Aligner CPA et ROAS dans les algorithmes d’enchère

Le vrai arbitrage n’est pas entre coût d’acquisition et chiffre d’affaires attribué

Dans les plateformes d’achat média, l’optimisation algorithmique est souvent configurée autour d’un objectif unique : minimiser le CPA ou maximiser le ROAS. Le CPA, coût par acquisition, désigne le montant dépensé pour générer une conversion attribuée. Le ROAS, return on ad spend, mesure le rapport entre le chiffre d’affaires attribué et les dépenses publicitaires. Ces deux indicateurs semblent complémentaires, mais ils peuvent envoyer des signaux contradictoires aux algorithmes d’enchère, surtout dans les environnements programmatiques où chaque impression est évaluée en temps réel.

Le problème apparaît dès que toutes les conversions n’ont pas la même valeur. Une campagne peut afficher un CPA excellent en recrutant des clients à faible panier, fortement promotionnés ou peu récurrents. À l’inverse, une campagne peut présenter un CPA élevé mais générer des paniers moyens importants, de nouveaux clients à forte LTV, lifetime value, c’est-à-dire la valeur économique attendue d’un client sur toute sa relation avec la marque, ou des ventes à meilleure marge. Si l’algorithme ne reçoit qu’un signal binaire, conversion ou non-conversion, il ne peut pas distinguer ces situations.

Dans un DSP, demand-side platform, plateforme permettant aux acheteurs d’acheter automatiquement des impressions publicitaires, les stratégies d’enchère s’appuient sur des probabilités : probabilité de clic, de conversion, de valeur de conversion, de visibilité, parfois d’attention ou de qualité d’audience. Le RTB, real-time bidding, mécanisme d’enchères en temps réel, force ces arbitrages en quelques millisecondes. Une enchère n’est donc jamais seulement un prix média : c’est une estimation de la valeur économique attendue d’une impression.

Aligner CPA et ROAS consiste à transformer l’objectif d’enchère en une fonction de valeur plus complète. Il ne s’agit pas d’ajouter deux KPI dans un dashboard, mais de décider quel signal doit guider l’algorithme, avec quels garde-fous, sur quel périmètre d’attribution et avec quelle granularité. Pour les professionnels du marketing, l’enjeu est stratégique : éviter que l’automatisation n’optimise très efficacement le mauvais objectif.

Pourquoi le CPA et le ROAS divergent dans les algorithmes d’enchère

Le CPA favorise mécaniquement les conversions les moins coûteuses à obtenir. Il est très utile lorsque les conversions sont homogènes : inscription, lead qualifié, demande de devis standardisée, essai gratuit ou vente d’un produit à prix fixe. Mais dès que la valeur post-conversion varie fortement, il devient incomplet. Une marque e-commerce vendant des produits de 20 à 600 euros ne peut pas piloter toutes ses enchères avec un CPA cible unique sans risquer de sous-investir sur les ventes à forte valeur.

Le ROAS apporte une correction en intégrant le chiffre d’affaires attribué. Un algorithme en target ROAS peut accepter de payer plus cher une impression si la valeur attendue de la conversion est élevée. Mais le ROAS a ses propres biais. Il favorise les audiences proches de l’achat, les clients existants, les requêtes de marque, le retargeting et les environnements où la plateforme observe facilement la conversion. Il peut donc maximiser un chiffre d’affaires attribué sans maximiser un chiffre d’affaires incrémental.

L’incrémentalité désigne la part de résultat qui n’aurait probablement pas eu lieu sans exposition média. C’est un point critique. Un segment de visiteurs panier peut générer un ROAS de 12, parce qu’une partie importante de ces utilisateurs allait acheter de toute façon. Un segment de prospection froide peut afficher un ROAS de 1,8 à court terme mais recruter de nouveaux clients qui réachèteront deux ou trois fois dans l’année. Si l’algorithme ne voit que le ROAS immédiat, il privilégiera le premier segment, même si le second crée plus de valeur long terme.

La divergence vient aussi du funnel, parcours allant de la notoriété à la considération puis à la conversion. Les leviers bas de funnel disposent de signaux denses et rapides : clics, visites produit, paniers, conversions. Les leviers amont produisent des effets plus diffus : recherche de marque, mémorisation, visites différées, hausse du taux de conversion organique. Les algorithmes d’enchère, lorsqu’ils sont nourris par une fenêtre d’attribution courte, ont tendance à surpondérer les signaux immédiats et à sous-pondérer la demande créée en amont.

Enfin, CPA et ROAS peuvent être perturbés par la structure de marge. Un ROAS de 4 sur une catégorie à 20 % de marge brute n’a pas la même valeur qu’un ROAS de 3 sur une catégorie à 45 % de marge. De même, un CPA de 35 euros peut être acceptable pour un nouveau client à forte probabilité de réachat, mais destructeur pour une commande ponctuelle à faible marge. L’objectif d’enchère devrait donc idéalement se rapprocher d’un profit attendu, pas seulement d’un coût ou d’un chiffre d’affaires.

Traduire les objectifs business en signal d’enchère exploitable

Le premier travail consiste à formaliser la valeur attendue d’une impression. Dans une logique simplifiée, une enchère maximale peut être pensée ainsi : enchère acceptable = probabilité de conversion multipliée par valeur attendue de conversion multipliée par coefficient de contribution, moins contraintes de marge et de risque. Cette formule n’est pas toujours visible dans les interfaces des plateformes, mais elle décrit la logique économique sous-jacente.

Un algorithme orienté CPA utilise surtout la probabilité de conversion. Il cherche des impressions susceptibles de convertir à coût maîtrisé. Un algorithme orienté ROAS combine probabilité de conversion et valeur de conversion. Il peut enchérir davantage sur un utilisateur susceptible d’acheter un panier élevé. Un modèle plus mature ajoute un coefficient de contribution : probabilité que la conversion soit réellement influencée par l’exposition, probabilité que le client soit nouveau, marge produit, taux de retour, remise appliquée ou valeur future.

La difficulté opérationnelle est que les plateformes ne disposent pas toujours de ces variables. Les annonceurs doivent donc enrichir le signal de conversion envoyé aux DSP, aux plateformes sociales ou aux outils d’automatisation. Cela peut passer par des conversions valorisées, des événements serveur-à-serveur, des conversions API, des imports offline, ou des flux de valeur par catégorie. Une conversion à 50 euros et une conversion à 500 euros ne devraient pas être remontées comme deux événements identiques.

Un framework pragmatique distingue quatre niveaux de signal :

1. Signal binaire : conversion oui ou non. Adapté aux leads ou aux ventes homogènes, mais insuffisant pour les catalogues complexes.
2. Signal de revenu : montant de commande ou chiffre d’affaires attribué. C’est la base d’un pilotage ROAS, mais il ignore la marge et l’incrémentalité.
3. Signal de marge : valeur nette estimée après coûts produits, remises, retours et frais variables. Plus proche de la rentabilité réelle.
4. Signal de valeur client : marge immédiate pondérée par le statut nouveau client, la probabilité de réachat, la LTV et la contribution incrémentale estimée.

Plus le signal est riche, plus l’algorithme peut arbitrer finement. Mais plus il est riche, plus il exige une gouvernance solide. Une LTV mal calculée, une marge non actualisée ou un statut client incohérent peuvent dégrader l’optimisation. Les équipes doivent donc arbitrer entre sophistication et fiabilité. Un signal de marge simple mais stable vaut souvent mieux qu’un score prédictif opaque, recalculé irrégulièrement et difficile à auditer.

Un exemple concret : un retailer en ligne observe un CPA moyen de 28 euros et un ROAS de 4,5 sur ses campagnes display retargeting. En intégrant les retours produits et les remises, il découvre que certaines catégories à fort panier ont une marge nette inférieure à 12 %, tandis que des catégories plus modestes atteignent 38 %. En passant d’un objectif ROAS brut à un objectif de marge attribuée, l’algorithme réduit les enchères sur les paniers spectaculaires mais peu rentables, et augmente les enchères sur des segments moins visibles dans le reporting classique. Le ROAS brut baisse légèrement, mais la marge média nette progresse.

Construire une matrice d’objectifs par funnel, audience et catégorie

Aligner CPA et ROAS ne signifie pas imposer un objectif unique à tout le plan média. C’est même l’une des erreurs les plus fréquentes. Une campagne de conquête, une campagne de retargeting, une activation retail media, une campagne vidéo de considération et une campagne search marque n’ont pas le même rôle économique. Les algorithmes doivent être paramétrés selon le rôle du levier dans le funnel, pas seulement selon la plateforme.

Une matrice utile croise trois dimensions : l’intention de l’audience, la valeur de conversion et le niveau d’incrémentalité attendu. Sur une audience froide, l’objectif principal peut être le coût par nouveau client qualifié, avec un ROAS cible plus flexible. Sur une audience chaude, l’objectif peut être un ROAS ou une marge minimale, avec des plafonds de fréquence stricts pour éviter de payer des conversions déjà probables. Sur une audience de clients existants, l’objectif doit intégrer la réactivation, l’upsell ou la récurrence, plutôt qu’un simple CPA.

Cette logique peut être structurée ainsi :

• Haut de funnel : privilégier le coût par visite qualifiée, le coût par nouveau prospect, la couverture attentive, le lift de recherche de marque ou le coût par audience incrémentale. Le ROAS immédiat doit être interprété avec prudence.
• Milieu de funnel : optimiser sur des micro-conversions qualifiées, comme consultation produit, ajout wishlist, configuration, inscription ou première visite récurrente. Le CPA peut être utile, mais doit être relié à une valeur future.
• Bas de funnel : utiliser un objectif ROAS ou marge plus strict, mais plafonner le crédit post-view et contrôler la fréquence pour éviter la capture de demande existante.
• Fidélisation : distinguer réachat organique, réactivation et montée en gamme. Un CPA faible sur clients actifs peut être peu incrémental.

La catégorie produit joue également un rôle majeur. Pour un catalogue à forte dispersion de prix, une stratégie d’enchère uniforme écrase les nuances. Les produits à faible panier peuvent consommer beaucoup de conversions à CPA bas, tandis que les produits premium manquent de volume pour entraîner correctement l’algorithme. Les annonceurs avancés segmentent donc les campagnes ou les signaux par groupes de marge, cycle de décision, taux de retour et potentiel de réachat.

Attention toutefois à ne pas sursegmenter. Les algorithmes ont besoin de volume. Dans beaucoup de plateformes, un ordre de grandeur de 30 à 50 conversions par semaine est souvent cité comme seuil minimal pour stabiliser un apprentissage, même si ce seuil varie selon les environnements et les modèles. Une segmentation trop fine par audience, produit, device et région peut produire des cellules sous-alimentées, des phases d’apprentissage permanentes et des enchères instables. Le bon découpage est celui qui crée des différences économiques réelles tout en conservant assez de signal.

Définir des garde-fous pour éviter l’optimisation opportuniste

Un algorithme d’enchère optimise ce qu’on lui demande d’optimiser, pas ce que l’entreprise espère implicitement. Si l’objectif est un CPA bas, il cherchera les conversions faciles. Si l’objectif est un ROAS élevé, il cherchera les paniers attribuables les plus proches de la décision d’achat. Les garde-fous sont donc indispensables pour empêcher l’optimisation opportuniste.

Le premier garde-fou concerne la qualité de conversion. Toutes les conversions remontées ne doivent pas avoir le même poids. Les annulations, retours, commandes frauduleuses, leads non joignables ou ventes à marge négative doivent être exclus ou dévalorisés. Dans le lead generation, par exemple, un CPA de 18 euros peut sembler performant, mais si seuls 22 % des leads sont qualifiés commercialement, le coût par lead exploitable atteint 82 euros. L’algorithme doit apprendre sur le lead qualifié, pas sur le formulaire rempli.

Le deuxième garde-fou concerne la récence et la fréquence. Une impression servie quelques minutes avant une conversion à un utilisateur déjà en panier ne mérite pas le même crédit qu’une exposition ayant précédé la première visite. La fréquence visible doit être contrôlée, surtout en retargeting. Un utilisateur exposé 12 fois avant achat peut faire monter le ROAS attribué tout en réduisant l’incrémentalité marginale. Les plafonds de fréquence ne doivent pas être seulement UX ; ils sont aussi économiques.

Le troisième garde-fou concerne les exclusions d’audience. Les clients récents, les acheteurs récurrents, les utilisateurs déjà convertis, les visiteurs à très forte intention ou les segments promotionnels doivent être traités séparément. Sans exclusion, les algorithmes favorisent naturellement les profils les plus faciles à convertir, ce qui améliore les KPI de plateforme mais peut réduire la conquête nette. Une stratégie mature distingue acquisition, réactivation, fidélisation et upsell.

Le quatrième garde-fou porte sur la qualité média. Le CPA et le ROAS peuvent être artificiellement améliorés par des inventaires peu qualitatifs si l’attribution est permissive. L’IVT, invalid traffic, désigne le trafic invalide généré par des bots, fermes de clics ou impressions non humaines. Les environnements à faible visibilité, forte densité publicitaire ou placements accidentels peuvent produire des signaux trompeurs. Les stratégies d’enchère doivent intégrer viewability, brand safety, supply path optimization, c’est-à-dire l’optimisation des chemins d’approvisionnement, et contrôle des SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire.

Le cinquième garde-fou concerne les contraintes financières. Une enchère optimisée au ROAS chiffre d’affaires peut continuer à acheter tant que le ratio semble positif, même si les marges nettes sont insuffisantes. Les équipes finance doivent donc définir des seuils : ROAS minimal par catégorie, marge média nette minimale, CPA maximal par statut client, coût par nouveau client acceptable et période de retour sur investissement. Ces seuils doivent être répercutés dans les règles d’enchère, pas seulement discutés en comité mensuel.

Réconcilier attribution, incrémentalité et apprentissage algorithmique

L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact marketing. Elle est au cœur de l’alignement entre CPA et ROAS, car l’algorithme apprend à partir des conversions qui lui sont créditées. Si l’attribution surestime le retargeting post-view, l’algorithme renforcera le retargeting. Si elle ignore les contributions amont, l’algorithme sous-investira dans la prospection. La qualité du modèle d’attribution conditionne donc la qualité de l’enchère.

Les modèles last click, qui attribuent la conversion au dernier clic, favorisent les leviers de capture. Les modèles post-view peuvent réhabiliter le display et la vidéo, mais risquent de créditer des impressions peu influentes si les fenêtres sont trop longues ou si la visibilité n’est pas prise en compte. Les modèles data-driven attribution répartissent le crédit selon des patterns observés, mais restent dépendants des données disponibles et des biais de sélection. Aucun modèle d’attribution n’est une preuve de causalité.

Pour calibrer les algorithmes, il faut donc introduire des mesures d’incrémentalité. Un holdout consiste à exclure volontairement une partie de l’audience éligible de l’exposition afin de comparer son comportement à celui du groupe exposé. Un geo-test compare des zones exposées et non exposées. Le MMM, marketing mix modeling, est une modélisation statistique agrégée permettant d’estimer la contribution des leviers marketing à partir de séries temporelles. Ces méthodes ne remplacent pas l’optimisation quotidienne, mais elles corrigent ses biais structurels.

Un cas typique : une marque observe un ROAS de 9 sur son retargeting display. Un test holdout révèle que 65 % des conversions attribuées auraient eu lieu sans exposition. Le ROAS incrémental tombe alors autour de 3,2. Dans le même temps, une campagne de prospection vidéo affiche un ROAS attribué de 1,4, mais augmente les recherches de marque de 11 % et améliore le taux de conversion organique sur les zones exposées. Si l’algorithme n’est nourri que par l’attribution plateforme, il coupera la prospection et surinvestira en retargeting. Si les coefficients d’incrémentalité sont intégrés aux objectifs, l’allocation change.

La réconciliation peut se faire par des coefficients de pondération. Les conversions issues de segments très intentionnistes peuvent être dévalorisées dans le signal d’apprentissage, tandis que les nouveaux clients, les conversions précédées d’une première exposition qualifiée ou les paniers à forte marge peuvent être surpondérés. Cette approche n’est pas parfaite, mais elle rapproche l’algorithme de la valeur économique réelle. Elle doit être documentée, testée et révisée régulièrement.

Il faut toutefois éviter de modifier trop fréquemment les signaux. Les algorithmes ont besoin de stabilité. Changer chaque semaine la fenêtre d’attribution, la valeur de conversion, les exclusions et les objectifs de campagne rend l’apprentissage difficilement interprétable. Une bonne pratique consiste à définir des cycles : optimisation tactique hebdomadaire sur les enchères et budgets, recalibration mensuelle des audiences et garde-fous, révision trimestrielle des coefficients d’incrémentalité ou de LTV.

Passer d’un pilotage au KPI à un pilotage par fonction de valeur

Le stade avancé n’est pas de choisir entre target CPA et target ROAS, mais de construire une fonction de valeur adaptée à l’entreprise. Une fonction de valeur traduit ce que vaut réellement une conversion selon plusieurs variables : chiffre d’affaires, marge, statut nouveau client, probabilité de réachat, catégorie, remise, coût logistique, taux de retour, risque de fraude et contribution incrémentale. L’algorithme doit recevoir un signal aussi proche que possible de cette valeur.

Dans un environnement e-commerce, la valeur transmise peut être une marge nette estimée plutôt qu’un chiffre d’affaires brut. Dans l’abonnement, elle peut être une valeur de souscription pondérée par le taux de rétention attendu. Dans l’automobile ou le B2B, elle peut être un score de lead qualifié plutôt qu’un simple formulaire. Dans le retail media, elle peut distinguer ventes de clients existants, nouveaux acheteurs de la marque, acheteurs de catégorie et conquête concurrentielle.

Cette approche suppose une collaboration étroite entre marketing, analytics, CRM, finance et media trading. Le media trader ne peut pas deviner la marge réelle, le data analyst ne peut pas décider seul des seuils d’enchère, et la finance ne peut pas imposer un ROAS uniforme sans tenir compte du rôle du canal dans le funnel. La gouvernance est aussi importante que la technologie.

Une feuille de route opérationnelle peut suivre cinq étapes :

1. Auditer les écarts : comparer CPA, ROAS brut, marge attribuée, taux de nouveaux clients et taux d’incrémentalité par campagne, audience et catégorie.
2. Définir la conversion utile : décider quel événement doit entraîner l’apprentissage algorithmique : achat validé, lead qualifié, première commande, marge nette, réachat ou valeur client prédite.
3. Segmenter sans fragmenter : créer des groupes économiques cohérents, mais conserver assez de volume pour l’apprentissage.
4. Installer des garde-fous : exclusions, plafonds de fréquence, seuils de marge, contrôle de visibilité, filtrage fraude et règles de brand safety.
5. Calibrer par tests : utiliser holdouts, geo-tests, études de lift ou MMM pour corriger les coefficients d’attribution et réallouer les budgets.

Le passage à une fonction de valeur ne doit pas masquer les limites des plateformes. Certaines permettent une optimisation fine sur valeur de conversion, d’autres restent plus rigides. Certains environnements fermés limitent l’export des logs, la personnalisation des fenêtres d’attribution ou l’intégration de signaux marginaux. L’annonceur doit donc distinguer ce qui est possible dans l’interface, ce qui peut être corrigé par flux de données, et ce qui doit être traité hors plateforme dans l’allocation budgétaire.

Conclusion : donner aux enchères un objectif économique, pas seulement publicitaire

Aligner CPA et ROAS dans les algorithmes d’enchère revient à résoudre une tension classique : contrôler le coût tout en maximisant la valeur. Le CPA protège contre l’acquisition trop chère, mais peut favoriser les conversions faciles et peu rentables. Le ROAS intègre le chiffre d’affaires, mais peut surestimer les audiences déjà intentionnistes et ignorer la marge ou l’incrémentalité. Aucun des deux indicateurs ne suffit seul à piloter une stratégie programmatique mature.

La voie robuste consiste à enrichir progressivement le signal d’enchère : passer du volume de conversions à la valeur de conversion, puis de la valeur brute à la marge, et enfin de la marge attribuée à la contribution incrémentale. Cette progression exige des données fiables, des volumes suffisants, une attribution maîtrisée, des tests réguliers et une gouvernance qui relie marketing, data, finance et achat média.

Pour les équipes marketing, l’action immédiate n’est pas nécessairement de changer d’algorithme, mais de poser cinq questions simples : quelles conversions nourrissent aujourd’hui l’apprentissage ? Ont-elles toutes la même valeur économique ? Quelle part du ROAS est réellement incrémentale ? Les clients nouveaux et existants sont-ils séparés dans les objectifs ? Les enchères sont-elles contraintes par la marge et la qualité média ?

La performance ne se joue plus seulement dans le choix entre target CPA et target ROAS. Elle se joue dans la qualité du signal envoyé aux machines et dans la capacité de l’organisation à définir ce qu’elle veut réellement optimiser. Un algorithme peut acheter vite, ajuster des millions d’enchères et détecter des patterns invisibles à l’humain. Mais il ne peut pas arbitrer seul entre croissance, rentabilité, conquête et fidélisation. C’est à l’annonceur de transformer ses objectifs business en règles d’enchère cohérentes. À cette condition, l’automatisation ne se contente pas de réduire les coûts ou d’augmenter un ratio : elle devient un outil de création de valeur mesurable.