Analyse des bid requests : ce qu’elles révèlent vraiment

La bid request est le journal de bord du marché programmatique, pas une simple demande d’enchère

Dans le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire au moment où elle devient disponible, la bid request est souvent traitée comme un objet technique réservé aux traders, aux équipes data ou aux ingénieurs adtech. C’est une erreur. Elle constitue l’un des signaux les plus riches pour comprendre comment le marché publicitaire se forme réellement : quel inventaire est proposé, par quel chemin, à quel prix plancher, dans quel contexte, avec quels attributs d’audience, quelles contraintes de mesure et quels risques de qualité.

Une bid request est le message envoyé par une SSP, supply-side platform, plateforme utilisée par les éditeurs pour vendre leur inventaire publicitaire, vers un DSP, demand-side platform, plateforme utilisée par les acheteurs pour décider s’ils enchérissent et à quel prix. Ce message contient des champs normalisés, souvent issus du protocole OpenRTB, qui décrivent l’opportunité publicitaire : site ou application, format, device, géographie, utilisateur, consentement, floor price, type d’enchère, seller, chaîne d’approvisionnement et parfois signaux contextuels ou d’audience.

Pour un annonceur, analyser les bid requests ne revient pas seulement à regarder un volume d’appels d’enchères. C’est une méthode pour auditer la qualité de la supply, détecter des écarts de transparence, comprendre pourquoi certains CPM, coût pour mille impressions, montent, pourquoi la win rate, taux d’enchères remportées, baisse, pourquoi des conversions sont attribuées à des inventaires discutables ou pourquoi une campagne perd l’accès à certains environnements premium. La bid request révèle ce que les dashboards agrégés lissent : la structure réelle du marché.

L’enjeu est économique. Sur un plan programmatique de 500 000 euros, une duplication de chemins supply de 20 %, des floors dynamiques mal interprétés, un inventaire in-app faiblement mesurable ou une surreprésentation d’audiences déjà chaudes peuvent déplacer plusieurs dizaines de milliers d’euros sans apparaître immédiatement dans le CPA, coût par acquisition, c’est-à-dire le coût nécessaire pour générer une conversion attribuée, ou dans le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires. La bid request permet d’identifier ces dérives avant qu’elles ne deviennent des habitudes d’allocation.

Mais il faut aussi éviter l’excès inverse : croire que la bid request dit toute la vérité. Elle décrit ce qui est déclaré au moment de l’enchère, pas nécessairement ce qui sera effectivement rendu, vu, mesuré ou incrémental. C’est une source d’observation décisive, mais partielle. Sa valeur dépend de la capacité des équipes à la croiser avec les logs d’impressions, les données de vérification, les conversions dédupliquées, les signaux CRM et les tests d’incrémentalité.

Décomposer une bid request : les champs qui structurent la décision d’achat

La première étape consiste à comprendre ce que contient réellement une bid request. Le protocole OpenRTB organise généralement l’information autour de plusieurs objets : imp pour l’impression proposée, site ou app pour l’environnement, device pour le terminal, user pour les identifiants ou segments disponibles, regs pour les contraintes réglementaires, source pour l’origine de la demande et parfois schain, SupplyChain Object, qui documente les intermédiaires de la chaîne de vente.

L’objet imp est central. Il indique le type de format, la taille publicitaire, le format display, vidéo ou natif, le bidfloor, c’est-à-dire le prix plancher minimal pour que l’enchère soit éligible, la devise, l’identifiant d’impression et parfois des informations sur la position dans la page. En vidéo, des champs comme la durée maximale, la skippability, la taille du player, les protocoles VAST, video ad serving template, standard de diffusion des publicités vidéo, ou les types MIME acceptés permettent d’estimer la compatibilité créative et la qualité probable de l’exposition.

L’objet site ou app donne une première lecture du contexte. Domaine, URL, catégorie de contenu, nom d’application, bundle ID, store URL, langue, publisher ID : ces champs servent à vérifier si l’inventaire correspond au périmètre prévu. Un domaine premium clairement déclaré n’a pas la même valeur qu’un inventaire sans URL complète ou qu’une application dont le bundle ID ne correspond pas au nom affiché. Dans les achats long tail, la qualité de ces champs est souvent plus discriminante que le CPM facial.

L’objet device fournit des informations sur l’environnement technique : type d’appareil, système d’exploitation, navigateur, adresse IP tronquée ou complète selon les règles de confidentialité, user agent, langue, géolocalisation, connexion, opérateur. Ces signaux influencent fortement la valeur. Un inventaire mobile in-app géolocalisé avec consentement explicite peut être utile pour un dispositif drive-to-store. Une impression desktop sans signal de géographie fiable sera moins exploitable pour une campagne locale, même si son CPM est faible.

L’objet user est devenu plus fragile avec la limitation des cookies tiers, les restrictions d’identifiants mobiles et le renforcement du consentement. Il peut contenir un identifiant utilisateur, des segments, des données first-party, c’est-à-dire collectées directement par une marque ou un éditeur, ou des signaux alternatifs. Son absence ne signifie pas nécessairement que l’impression n’a pas de valeur : un contexte éditorial fort peut compenser un faible signal individuel. Mais elle change la méthode d’enchère, d’attribution et de fréquence.

Enfin, des champs comme tmax, délai maximal accordé au DSP pour répondre, et at, type d’enchère, indiquent les contraintes opérationnelles. Un tmax très court peut réduire la capacité du DSP à enrichir la demande avec des modèles complexes. Un type d’enchère au premier prix modifie la stratégie de bid shading, mécanisme visant à réduire le prix enchéri sans perdre l’impression. Ces champs paraissent techniques, mais ils expliquent souvent des écarts de win rate ou de CPM que les rapports standards ne détaillent pas.

Ce que les bid requests révèlent sur la transparence supply

La bid request est l’un des meilleurs outils pour analyser la supply path optimization, ou SPO, optimisation des chemins d’approvisionnement visant à réduire les doublons, les frais et l’opacité entre acheteurs, SSP et éditeurs. Dans un marché où une même impression peut être proposée via plusieurs SSP, plusieurs resellers et plusieurs deal IDs, le risque n’est pas seulement de payer trop cher. Il est d’acheter le même inventaire par des routes moins transparentes, moins prioritaires ou moins mesurables.

Trois signaux doivent être audités systématiquement : le seller, le SupplyChain Object et la cohérence avec ads.txt ou app-ads.txt. Ads.txt permet à un éditeur web de déclarer les vendeurs autorisés de son inventaire ; app-ads.txt joue le même rôle pour les applications. Sellers.json permet de mieux identifier les vendeurs côté SSP. Le SupplyChain Object documente la chaîne d’intermédiaires impliqués dans la vente. Une chaîne courte, directe et cohérente n’est pas une garantie absolue de performance, mais elle réduit les risques de revente opaque, de spoofing ou de frais superposés.

Un cas fréquent : un même domaine éditorial apparaît dans les logs via quatre SSP. Le chemin A est direct, avec un bidfloor moyen de 3,20 euros, une viewability, visibilité publicitaire, de 72 % et un taux d’IVT, invalid traffic, trafic invalide, de 0,4 %. Le chemin B est reseller, avec un bidfloor de 2,80 euros, une viewability de 58 % et un IVT de 1,8 %. Le chemin C est un deal privé à 4,50 euros, mais avec une transparence de placement partielle. Le chemin D est un agrégateur, moins cher à 2,10 euros, mais avec un taux de domaines non résolus supérieur à 15 %. Sur dashboard, le chemin D peut sembler efficient. Dans les bid requests et logs post-bid, il peut apparaître comme le plus risqué.

La bid request permet aussi d’observer la duplication. Si un DSP reçoit plusieurs bid requests quasi identiques pour la même page, le même utilisateur, le même format et le même instant, il peut enchérir contre lui-même ou contre des acheteurs utilisant les mêmes algorithmes sur plusieurs routes. Cette duplication augmente le bruit, complique les modèles de clearing price et peut alimenter l’inflation des floors. Certaines analyses log-level montrent que, sur des inventaires très intermédiés, 20 % à 40 % des bid requests peuvent représenter des opportunités redondantes ou fortement substituables.

Pour les équipes marketing, la question n’est donc pas seulement de choisir des SSP. Elle est de définir une politique d’achat par chemin : quels sellers directs privilégier, quels resellers accepter, quels deals auditer, quels chemins exclure, quels inventaires comparer en coût par impression visible plutôt qu’en CPM brut. La bid request rend cette gouvernance possible parce qu’elle descend au niveau de l’opportunité d’enchère, là où se matérialise réellement la qualité de la supply.

Qualité média et fraude : les signaux faibles visibles avant même l’impression

Une bid request ne prouve pas qu’une impression sera visible, sûre ou non frauduleuse. Elle permet toutefois d’identifier des signaux de risque avant l’achat. C’est particulièrement important pour le display, la vidéo, l’in-app et certains environnements CTV, connected TV, télévision connectée permettant de diffuser des publicités dans des environnements de streaming.

Premier signal : l’incohérence entre type d’inventaire déclaré et caractéristiques techniques. Une impression vidéo déclarée instream, c’est-à-dire diffusée dans un contenu vidéo principal, mais avec une taille de player très faible, une absence de signal de position ou une catégorie d’application peu compatible avec la consommation vidéo, doit être examinée. De même, un inventaire outstream présenté comme premium peut générer beaucoup d’impressions mais peu d’expositions utiles si le player se déclenche sous la ligne de flottaison ou si la vitesse de scroll est élevée.

Deuxième signal : la qualité des identifiants d’application et de domaine. En in-app, le bundle ID doit être cohérent avec le nom d’application et l’URL de store. Les anomalies de bundle, les applications inconnues, les volumes disproportionnés sur des apps à faible base installée ou les requêtes provenant de géographies inattendues peuvent signaler du spoofing ou une mauvaise classification. Sur le web, l’absence d’URL complète n’est pas toujours problématique pour des raisons de confidentialité, mais elle limite l’analyse contextuelle et la brand safety, ensemble de règles visant à éviter les environnements nuisibles à la marque.

Troisième signal : les écarts de géolocalisation et de device. Un volume élevé de bid requests provenant d’IP datacenter, de devices rares, de versions d’OS obsolètes ou de combinaisons improbables de user agent et navigateur doit déclencher un contrôle. Dans une campagne locale, une concentration d’impressions sur des zones non ciblées ou sur des localisations trop précises sans consentement robuste peut aussi indiquer un problème de qualité ou de conformité.

Quatrième signal : le rapport entre bid requests, impressions gagnées, impressions rendues et impressions mesurables. Si un segment génère beaucoup de bid requests, une win rate élevée et un CPM faible, mais peu d’impressions visibles ou peu d’engagement post-exposition, la chaîne d’achat doit être auditée. À l’inverse, un segment plus cher avec une faible win rate peut être plus performant si son coût par exposition utile est inférieur. Le vCPM, coût pour mille impressions visibles, devient ici plus pertinent que le CPM.

Exemple : une campagne vidéo achète deux familles d’inventaire. La première affiche un CPM de 9 euros et 50 % de viewability ; son vCPM est donc de 18 euros. La seconde affiche un CPM de 14 euros et 82 % de viewability ; son vCPM est de 17,07 euros. Si la seconde présente aussi un meilleur taux de complétion et un IVT plus faible, elle est économiquement plus efficace malgré un CPM brut supérieur. Sans bid requests et logs de qualité associés, cette conclusion peut rester invisible dans un reporting agrégé.

La limite est importante : beaucoup de signaux de fraude sont confirmés post-bid, après diffusion, via des outils de vérification indépendants. La bid request sert donc à orienter le filtrage pré-bid, pas à remplacer la mesure post-bid. Une gouvernance mature combine les deux : exclure en amont les segments structurellement suspects, puis réviser les règles à partir des taux d’IVT, de viewability, de complétion, de brand safety et de contribution observés.

Données, consentement et ciblage : ce que la bid request montre et ce qu’elle masque

La bid request est aussi un révélateur de maturité data. Elle indique quels signaux sont réellement disponibles au moment de l’enchère : identifiants utilisateurs, consentement, segments, géographie, contexte, device, fréquence potentielle. Mais elle montre également les limites d’un ciblage trop dépendant des identifiants individuels.

Dans les marchés soumis au RGPD, règlement général sur la protection des données, et aux frameworks de consentement, l’objet regs et les chaînes de consentement indiquent si l’acheteur peut traiter certaines données. L’absence de consentement n’interdit pas toute activation, mais elle limite l’utilisation de certains identifiants, la personnalisation et parfois la mesure. Les professionnels du marketing doivent donc distinguer trois inventaires : adressables avec consentement exploitable, contextualisables mais peu adressables, et faiblement exploitables pour la donnée.

Cette distinction a un impact direct sur le funnel, parcours allant de la notoriété à la considération, puis à la conversion. En bas de funnel, l’absence d’identifiant peut pénaliser le retargeting et la fréquence cross-site. En haut de funnel, elle peut être moins problématique si le contexte, la catégorie éditoriale et la couverture sont solides. Un achat trop centré sur l’adressabilité individuelle peut mécaniquement surpayer les utilisateurs déjà connus, tandis qu’un achat contextuel bien qualifié peut générer de la couverture incrémentale à moindre dépendance aux cookies.

La bid request permet également de détecter la surabondance ou la faiblesse des segments data. Certains segments tiers, encore présents dans les flux, peuvent être très larges, peu récents ou peu vérifiables. Un segment d’intention automobile, par exemple, n’a pas la même valeur s’il repose sur une visite récente de comparateur, une lecture d’article datant de trente jours ou une modélisation probabiliste opaque. Le fait qu’un segment soit transmis dans une bid request ne garantit ni sa fraîcheur, ni sa précision, ni son incrémentalité.

Le risque est d’optimiser les enchères vers la probabilité de conversion apparente plutôt que vers la contribution réelle. Un utilisateur déjà client, récemment exposé à un email CRM et ayant consulté trois fois la fiche produit peut recevoir un score élevé dans le DSP. Pourtant, une impression programmatique supplémentaire peut n’ajouter qu’une faible valeur causale. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, risque alors de créditer le dernier média visible plutôt que le levier qui a réellement créé la demande.

La bonne lecture consiste à croiser les bid requests avec des variables business : statut nouveau client, marge, catégorie, réachat, exposition CRM, fréquence visible, historique de conversion et tests holdout. Un holdout est un groupe volontairement non exposé servant de contrefactuel. Si les bid requests montrent que 60 % du budget retargeting cible des clients actifs des sept derniers jours, le CPA attribué peut être bas, mais l’incrémentalité probablement limitée. Si, à l’inverse, un contexte non adressable génère moins de conversions immédiates mais davantage de nouveaux clients à J+30, sa valeur doit être reconsidérée.

Prix, floors et enchères : lire la dynamique économique derrière les volumes

La bid request est un outil d’analyse des prix. Le bidfloor déclaré, le type d’enchère, le deal ID, la rareté du format et l’intensité concurrentielle conditionnent le CPM final. Mais ces signaux doivent être lus avec prudence, car le prix plancher n’est pas toujours un reflet stable de la valeur. Il peut être dynamique, stratégique, différencié par acheteur ou modifié selon la demande.

Dans les enchères au premier prix, l’acheteur gagnant paie généralement le montant qu’il a enchéri. Cela a renforcé l’importance du bid shading. Pour optimiser ce mécanisme, les équipes doivent comparer trois niveaux : le bidfloor déclaré dans la bid request, le clearing price historique, c’est-à-dire le prix auquel des impressions comparables ont été gagnées, et la valeur business attendue. Une impression avec un floor à 6 euros n’est pas trop chère si elle produit une exposition premium incrémentale ; une impression avec un floor à 1,50 euro peut être surpayée si elle est peu visible ou frauduleuse.

L’analyse par percentiles est plus pertinente que la moyenne. Supposons qu’un inventaire display mobile sur une catégorie éditoriale stratégique se gagne historiquement à 1,90 euro au 50e percentile, 2,70 euros au 75e percentile et 4,20 euros au 90e percentile. Une enchère à 4,50 euros ne se justifie que si l’impression présente des signaux additionnels : utilisateur nouveau, contexte rare, fréquence faible, forte probabilité d’attention ou objectif de couverture prioritaire. Sinon, le DSP risque de transformer une contrainte de reach en inflation inutile.

Les bid requests révèlent aussi les effets de deal. Un deal privé peut offrir de la transparence, une priorité ou un contexte garanti, mais il peut aussi masquer une hétérogénéité forte. Il faut donc comparer les bid requests issues du deal avec celles de l’open auction filtrée : mêmes domaines, mêmes formats, mêmes tailles, mêmes positions, mêmes sellers ? Si le deal affiche un CPM 35 % plus élevé mais seulement 5 points de viewability en plus, l’arbitrage doit être justifié par d’autres bénéfices, comme la brand suitability, la garantie de volume ou l’accès à une audience propriétaire.

Un exemple chiffré montre l’intérêt de cette lecture. Une marque observe un CPM moyen de 5 euros sur un deal vidéo et de 3,80 euros en open auction filtrée. Le reporting brut suggère que l’open est plus efficient. L’analyse des bid requests montre toutefois que le deal concentre 78 % de formats instream, 90 % de sellers directs et un taux de complétion de 72 %, contre 45 % d’instream, 55 % de sellers directs et 48 % de complétion en open. En coût par vidéo visible complétée, le deal devient compétitif. À l’inverse, si le deal ne présente pas cette qualité différenciante, il doit être renégocié ou coupé.

La bid request ne doit donc pas être utilisée pour chercher le prix le plus bas, mais le prix juste. Le prix juste dépend du rôle du levier dans le funnel, de la qualité média, de la rareté de l’audience, de la pression concurrentielle et de la contribution business. Les meilleurs arbitrages ne sont pas ceux qui réduisent le CPM, mais ceux qui réduisent le coût par exposition utile et par résultat incrémental.

Construire un framework d’analyse des bid requests exploitable par les équipes marketing

Pour transformer les bid requests en décisions, il faut éviter deux écueils : l’analyse purement technique, illisible pour les directions marketing, et le reporting trop agrégé, qui annule la granularité utile. Un framework opérationnel peut s’organiser en six étapes.

1. Cartographier le flux : identifier les DSP, SSP, ad servers, outils de vérification, deals, environnements web, app, vidéo et CTV. L’objectif est de savoir quels flux sont observables et avec quelle profondeur de log.
2. Normaliser les champs : harmoniser domaines, bundle IDs, sellers, formats, devices, pays, bidfloors, types d’enchères et catégories. Sans normalisation, les doublons et incohérences faussent les comparaisons.
3. Qualifier la supply : croiser SupplyChain Object, ads.txt, sellers.json, statut direct ou reseller, transparence URL, taux d’IVT et viewability. Chaque chemin doit recevoir un score de confiance.
4. Relier prix et qualité : comparer CPM, vCPM, coût par vidéo complétée visible, taux de rendu, taux de mesure, win rate et clearing prices par segment homogène.
5. Connecter la performance business : associer les segments de bid requests aux conversions dédupliquées, au CPA, au ROAS, à la marge, au statut nouveau client et aux signaux d’incrémentalité.
6. Transformer en règles d’achat : exclusions, allowlists, seuils pré-bid, renégociation de deals, ajustement des floors acceptables, plafonnement de fréquence et différenciation des enchères par valeur attendue.

Ce framework suppose une granularité suffisante. Idéalement, l’analyse se fait au niveau log-level, c’est-à-dire à l’échelle de chaque requête, enchère, impression ou événement. Dans la pratique, toutes les plateformes ne donnent pas le même accès. Certains walled gardens, environnements fermés où la plateforme contrôle fortement les données, limitent la transparence. Certains DSP agrègent les flux. Certains éditeurs masquent l’URL complète. Il faut donc documenter les angles morts plutôt que prétendre à une exhaustivité impossible.

Les seuils d’alerte doivent être définis par objectif. Pour une campagne de notoriété, on surveillera couverture utile, qualité des environnements, vCPM, fréquence visible et brand safety. Pour une campagne de considération, on ajoutera durée visible, complétion, engagement post-exposition et progression des recherches marque. Pour une campagne de conversion, on analysera CPA, ROAS, nouveaux clients, marge et attribution pondérée. Une même bid request n’a pas la même valeur selon le rôle du canal.

Une bonne pratique consiste à construire une matrice de décision. En lignes : supply path, seller, format, environnement, audience et contexte. En colonnes : volume de bid requests, win rate, CPM, vCPM, IVT, mesurabilité, taux de conversion, taux de nouveaux clients, marge et incrémentalité estimée. Les segments peuvent alors être classés en quatre catégories : à renforcer, à maintenir, à tester sous contrainte, à exclure. Cette classification est plus actionnable qu’un tableau de bord montrant seulement dépenses, impressions et conversions.

Il faut enfin intégrer la gouvernance. Les traders peuvent détecter les anomalies d’enchère ; les équipes data peuvent modéliser les corrélations ; les responsables média peuvent arbitrer les deals ; la finance peut valider la marge ; les équipes juridiques doivent contrôler le consentement et la conformité. L’analyse des bid requests devient réellement stratégique lorsqu’elle sort du silo technique et alimente les comités d’allocation budgétaire.

Conclusion : ce que les bid requests révèlent vraiment, et comment l’utiliser

Les bid requests révèlent moins une vérité absolue qu’une structure de marché. Elles montrent comment l’inventaire arrive jusqu’à l’acheteur, ce qui est déclaré au moment de l’enchère, quels chemins supply se superposent, quels floors contraignent le prix, quels signaux d’audience sont disponibles, quels risques de qualité apparaissent avant diffusion et quelles zones de transparence restent insuffisantes.

Leur intérêt principal est de déplacer l’analyse du résultat agrégé vers la décision d’achat. Un dashboard peut dire qu’une campagne a dépensé 100 000 euros à 4 euros de CPM avec un CPA de 32 euros. Les bid requests permettent de comprendre si ce résultat provient d’un inventaire direct ou revendu, visible ou peu mesurable, contextualisé ou opportuniste, adressable ou dépendant d’un signal fragile, incrémental ou simplement proche d’une demande existante. C’est cette différence qui transforme le reporting en pilotage.

Une feuille de route actionnable peut se résumer en huit décisions. Premièrement, obtenir un accès log-level ou, à défaut, l’agrégation la plus granulaire possible. Deuxièmement, normaliser les champs OpenRTB essentiels : impression, site, app, device, user, consentement, source, schain et bidfloor. Troisièmement, auditer les chemins supply avec ads.txt, sellers.json et seller type. Quatrièmement, calculer les coûts effectifs : vCPM, coût par exposition utile et coût par résultat incrémental. Cinquièmement, relier les signaux de bid requests aux données post-bid de viewability, IVT et brand safety. Sixièmement, distinguer valeur d’audience et valeur causale, notamment en retargeting. Septièmement, renégocier ou exclure les chemins qui cumulent faible transparence, faible qualité et faible contribution. Huitièmement, intégrer ces enseignements dans les règles d’enchère, les deals, les tests et les prochains briefs média.

La maturité ne consiste pas à collecter davantage de bid requests, mais à savoir quelles questions leur poser. D’où vient réellement l’impression ? Qui la vend ? Quel prix minimal est exigé ? Quel signal utilisateur est exploitable ? Quelle qualité d’exposition est probable ? Quelle part de cette valeur est mesurable, attribuée ou incrémentale ? Une organisation capable de répondre à ces questions réduit sa dépendance aux métriques auto-déclarées et reprend le contrôle économique de son achat programmatique.

À l’heure où la donnée individuelle se fragilise, où les coûts média augmentent et où les environnements fermés limitent la transparence, l’analyse des bid requests devient un avantage compétitif. Elle ne remplace ni la stratégie de marque, ni la création, ni les tests d’incrémentalité. Elle fournit le niveau de détail nécessaire pour acheter mieux : moins de chemins opaques, moins de surenchère inutile, moins d’attribution fragile, davantage d’expositions utiles et une allocation plus proche de la valeur réelle créée.