Comparer les modèles de curation d’inventaire côté SSP

La curation côté SSP déplace le centre de gravité de l’achat programmatique

La curation d’inventaire côté SSP s’impose comme l’une des réponses les plus structurantes à la complexité croissante de la supply programmatique. Une SSP, supply-side platform, est une plateforme utilisée par les éditeurs et régies pour vendre leurs impressions publicitaires de manière automatisée. Historiquement, son rôle consistait surtout à exposer l’inventaire au plus grand nombre d’acheteurs via le RTB, real-time bidding, mécanisme d’enchères en temps réel qui permet à une DSP, demand-side platform, plateforme d’achat utilisée par les annonceurs et agences, d’acheter une impression au moment où elle devient disponible. La curation change cette logique : elle ne se contente pas d’ouvrir l’inventaire, elle le filtre, l’assemble, le qualifie et parfois le price avant même qu’il n’arrive dans la DSP.

Pour les acheteurs, l’enjeu n’est pas seulement opérationnel. Les chaînes d’approvisionnement programmatiques se sont fragmentées : multiplications des SSP, duplication des impressions, reselling, deals privés, places de marché retail media, inventaires vidéo et CTV, identifiants plus instables, exigences accrues de brand safety, de mesure carbone et de transparence financière. Dans ce contexte, acheter moins de supply mais mieux qualifiée devient souvent plus rationnel que maximiser l’accès. La curation côté SSP promet de réduire le bruit de marché, d’améliorer la qualité média, de simplifier le supply path optimization, ou SPO, démarche d’optimisation des chemins d’achat vers l’inventaire le plus efficace, et de reconstruire de la valeur dans un environnement où le ciblage utilisateur s’affaiblit.

Mais tous les modèles de curation ne se valent pas. Certains sont principalement des packages d’inventaire premium. D’autres reposent sur des signaux data, contextuels, attentionnels ou transactionnels. Certains transfèrent le contrôle vers les éditeurs, d’autres vers les SSP, les agences, les data providers ou les curators indépendants. Les différences ne sont pas anecdotiques : elles influencent les CPM, coût pour mille impressions, les taux de bid, la visibilité, l’accès à la donnée, la transparence des frais, le risque de duplication et la capacité à démontrer une performance incrémentale. Comparer les modèles nécessite donc une grille d’analyse plus fine que la simple opposition entre open auction et deal privé.

Le modèle éditeur-led : qualité, contrôle et rareté, mais scalabilité limitée

Le premier modèle de curation est piloté par l’éditeur ou la régie. L’éditeur sélectionne ses inventaires, ses formats, ses environnements, ses segments first-party, c’est-à-dire des données collectées directement auprès de ses propres audiences, puis les met à disposition via des deals privés, souvent sous forme de PMP, private marketplace, place de marché privée dans laquelle un acheteur accède à un inventaire qualifié selon des conditions définies. Ce modèle est historiquement proche de la vente directe, mais avec la flexibilité programmatique : enchères privées, deal ID, fréquence pilotable, reporting automatisé, compatibilité DSP.

Son principal avantage est le contrôle. L’éditeur connaît la qualité de ses pages, la profondeur de ses contenus, la pression publicitaire, la visibilité réelle, les formats disponibles et les signaux d’audience qu’il peut activer légalement. Pour une marque sensible à la brand safety, c’est-à-dire la capacité à éviter les environnements incompatibles avec ses valeurs ou risqués pour sa réputation, l’inventaire curé par l’éditeur peut réduire l’incertitude. Sur des verticales comme finance, santé, automobile ou luxe, cette qualité de contexte peut justifier un CPM supérieur de 20 % à 80 % par rapport à l’open auction, si elle s’accompagne d’un gain mesurable en attention, complétion vidéo ou taux de conversion.

Le modèle éditeur-led est particulièrement pertinent lorsque l’inventaire porte une valeur contextuelle forte. Un annonceur automobile qui achète un deal sur des contenus d’essais véhicule, de comparatifs ou de financement auto ne recherche pas seulement une impression visible ; il achète une intention contextuelle. De même, une marque B2B peut préférer un deal sur des médias professionnels qualifiés, même avec une couverture limitée, plutôt qu’un volume ouvert moins discriminant. Dans ces cas, la curation fonctionne comme une reconstruction du media planning qualitatif dans l’infrastructure programmatique.

Ses limites sont néanmoins nettes. Premièrement, la scalabilité peut être insuffisante, surtout si l’acheteur exige des formats vidéo premium, des audiences loguées ou des géographies précises. Deuxièmement, la comparaison inter-éditeurs devient complexe : chaque régie définit ses segments, ses règles de visibilité, ses exclusions et ses rapports. Troisièmement, le risque de surcoût existe si le deal privé n’apporte pas d’avantage réel sur l’open auction. Un PMP qui vend le même inventaire que l’open exchange avec un CPM majoré, sans priorité, sans data différenciante ni transparence de placement, est une curation nominale, pas une curation de valeur.

Le bon test consiste à comparer trois métriques : le taux d’accès réel à l’inventaire visé, le delta de qualité par rapport à l’open auction et la contribution business. Si un deal éditeur affiche un CPM de 8 euros contre 4 euros en open auction, mais améliore la viewability, visibilité publicitaire, de 55 % à 75 %, réduit l’IVT, invalid traffic ou trafic invalide, de 2,5 % à 0,5 %, et augmente le taux de visite qualifiée de 35 %, le surcoût peut être rationnel. Si le deal ne change que le mode d’achat, il faut le challenger.

Le modèle SSP-led : industrialiser la qualité supply sans multiplier les deals

Le deuxième modèle est piloté par la SSP elle-même. La plateforme agrège plusieurs éditeurs, applique des règles de sélection, construit des packages thématiques ou qualitatifs, puis les propose aux acheteurs sous forme de deal IDs, de marketplaces curées ou de segments supply. La SSP peut filtrer selon la visibilité, le format, la catégorie de contenu, la conformité ads.txt, le statut direct ou reseller, le type de device, le niveau de fraude, la densité publicitaire ou les signaux d’attention disponibles.

Ce modèle répond à une douleur opérationnelle : les acheteurs ne veulent pas gérer des dizaines de PMPs éditeur par éditeur, surtout lorsque leurs équipes pilotent plusieurs marchés, formats et objectifs. Une curation SSP-led permet de mutualiser les règles de qualité et de réduire le nombre de lignes d’achat dans la DSP. Elle s’inscrit naturellement dans les stratégies de SPO. Dans plusieurs audits programmatiques, la réduction des chemins d’achat peut diminuer le volume de bid requests, requêtes d’enchère envoyées aux acheteurs, de 30 % à 70 %, sans perte proportionnelle de reach utile. Cette réduction améliore parfois les taux de réponse DSP, réduit les coûts techniques et diminue la duplication d’impressions.

Le modèle SSP-led est efficace pour construire des standards transversaux. Par exemple, une SSP peut créer un package display visible avec seuil minimum de 70 % de viewability mesurée, exclusion des domaines à risque, conformité sellers.json, fichier public indiquant les vendeurs autorisés dans la chaîne programmatique, et filtrage des revendeurs non transparents. Elle peut aussi proposer un package vidéo instream premium, un package CTV avec contrôle d’app bundle, ou un package attention basé sur des signaux de durée à l’écran, d’interaction et de complétion.

L’arbitrage porte sur la transparence et l’indépendance du filtre. Une SSP a intérêt à monétiser son inventaire. Elle peut donc être juge et partie si elle qualifie comme premium des impressions qui servent surtout ses objectifs de volume. Pour les acheteurs experts, la question critique devient : quelles règles exactes définissent le package, qui les audite, quelle part de l’inventaire est directe, quel est le take rate, c’est-à-dire la commission ou marge prélevée dans la chaîne, et peut-on obtenir la liste des domaines ou apps inclus ?

Un bon modèle SSP-led doit fournir un niveau de transparence compatible avec le niveau de prix. Si l’acheteur paie un CPM supérieur pour un package curé, il doit pouvoir analyser la distribution par domaine, format, device, taille d’emplacement, viewability, IVT, taux de win et contribution post-clic ou post-view. Sans cela, la curation devient une boîte noire. Le risque n’est pas seulement financier ; il peut aussi fausser l’optimisation de la DSP, qui apprend sur un mix supply opaque et difficile à reproduire.

Le modèle curator-led : data, contexte et intermédiation spécialisée

Le troisième modèle repose sur un curator indépendant ou semi-indépendant : agence, trading desk, data provider, acteur AdTech spécialisé, retail media network ou partenaire de mesure. Le curator sélectionne l’inventaire côté SSP, y ajoute une logique d’audience, de contexte, d’attention, de géographie ou de performance, puis met le package à disposition des acheteurs. Ce modèle s’est développé parce qu’il répond à une tension centrale : les DSP optimisent principalement l’achat, mais toutes les décisions pertinentes ne doivent pas nécessairement être prises côté buy-side. Certaines peuvent être mieux traitées avant l’enchère, au niveau de la supply.

La valeur du curator-led dépend de la nature de l’intelligence ajoutée. Un simple regroupement de domaines premium n’est pas très différent d’un package SSP. En revanche, un curator capable de combiner contexte sémantique, signaux de qualité, contraintes de durabilité, données transactionnelles ou historique de performance peut créer une supply réellement différenciée. Par exemple, une marque de grande consommation peut activer un package d’inventaire contextualisé autour des recettes, courses, parentalité et hygiène, enrichi par des signaux retail anonymisés pour prioriser les environnements où la probabilité d’achat catégorie est supérieure.

Ce modèle est particulièrement intéressant dans un monde post-cookie. Lorsque les identifiants tiers deviennent moins disponibles, le ciblage ne peut plus reposer uniquement sur la reconnaissance utilisateur. La curation supply permet de déplacer une partie du ciblage vers le contexte, la qualité d’environnement, le moment de consommation média et les signaux agrégés. Ce n’est pas un substitut parfait à l’audience addressable, mais c’est une réponse plus robuste que la simple extension probabiliste d’identifiants.

Les limites sont importantes. D’abord, le cumul de frais peut augmenter rapidement. Une impression curée peut intégrer le fee SSP, le fee curator, le coût data, le coût de mesure et parfois une marge de trading. Sur certains deals, la différence entre le CPM payé par l’acheteur et le revenu net éditeur peut dépasser 30 % si la chaîne n’est pas maîtrisée. Ensuite, la gouvernance de la donnée est critique : qui a le droit de créer le segment, sur quelle base de consentement, avec quelle durée de conservation, et comment le segment est-il mis à jour ? Enfin, l’acheteur doit éviter de déléguer à un curator une décision qui devrait rester stratégique, comme l’arbitrage entre notoriété, considération et conversion.

Un framework utile consiste à évaluer le curator-led sur quatre dimensions : valeur ajoutée du signal, transparence de la supply, coût total de la chaîne et preuve de performance incrémentale. Si le curator apporte un signal rare, documenté et mesurable, le modèle peut justifier un premium. S’il vend une sélection peu transparente d’inventaires accessibles ailleurs, il ajoute surtout une couche d’intermédiation.

Le modèle data-driven : curation d’audience, clean rooms et signaux first-party

La curation data-driven consiste à construire des packages d’inventaire à partir de signaux d’audience ou de comportement, souvent activés côté SSP avant transmission à la DSP. Elle peut reposer sur des identifiants logués, des segments éditeurs, des données retailer, des cohortes contextuelles, des identifiants universels ou des clean rooms, environnements sécurisés permettant de croiser des données sans exposer directement les identifiants individuels. Sa promesse est claire : réintroduire de la précision dans l’achat programmatique sans dépendre exclusivement des cookies tiers.

Ce modèle est puissant lorsque la donnée a une relation directe avec l’objectif business. Une campagne d’assurance habitation peut bénéficier d’un segment propriétaire ou intention déménagement si la provenance est fiable. Une marque alimentaire peut tirer parti de signaux d’achat catégorie issus d’un retailer pour toucher des shoppers actifs. Une enseigne drive-to-store peut utiliser des signaux géographiques et transactionnels agrégés pour sélectionner les environnements et zones à potentiel. La logique n’est plus seulement acheter une audience dans la DSP, mais acheter un accès à de la supply préqualifiée par la donnée.

Le problème est que toutes les données ne se valent pas. Les segments probabilistes trop larges, les données vieillissantes ou les extensions lookalike mal calibrées peuvent dégrader la performance tout en augmentant les coûts. Dans un test concret, une marque peut observer un CPM passant de 5 à 9 euros avec un segment data curé, mais seulement 8 % d’amélioration du taux de conversion attribué. Si la marge par conversion est faible, l’opération est destructrice de valeur. À l’inverse, un segment plus cher peut être rentable s’il augmente le taux de nouveaux clients ou la LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation.

La curation data-driven doit donc être évaluée par lift et non par promesse. Le lift mesure l’amélioration par rapport à un groupe comparable non exposé au signal. Un protocole simple consiste à comparer trois cellules : open supply sans data, supply curée sans data additionnelle, supply curée avec data. Cette structure permet de distinguer l’effet qualité média de l’effet data. Si la cellule curée sans data performe déjà presque autant que la cellule data, le signal d’audience n’apporte peut-être qu’une faible valeur marginale. Si la cellule data améliore fortement le taux de conversion mais réduit la couverture et augmente le coût marginal, l’arbitrage dépend du rôle dans le funnel.

Pour les campagnes haut de funnel, la curation data-driven ne doit pas trop restreindre la couverture. Pour les campagnes bas de funnel, elle peut être plus sélective, mais il faut surveiller la cannibalisation et l’attribution. L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact publicitaires. Un segment très intentionniste peut afficher un ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, élevé, tout en captant des conversions qui se seraient produites naturellement. La donnée améliore la précision, mais elle ne prouve pas l’incrémentalité.

Le modèle qualité et conformité : brand safety, fraude, carbone et attention comme critères d’achat

Une autre famille de curation se concentre moins sur l’audience que sur la qualité de l’exposition. Elle filtre l’inventaire selon des critères de brand safety, brand suitability, fraude, visibilité, attention, durabilité carbone ou conformité réglementaire. Ce modèle devient stratégique parce que les annonceurs ne peuvent plus considérer toutes les impressions comme équivalentes. Une impression non visible, frauduleuse, mal contextualisée ou énergétiquement inefficiente a une valeur économique très différente d’une impression visible dans un contexte pertinent.

Les standards de base sont connus. Le MRC considère généralement une impression display visible lorsque 50 % des pixels sont affichés pendant au moins une seconde, et une impression vidéo lorsque 50 % des pixels sont affichés pendant au moins deux secondes. Mais ces standards sont des minima, pas des garanties d’attention. Une impression visible peut être ignorée. C’est pourquoi certains curators utilisent des scores attentionnels fondés sur la durée à l’écran, la taille du format, la position, l’encombrement publicitaire, le type de contenu et parfois des panels de mesure. Dans la vidéo et la CTV, la complétion, le son audible, l’écran partagé et la durée d’exposition deviennent des variables clés.

La curation qualité peut produire des gains immédiats. En supprimant les domaines à faible viewability, les apps à risque, les formats non mesurables et les chemins revendeurs opaques, un acheteur peut réduire son volume d’impressions de 40 % tout en maintenant une grande partie des conversions attribuées. Le CPA, coût par acquisition, c’est-à-dire le montant dépensé pour générer une conversion attribuée, peut alors baisser non parce que l’algorithme achète moins cher, mais parce qu’il cesse d’acheter des expositions inutiles. Le même raisonnement vaut pour le carbone : réduire les bid requests redondantes, les hops techniques et les inventaires peu performants peut diminuer l’empreinte technique sans nuire à la performance.

Mais ce modèle comporte un risque : sur-filtrer. Une brand suitability trop stricte peut exclure des contenus d’actualité légitimes, réduire la diversité des médias financés et concentrer les budgets sur un nombre limité d’environnements chers. Une stratégie carbone mal conçue peut privilégier des inventaires techniquement sobres mais moins efficaces, ce qui augmente finalement le coût par résultat. Un score attentionnel peut favoriser certains formats premium au détriment de formats moins visibles mais performants dans le parcours. La qualité doit donc être optimisée par contribution, pas par absolu.

Le bon cadre est un score pondéré. Par exemple : 30 % visibilité, 20 % fraude et transparence, 20 % adéquation contextuelle, 15 % attention, 10 % coût carbone estimé, 5 % diversité de supply. Cette pondération doit varier selon l’objectif. Une campagne de notoriété vidéo donnera plus de poids à l’attention et à la complétion. Une campagne performance donnera plus de poids au CPA incrémental, à la qualité de conversion et à l’absence de fraude. La curation qualité devient alors un outil d’allocation, pas une checklist statique.

Comparer les modèles par use case plutôt que par préférence technologique

La principale erreur consiste à chercher le meilleur modèle de curation en général. Il n’existe pas. Le bon modèle dépend du rôle de la campagne dans le funnel, de la disponibilité de la donnée, du niveau de risque accepté, de l’objectif de reach, de la maturité SPO et du besoin de transparence. Une campagne de lancement national, une activation retail media, une campagne B2B à faible volume et une campagne de retargeting bas de funnel ne doivent pas utiliser la même logique de curation.

Pour une campagne de notoriété large, le modèle SSP-led qualité peut être un bon point de départ : il apporte de la scalabilité, réduit les inventaires à risque et simplifie l’achat. L’enjeu est de maintenir une couverture dédupliquée suffisante. Si le package réduit trop le reach, le CPM effectif par utilisateur exposé peut devenir excessif. Pour une campagne de considération, un modèle curator-led contextuel ou attentionnel peut être plus pertinent, car il aligne environnement, message et profondeur d’exposition. Pour une campagne conversion, la curation data-driven peut apporter de la valeur, à condition de mesurer l’incrémentalité et la qualité de conversion. Pour une marque premium ou réglementée, le modèle éditeur-led offre souvent le meilleur contrôle, même avec une scalabilité limitée.

Une matrice opérationnelle peut guider l’arbitrage :

• Objectif reach et efficacité média : privilégier une curation SSP-led avec critères de qualité mesurables, contrôle de duplication et reporting par domaine.
• Objectif contexte et crédibilité : privilégier une curation éditeur-led ou curator-led avec taxonomie éditoriale claire et accès aux placements.
• Objectif audience et conversion : privilégier une curation data-driven, mais tester le lift par rapport à une supply curée sans data.
• Objectif brand safety élevé : combiner éditeur-led et filtres qualité indépendants, avec seuils de suitability définis avant campagne.
• Objectif SPO et réduction de complexité : utiliser des packages SSP-led, mais auditer take rate, sellers.json, ads.txt et chemins directs.

Le pilotage doit aussi intégrer le niveau de contrôle laissé à la DSP. Si la curation est trop restrictive, l’algorithme de bidding peut manquer de volume pour apprendre. Si elle est trop large, la DSP doit retraiter un bruit que la curation était censée réduire. L’équilibre dépend du volume disponible. Une règle pragmatique consiste à conserver assez de profondeur d’enchère pour permettre l’optimisation : plusieurs centaines de milliers d’impressions éligibles par semaine pour des campagnes display significatives, davantage en vidéo, et un seuil de conversions suffisant si l’objectif est CPA ou ROAS. En dessous, la curation doit être plus qualitative que prédictive.

Mesurer la valeur réelle : transparence, lift et coût total de la supply

Comparer les modèles de curation impose une discipline de mesure. Le CPM facial ne suffit pas. Un inventaire curé à 8 euros peut être plus rentable qu’un inventaire ouvert à 3 euros si la visibilité, l’attention et la conversion progressent fortement. À l’inverse, un deal curé peut afficher un bon taux de clic mais dégrader la marge ou recruter peu de nouveaux clients. L’analyse doit donc intégrer le coût total de la supply, la qualité média, la contribution business et la transparence de la chaîne.

Le coût total inclut le CPM média, les fees technologiques, les coûts data, les frais de mesure, les marges curator et les éventuelles différences de taux de matching. Un package data très premium peut perdre de la valeur si seulement 35 % de l’audience cible est matchée et si le reach final devient trop faible. La qualité média doit être lue avec des métriques comparables : viewability, IVT, taux de complétion vidéo, attention, densité publicitaire, format, device, type d’inventaire, domaine ou app. La contribution business doit distinguer conversions attribuées, conversions incrémentales, nouveaux clients, marge et valeur à long terme.

Un protocole de test robuste peut opposer quatre cellules pendant deux à quatre semaines : open auction contrôlée, PMP éditeur, package SSP-led qualité, package curator-led data ou contexte. Les budgets doivent être calibrés pour éviter qu’une cellule manque de volume. Les mêmes créas, mêmes géographies, mêmes exclusions et mêmes fenêtres d’attribution doivent être appliquées. La lecture ne doit pas seulement classer les CPA. Elle doit répondre à trois questions : quel modèle augmente la qualité d’exposition, quel modèle améliore la contribution marginale, et quel modèle reste transparent et scalable ?

Dans un cas type, une marque peut observer les résultats suivants : open auction à 4 euros de CPM, viewability 58 %, CPA attribué 42 euros ; package SSP-led à 5,80 euros, viewability 72 %, CPA 38 euros ; PMP éditeur à 8,50 euros, viewability 78 %, CPA 44 euros mais taux de nouveaux clients supérieur de 25 % ; curator data à 9 euros, CPA 31 euros mais reach divisé par trois. La décision ne se résume pas à choisir le CPA le plus bas. Le curator data peut être réservé au bas de funnel ou aux audiences à forte valeur. Le SSP-led peut devenir le socle scalable. Le PMP éditeur peut être utilisé sur des temps forts de marque. L’open auction peut être maintenu comme cellule de référence ou comme réservoir de reach, sous contrôles qualité.

La transparence est enfin un critère de performance. Un modèle impossible à auditer est difficile à optimiser. Les acheteurs doivent demander la liste des domaines ou apps, la part de supply directe, les règles de filtrage, les frais appliqués, les méthodes de mesure, les exclusions, les seuils de mise à jour et les raisons de refus d’inventaire. La curation mature n’est pas une promesse de premiumisation ; c’est un contrat opérationnel sur la manière dont l’inventaire est sélectionné et valorisé.

Conclusion : choisir une architecture de curation, pas un package

La curation côté SSP devient un levier majeur parce qu’elle répond à trois tensions de fond : trop de supply redondante, trop peu de signaux utilisateur fiables et trop d’opacité dans la chaîne programmatique. Mais sa valeur dépend du modèle choisi et de la discipline de mesure. Le modèle éditeur-led maximise le contrôle et la qualité contextuelle. Le modèle SSP-led industrialise la qualité et simplifie le SPO. Le modèle curator-led ajoute une couche d’intelligence spécialisée. Le modèle data-driven réintroduit de la précision dans un environnement post-cookie. Le modèle qualité et conformité protège l’exposition, mais doit éviter le sur-filtrage.

Une méthode actionnable tient en sept étapes. Premièrement, définir le rôle de la curation dans le plan média : reach, qualité, contexte, audience, performance, conformité ou SPO. Deuxièmement, choisir le modèle adapté au use case plutôt qu’au discours commercial de la plateforme. Troisièmement, exiger une transparence minimale sur les domaines, les apps, les frais, les chemins de vente et les règles de filtrage. Quatrièmement, tester la curation contre une cellule de référence open ou PMP standard. Cinquièmement, mesurer le lift en qualité média et en contribution business, pas seulement le CPM ou le CPA attribué. Sixièmement, surveiller la scalabilité, la duplication et l’impact sur l’apprentissage DSP. Septièmement, documenter les résultats dans une grille réutilisable par objectif de campagne.

Pour les professionnels du marketing, l’enjeu est de reprendre le contrôle de la supply sans recréer une boîte noire. La bonne curation n’est pas celle qui vend le plus bel intitulé de package. C’est celle qui réduit le bruit de marché, rend les coûts lisibles, améliore la qualité d’exposition et démontre une contribution marginale. Dans un programmatique plus fragmenté, la curation côté SSP peut devenir un avantage compétitif. À condition de la traiter comme une architecture d’achat mesurable, et non comme une simple version premium de l’inventaire existant.