distinction est essentielle. Si l’annonceur traite les MFA uniquement comme un problème de brand safety, il risque de sous-estimer l’impact économique. Si l’annonceur les traite uniquement comme un problème de performance, il risque de conserver des environnements qui captent l’attribution sans contribuer au développement de la demande. L’objectif n’est pas de créer une police morale du web, mais de s’assurer que chaque euro display achète une probabilité raisonnable d’attention, de mémorisation ou d’action.
Construire une base de diagnostic à partir des log-level data
Évaluer l’exposition aux MFA suppose de descendre au niveau le plus granulaire possible. Les reportings agrégés par campagne ou par exchange masquent les concentrations de risque. Les log-level data, données événementielles au niveau de l’impression, de l’enchère ou de la requête publicitaire, constituent la meilleure base d’analyse lorsqu’elles sont disponibles. Elles permettent de relier chaque impression à un domaine ou une application, un seller, une SSP, un deal ID, un format, un device, un prix, un statut de visibilité, un signal d’IVT, une audience et éventuellement une conversion.
La matrice minimale doit contenir le domaine ou l’app bundle, le seller ID, le type de vendeur direct ou reseller, la SSP, le DSP, le format, le placement lorsque disponible, le CPM payé, la viewability, le taux de clic, les visites post-clic, les conversions attribuées, les conversions dédupliquées et les coûts technologiques. Pour le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, il est utile d’ajouter la win rate, c’est-à-dire le taux d’enchères remportées, les floors, prix planchers imposés par les vendeurs, et les bid requests dupliquées.
Une méthode opérationnelle consiste à créer un score d’exposition MFA par domaine. Ce score peut combiner des signaux externes, issus d’outils spécialisés ou de listes de place de marché, et des signaux internes observés sur les campagnes. Par exemple, un domaine peut recevoir des points de risque s’il présente plus de 35 % d’espace publicitaire au-dessus de la ligne de flottaison, un ratio pages vues par visite anormalement élevé, une durée moyenne de session inférieure à 15 secondes, plus de cinq emplacements publicitaires par page, une forte dépendance au trafic de recommandation payant ou une présence via de nombreux resellers. Les seuils doivent être adaptés à la catégorie, mais l’intérêt est de passer d’une intuition à une classification auditable.
Un exemple simple illustre l’intérêt du niveau log. Une campagne display affiche un CPM moyen de 2,40 euros, une viewability de 68 % et un CPA attribué de 38 euros. Le tableau semble acceptable. Mais l’analyse par domaine montre que 18 % du budget est concentré sur 42 domaines classés à risque MFA. Ces domaines affichent un CPM moyen de 1,30 euro, une viewability de 74 %, un CTR deux fois supérieur à la moyenne, mais un taux de rebond post-clic de 92 % et une durée moyenne de visite de 6 secondes. Hors MFA, le CPM remonte à 2,75 euros, mais le coût par visite qualifiée baisse de 31 %. La lecture économique s’inverse : les inventaires les moins chers augmentaient le volume, pas la valeur.
Il faut également auditer les chemins d’approvisionnement. Un même domaine MFA peut apparaître via plusieurs SSP et plusieurs resellers. La supply path optimization, ou SPO, désigne l’optimisation des chemins d’achat afin de réduire les doublons, les frais et l’opacité entre DSP, SSP et éditeurs. Sans SPO, l’annonceur peut exclure un domaine sur une route tout en continuant à l’acheter via une autre. Le diagnostic doit donc croiser domaines, sellers et supply paths, et non se limiter à une liste de noms de sites.
Mesurer le coût réel : du CPM apparent au coût par exposition utile
Les MFA prospèrent souvent parce qu’ils répondent bien à certains objectifs algorithmiques mal spécifiés. Si une campagne optimise au CPM bas, au clic ou à la conversion post-view sans pondération de qualité, les environnements à forte densité publicitaire et trafic peu cher deviennent mécaniquement attractifs. L’évaluation doit donc convertir les métriques médias en coût d’exposition utile.
Le premier calcul est le vCPM, coût pour mille impressions visibles. Une campagne achetée à 1,50 euro de CPM avec 45 % de visibilité revient à 3,33 euros de vCPM. Une autre achetée à 3 euros de CPM avec 75 % de visibilité revient à 4 euros de vCPM. À ce stade, l’inventaire MFA peut encore sembler compétitif. Mais la visibilité minimale, par exemple 50 % des pixels pendant une seconde en display selon les standards couramment utilisés, ne mesure pas l’attention. Il faut donc ajouter des seuils plus discriminants : durée visible, taille du format, position, encombrement publicitaire et interaction réelle.
Un deuxième calcul consiste à mesurer le coût par visite qualifiée. Une visite qualifiée peut être définie par une durée supérieure à 20 ou 30 secondes, au moins deux pages vues, un scroll significatif, une consultation produit ou une action intermédiaire. Supposons deux groupes d’inventaire. Le groupe A, à risque MFA, dépense 20 000 euros, génère 15 000 clics et 1 200 visites qualifiées. Son coût par visite qualifiée est de 16,67 euros. Le groupe B, inventaire éditorial contrôlé, dépense 30 000 euros, génère seulement 8 000 clics, mais 3 000 visites qualifiées. Son coût par visite qualifiée est de 10 euros. Le CTR du groupe A était meilleur ; la valeur comportementale était inférieure.
Le troisième calcul porte sur les conversions. Le CPA attribué peut fortement sous-estimer le coût réel si les conversions sont captées sur des audiences déjà engagées. L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact marketing. Dans le cas des MFA, les conversions post-view doivent être traitées avec prudence. Une impression faiblement attentive, servie sur une page saturée, quelques heures avant un achat déjà probable, peut recevoir du crédit sans avoir causé la vente. Il faut donc distinguer conversions attribuées, conversions dédupliquées et conversions incrémentales, c’est-à-dire les conversions qui n’auraient probablement pas eu lieu sans l’exposition publicitaire.
Une méthode pragmatique consiste à appliquer une pondération de qualité aux conversions associées à des environnements MFA ou à risque. Par exemple, une conversion post-clic avec visite qualifiée et nouveau client peut être conservée à 100 %. Une conversion post-view sur impression visible moins de deux secondes, auprès d’un visiteur récent du site, peut être pondérée à 10 % ou exclue du pilotage. Une conversion post-view sur impression visible plus de cinq secondes, dans un contexte non MFA, peut recevoir un coefficient intermédiaire. Cette logique ne remplace pas un test d’incrémentalité, mais elle évite d’alimenter les algorithmes avec des signaux de faible qualité.
Identifier les signaux de sur-exposition : quand les dashboards paraissent bons
L’exposition aux MFA ne se révèle pas toujours par une baisse visible de performance. Au contraire, certains signaux peuvent paraître positifs. Un CTR élevé peut provenir de placements accidentogènes, d’une navigation confuse ou d’une forte pression publicitaire. Une viewability élevée peut être obtenue dans des pages où les publicités occupent une part disproportionnée de l’écran. Un CPA faible peut refléter une sur-attribution sur des audiences chaudes. L’audit doit donc rechercher les incohérences.
Premier signal : un écart anormal entre clics et engagement post-clic. Si un domaine affiche un CTR supérieur de 200 % à la moyenne mais une durée de session inférieure de 70 %, il faut investiguer. Le clic n’est pas toujours un signe d’intention ; il peut être un artefact de design. Deuxième signal : un ratio impressions par utilisateur trop élevé. Les MFA peuvent multiplier les opportunités d’exposition sur des sessions fragmentées, ce qui augmente la fréquence servie sans améliorer la couverture utile. Troisième signal : une concentration budgétaire rapide sur des domaines à bas CPM. Les algorithmes de pacing peuvent déplacer les budgets vers des sources faciles à acheter, surtout en fin de journée ou de campagne.
Quatrième signal : une forte divergence entre performance plateforme et analytics annonceur. Si le DSP revendique un ROAS élevé mais que l’outil analytics ou le data warehouse ne confirme pas la progression des ventes, des nouveaux clients ou des visites qualifiées, la campagne capte peut-être une attribution de faible qualité. Cinquième signal : une présence excessive via resellers. Un domaine peut être autorisé dans ads.txt, mais vendu par de multiples intermédiaires avec des coûts et niveaux de transparence différents. Plus la chaîne est longue, plus le risque d’opacité et de duplication augmente.
Sixième signal : une distribution de fréquence déséquilibrée. Une moyenne de fréquence à 4 peut masquer un sous-segment exposé 20 ou 30 fois, souvent sur des inventaires peu chers. L’analyse doit distinguer fréquence servie, fréquence visible et fréquence qualifiée. Une fréquence servie élevée sur MFA n’a pas la même valeur qu’une séquence d’expositions visibles dans des contextes éditoriaux cohérents.
Enfin, il faut regarder les corrélations temporelles. Si la hausse de dépenses sur des domaines à risque MFA n’est pas suivie d’une hausse des recherches marque, des visites directes, des ajouts panier ou des ventes incrémentales, leur contribution doit être questionnée. Inversement, si une réduction contrôlée de ces domaines ne dégrade pas les conversions dédupliquées, l’annonceur dispose d’un argument solide pour les exclure ou les plafonner.
Tester l’impact : exclusions, holdouts et arbitrages de couverture
Une bonne évaluation des MFA ne s’arrête pas à un classement de domaines. Elle doit mesurer l’effet des décisions. L’exclusion brutale peut améliorer la qualité moyenne, mais aussi réduire la liquidité, augmenter les CPM, modifier la couverture et ralentir l’apprentissage algorithmique. Le bon protocole consiste à tester l’impact par paliers.
Le premier niveau est l’analyse avant-après avec groupe de contrôle. On exclut les domaines classés risque élevé sur une partie comparable de la campagne, tout en conservant un groupe témoin. On mesure ensuite l’évolution du CPM, du vCPM, de la portée, des visites qualifiées, du CPA, du ROAS et du taux de nouveaux clients. L’avant-après simple est insuffisant, car la saisonnalité, la pression concurrentielle ou les promotions peuvent biaiser les résultats. Un groupe de contrôle limite ce risque.
Le deuxième niveau est le holdout, groupe volontairement non exposé ou moins exposé servant de contrefactuel. Par exemple, une marque peut maintenir 10 % d’une audience éligible sans exposition display sur inventaires à risque, puis comparer les conversions et visites qualifiées avec le groupe exposé. Si la différence est faible alors que le budget consommé est significatif, l’incrémentalité des MFA est probablement limitée. Le holdout est particulièrement utile pour les campagnes de retargeting, où les risques de sur-attribution sont élevés.
Le troisième niveau est le geo-test. Certaines zones géographiques reçoivent une pression display nettoyée des MFA, d’autres conservent la configuration initiale. On compare ensuite les indicateurs business : ventes, visites magasin, leads, recherches marque ou trafic direct. Cette méthode est plus lourde, mais pertinente lorsque l’impact attendu dépasse le simple comportement post-clic.
Un cas typique : un distributeur observe que 22 % de ses dépenses display ouvertes partent vers des domaines classés MFA ou assimilés. Après exclusion des 10 % les plus risqués et plafonnement des domaines intermédiaires, le CPM moyen augmente de 18 %, mais le coût par visite qualifiée baisse de 24 %, le taux de nouveaux clients progresse de 9 % et les conversions dédupliquées restent stables. La conclusion n’est pas que tous les inventaires bon marché étaient inutiles, mais que la campagne achetait trop de volume substituable. L’optimisation pertinente consiste alors à réallouer vers des environnements plus chers mais plus contributifs, tout en conservant éventuellement une poche de test contrôlée.
Les arbitrages doivent être explicites. Pour une campagne de notoriété, l’annonceur peut accepter certains inventaires de faible coût si la couverture incrémentale est prouvée et si la brand suitability, adéquation entre contexte et exigences de marque, reste acceptable. Pour une campagne de considération ou de conversion assistée, les seuils doivent être plus stricts. Pour une campagne de performance pure, les MFA ne doivent être conservés que si les conversions sont dédupliquées, qualifiées et idéalement validées par test incrémental.
Mettre en place une gouvernance durable de la qualité supply
Le traitement des MFA ne peut pas reposer sur une liste d’exclusion ponctuelle. Les domaines changent, les vendeurs se réorganisent, de nouveaux sites apparaissent, les plateformes modifient leurs règles et les algorithmes cherchent en permanence des poches de liquidité. Il faut donc inscrire le sujet dans une gouvernance continue de la qualité supply.
Cette gouvernance doit commencer par une taxonomie commune. Les équipes média, data, achat, brand safety et finance doivent partager les mêmes catégories : MFA confirmé, MFA probable, low quality inventory, inventaire premium, inventaire à tester, inventaire exclu. Chaque catégorie doit être associée à des règles : exclusion pré-bid, plafonnement budgétaire, enchère réduite, mesure renforcée ou validation par test. Le pré-bid désigne le filtrage ou l’optimisation avant l’enchère, à partir de signaux prédictifs ; il doit être complété par du post-bid, c’est-à-dire l’analyse après diffusion des résultats réellement observés.
La gouvernance doit également intégrer les partenaires technologiques. Le DSP doit permettre des listes d’exclusion et d’inclusion granulaires, idéalement au niveau domaine, app bundle, seller et SSP. L’outil de vérification doit fournir des classifications transparentes et exportables. L’agence ou le trading desk doit documenter les arbitrages de supply path. Les rapports doivent montrer la part de budget par classe de qualité, et non seulement les performances globales. Un tableau de bord pertinent inclura par exemple : part de dépenses MFA confirmées, part à risque, vCPM par classe, coût par visite qualifiée, conversions dédupliquées, taux de nouveaux clients, IVT, viewability, fréquence visible et nombre de supply paths par domaine.
Le pilotage des enchères doit aussi évoluer. Plutôt que d’exclure uniquement, l’annonceur peut appliquer des coefficients d’enchère. Un domaine premium ou éditorial vérifié peut conserver l’enchère normale. Un domaine à risque modéré peut recevoir une enchère réduite de 30 % et un plafond de fréquence. Un domaine MFA confirmé peut être exclu, sauf protocole de test. Cette approche évite une logique binaire trop brutale et permet de préserver la liquidité lorsque les données ne sont pas parfaitement certaines.
La finance doit être impliquée, car l’enjeu est économique. Un inventaire MFA peut sembler réduire le CPM moyen, donc améliorer l’efficience média apparente. Mais si l’on raisonne en marge incrémentale, en nouveaux clients ou en LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque, le coût réel peut être supérieur. La gouvernance doit donc déplacer la conversation du coût d’achat vers la contribution nette.
Conclusion : transformer l’audit MFA en décisions d’allocation
Évaluer l’exposition aux MFA dans les campagnes display ne consiste pas à produire une liste noire supplémentaire. C’est un exercice d’allocation de valeur. Les MFA révèlent les faiblesses d’un achat programmatique trop piloté par le volume, le CPM bas ou des conversions attribuées sans contrôle de qualité. Ils obligent les annonceurs à distinguer impression valide, impression visible, exposition utile et contribution incrémentale.
Une méthode actionnable peut s’organiser en huit étapes. Premièrement, définir une taxonomie MFA propre à l’annonceur, en séparant fraude, faible qualité et risque éditorial. Deuxièmement, collecter les données au niveau domaine, seller, SSP, format, device et chemin d’achat. Troisièmement, scorer les inventaires avec des signaux de qualité éditoriale, d’expérience, de média et de performance business. Quatrièmement, calculer le coût par exposition utile, pas seulement le CPM ou le vCPM. Cinquièmement, dédupliquer et pondérer l’attribution, notamment sur le post-view. Sixièmement, tester les exclusions ou plafonnements via groupes de contrôle, holdouts ou geo-tests. Septièmement, appliquer des règles différenciées : exclusion, enchère réduite, plafond de fréquence ou surveillance. Huitièmement, suivre dans le temps la part de budget exposée aux MFA et son impact sur la marge, les nouveaux clients et la couverture incrémentale.
La maturité ne se mesure pas à la disparition totale des inventaires controversés, mais à la capacité de l’organisation à savoir ce qu’elle achète, pourquoi elle l’achète et quelle valeur cela produit. Un plan display peut tolérer une part d’expérimentation sur des environnements moins chers si la contribution est prouvée. Il ne peut pas accepter qu’une part significative du budget soit absorbée par des impressions qui améliorent les dashboards tout en affaiblissant l’attention, la marque et la performance réelle.
Pour les professionnels du marketing, le point clé est donc de reprendre le contrôle de la supply. Les plateformes optimisent selon les objectifs qu’on leur donne. Si ces objectifs valorisent des signaux faciles à produire, les MFA trouveront leur place. Si les objectifs intègrent qualité d’exposition, engagement réel, déduplication, incrémentalité et valeur client, leur poids devient beaucoup plus difficile à justifier. C’est à ce niveau que l’audit MFA cesse d’être une initiative de brand safety pour devenir un levier de performance économique.
