Analyse des pertes de signal entre ad server, SSP et DSP

La perte de signal est devenue un indicateur critique de qualité média

Dans une chaîne programmatique mature, l’écart entre ce que l’ad server comptabilise, ce que la SSP déclare avoir mis aux enchères et ce que la DSP considère comme achetable n’est plus un simple bruit technique. C’est un symptôme de qualité opérationnelle, de transparence supply et de fiabilité de la mesure. L’ad server désigne l’outil qui sert, trace et attribue les impressions publicitaires côté annonceur ou éditeur. La SSP, supply-side platform, est la plateforme utilisée par les éditeurs pour vendre automatiquement leur inventaire. La DSP, demand-side platform, est la plateforme utilisée par les acheteurs pour acheter des impressions en programmatique. Entre ces trois systèmes, une même opportunité publicitaire peut changer de statut plusieurs fois : appelée, rendue, envoyée en bid request, filtrée, enchérie, gagnée, servie, visible, attribuable.

Le problème n’est pas seulement de constater que les volumes divergent. Il est de comprendre où et pourquoi le signal se dégrade. Une différence de 5 % entre deux plateformes peut être acceptable selon les fenêtres de comptage, les règles d’arrondi, les timeouts ou les déduplications. Un écart de 20 % à 40 % sur certains segments, en revanche, peut modifier la lecture du CPM, coût pour mille impressions, du CPA, coût par acquisition, du ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, et de l’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing. À budget constant, une perte de signal non diagnostiquée peut conduire un trader à couper un inventaire réellement performant, à surpayer une supply path inefficiente ou à optimiser sur des impressions qui ne sont pas comparables.

La fragmentation s’est accentuée avec l’érosion des identifiants tiers, la montée des environnements in-app et CTV, la multiplication des wrappers header bidding, les contraintes de consentement, les solutions de brand safety, les filtres anti-fraude et les logiques d’optimisation algorithmique propres à chaque plateforme. Dans le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression au moment où elle devient disponible, quelques centaines de millisecondes suffisent pour qu’une impression soit écartée, enrichie, masquée ou réévaluée. L’analyse des pertes de signal consiste donc à reconstruire la chaîne événementielle, pas à comparer naïvement trois exports agrégés.

Cartographier la chaîne : de l’appel publicitaire à l’impression attribuable

La première étape consiste à distinguer les événements techniques. Un ad call indique qu’un emplacement publicitaire demande une création. Une bid request est la requête envoyée par une SSP ou un exchange aux acheteurs potentiels, généralement selon le protocole OpenRTB. Une bid response est la réponse de la DSP avec un prix, une création et des métadonnées. Une win notice indique que l’acheteur a gagné l’enchère. Une impression servie confirme que la création a été appelée ou délivrée. Une impression rendue indique qu’elle a effectivement chargé côté navigateur, application ou player. Une impression visible répond à un seuil de viewability, souvent aligné sur les standards MRC, Media Rating Council : 50 % des pixels affichés pendant au moins une seconde en display, ou deux secondes en vidéo.

Ces événements ne sont pas interchangeables. Une SSP peut comptabiliser une opportunité envoyée aux enchères, tandis que la DSP ne comptabilisera que les bid requests reçues après ses filtres d’éligibilité. L’ad server annonceur peut enregistrer une impression lorsque le tag est appelé, alors qu’un outil de vérification ne la retiendra qu’après mesure effective. Un éditeur peut déclarer une impression vendue, mais l’acheteur peut ne jamais l’associer à une conversion si l’identifiant utilisateur est absent, si le consentement ne permet pas la mesure ou si la fenêtre d’attribution est expirée.

Un framework utile consiste à séparer la chaîne en six niveaux :

1. Disponibilité inventaire : ad calls, slots disponibles, formats, device, environnement web, app, CTV ou DOOH.
2. Mise aux enchères : bid requests émises, normalisation OpenRTB, floor price, deals, paramètres de consentement, identifiants disponibles.
3. Éligibilité acheteur : bid requests reçues par la DSP, filtrées pour brand safety, ciblage, budget, fréquence, géographie, device, langue et contexte.
4. Transaction : réponses d’enchère, taux de win, clearing price, prix effectivement payé pour remporter l’impression, notifications de gain et pertes d’enchère.
5. Diffusion et mesure : impression servie, rendue, mesurable, visible, frauduleuse ou non, auditable par un outil tiers.
6. Contribution business : clics, visites, conversions post-clic ou post-view, ventes validées, marge, nouveaux clients, incrémentalité.

Le diagnostic doit suivre cette cascade. Si 10 millions de bid requests sont émises par une SSP, mais que la DSP n’en reçoit que 7 millions, l’enjeu n’est pas le même que si la DSP en reçoit 10 millions mais n’en juge que 2 millions éligibles. Dans le premier cas, il faut regarder les timeouts, les chemins d’approvisionnement, la connectivité, les duplications ou les règles de routage. Dans le second, il faut analyser les filtres de ciblage, de consentement, de brand safety, de fréquence ou de qualité. La même perte apparente de 30 % peut donc traduire soit une inefficacité technique, soit un choix volontaire d’optimisation.

Les causes principales de divergence entre ad server, SSP et DSP

La première cause est la différence de définition. Certaines plateformes comptent une impression à l’appel du tag, d’autres au rendu, d’autres après chargement complet de la création. Les écarts sont particulièrement visibles sur mobile, pages à chargement lent, formats vidéo, inventaires in-app et environnements avec forte latence. Une page peut appeler plusieurs partenaires via header bidding sans que toutes les impressions soient réellement servies. Le header bidding désigne une mécanique permettant à plusieurs sources de demande d’enchérir simultanément avant l’appel à l’ad server, afin d’augmenter la concurrence sur l’inventaire. Il améliore le yield côté éditeur, mais il multiplie aussi les événements intermédiaires et les duplications potentielles.

La deuxième cause est le timeout. Dans le programmatique, les enchères se jouent souvent dans des fenêtres de 100 à 300 millisecondes selon les environnements. Une DSP peut ne pas répondre à temps, ou ne jamais recevoir certaines requêtes si une SSP priorise d’autres chemins. Une différence de latence de 50 millisecondes peut suffire à exclure des volumes importants sur des inventaires compétitifs. En CTV et vidéo, où les assets sont plus lourds et les ad pods plus complexes, les timeouts peuvent affecter le taux de rendu, le tracking de quartiles et la complétion.

La troisième cause est la déduplication. Une même impression peut être proposée par plusieurs SSP, plusieurs resellers ou plusieurs chemins techniques. La supply path optimization, optimisation des chemins d’approvisionnement, vise justement à réduire ces routes redondantes pour acheter l’inventaire via les chemins les plus directs, transparents et économiques. Sans SPO, une DSP peut voir plusieurs bid requests correspondant à une même opportunité ou à des opportunités très proches. Elle peut les filtrer, les regrouper ou les traiter différemment. Côté ad server, une seule impression finale sera servie. Côté SSP, plusieurs opportunités auront pu être comptées en amont.

La quatrième cause est l’absence ou l’instabilité des identifiants. Cookies tiers, identifiants mobiles, IDs universels, signaux logués, adresses email hachées, consent strings et identifiants first-party ne couvrent pas les mêmes populations. La first-party data désigne la donnée collectée directement par une marque ou un éditeur auprès de ses utilisateurs, avec une base légale ou un consentement approprié. Lorsqu’un identifiant manque, la DSP peut refuser l’impression, diminuer l’enchère, ou l’acheter uniquement en contexte. L’ad server peut quand même compter l’exposition. La perte de signal n’est alors pas une perte d’impression, mais une perte d’adressabilité et de capacité d’attribution.

La cinquième cause est la conformité privacy. Les chaînes de consentement, notamment via le TCF, Transparency and Consent Framework, cadre de l’IAB Europe permettant de transmettre des choix de consentement publicitaire, peuvent être interprétées différemment par les acteurs. Un éditeur peut envoyer une requête avec un signal de consentement partiel ; une SSP peut la transmettre ; une DSP peut la refuser pour certains usages ; un ad server peut enregistrer l’impression sans autoriser la mesure utilisateur. Les pertes de signal doivent donc être analysées par finalité : ciblage, mesure, personnalisation, fréquence, attribution.

La sixième cause est la qualité média : IVT, invalid traffic, trafic invalide généré par des bots, fermes de clics, impressions non humaines ou pratiques frauduleuses ; brand safety ; domaine masqué ; app spoofing ; arbitrage MFA, made for advertising, sites conçus principalement pour générer des impressions publicitaires. Une DSP ou un outil de vérification peut exclure ces impressions après coup, alors qu’une SSP les aura mises aux enchères. Sur des inventaires contrôlés, les taux d’IVT peuvent rester inférieurs à 1 %. Sur certains segments open exchange peu qualifiés, ils peuvent dépasser 5 % à 10 %. L’écart entre volumes bruts et volumes valides devient alors un indicateur économique majeur.

Construire un diagnostic quantifié : ratios, seuils et lecture économique

Une analyse robuste ne commence pas par le ROAS, mais par des ratios de passage. L’objectif est d’identifier où la chaîne perd le plus de signal et si cette perte est normale, subie ou souhaitable. Un tableau de bord minimum doit inclure le taux de transmission SSP-DSP, le taux d’éligibilité DSP, le bid rate, le win rate, le taux de rendu, le taux de mesurabilité, le taux de viewability, le taux d’IVT, le taux de clic, le taux de conversion post-clic, le taux de conversion post-view et le taux de rapprochement avec les ventes validées.

Prenons un cas simplifié. Une SSP déclare 20 millions de bid requests sur un deal display premium. La DSP en reçoit 18 millions, soit un taux de transmission de 90 %. Elle en juge 9 millions éligibles après ciblage, consentement, fréquence et brand safety, soit 50 % des requêtes reçues. Elle répond sur 4 millions, gagne 1,2 million d’enchères, puis l’ad server annonceur compte 1,05 million d’impressions servies. L’outil de vérification mesure 920 000 impressions, dont 690 000 visibles et 15 000 invalides. À chaque étape, le volume diminue, mais toutes les pertes n’ont pas la même signification.

Le CPM payé sur impressions gagnées peut être de 6 euros. Mais si l’on raisonne en CPM visible non frauduleux, le coût réel devient supérieur : 1,2 million d’impressions gagnées à 6 euros représentent 7 200 euros de média. Rapportés à 675 000 impressions visibles et valides, le CPM visible valide atteint environ 10,67 euros. Si le reporting ne fait apparaître que le CPM d’achat, le trader peut croire que le deal est compétitif. Si l’on ajoute la mesure de contribution, le diagnostic peut changer encore : un deal plus cher à 8 euros de CPM brut mais à 85 % de viewability, 98 % de mesurabilité et faible IVT peut produire un coût par visite qualifiée inférieur.

Les seuils doivent être interprétés par environnement. En open web display, une viewability de 65 % à 75 % peut être correcte selon le format et l’objectif. En vidéo instream premium, on attend souvent des niveaux plus élevés, mais le taux de complétion, l’audio, la taille du player et la présence à l’écran sont plus importants qu’un seul ratio. En in-app, la mesurabilité dépend des SDK, software development kits, bibliothèques intégrées dans les applications pour permettre mesure et tracking. En DOOH, digital out-of-home, affichage extérieur numérique, l’impression est souvent modélisée à partir d’audience potentielle, de flux et de durée d’exposition, ce qui rend la comparaison avec web ou app dangereuse.

Le point critique est d’ajouter une lecture économique. Un écart de 10 % sur la mesure peut être tolérable si le canal est amont dans le funnel, parcours allant de la notoriété à la considération puis à la conversion, et s’il génère de la couverture incrémentale. Le même écart peut être inacceptable sur un levier de retargeting optimisé au CPA, car la facturation, l’attribution et le plafonnement de fréquence reposent sur une précision plus fine. L’analyse des pertes de signal doit donc être reliée au rôle du levier, pas jugée avec un seuil universel.

Les zones de friction spécifiques : deals, wrappers, resellers et attribution

Les deals privés, notamment les private marketplaces et preferred deals, sont souvent perçus comme plus transparents que l’open exchange. Ils peuvent l’être, mais ils ne suppriment pas les pertes de signal. Un deal ID peut regrouper plusieurs placements, formats, domaines ou applications. Si la taxonomie n’est pas stricte, la DSP reçoit un signal agrégé difficile à optimiser. Un deal vidéo peut mélanger instream, outstream, autoplay, sticky player et inventaires avec audio off. L’ad server éditeur peut déclarer un volume conforme au deal, tandis que l’acheteur constate un écart sur la complétion ou la visibilité.

Les wrappers header bidding ajoutent une autre couche. Côté éditeur, ils arbitrent entre plusieurs SSP selon les prix, les règles de priorité, les timeouts et la demande disponible. Côté acheteur, ils peuvent créer des chemins concurrents vers le même inventaire. Une DSP peut recevoir plusieurs opportunités très similaires via des SSP différentes, avec des floors, frais et métadonnées variables. Sans analyse des supply paths, l’annonceur peut payer plus cher un chemin indirect, ou perdre des opportunités parce qu’un reseller transmet un signal moins complet que la source directe.

Les resellers sont particulièrement sensibles. Le fichier sellers.json permet d’identifier les vendeurs autorisés et leur relation avec les exchanges ; ads.txt et app-ads.txt permettent aux éditeurs de déclarer les plateformes autorisées à vendre leur inventaire. Ces standards réduisent la fraude mais ne garantissent pas la qualité du signal. Un reseller autorisé peut encore transmettre un domaine mal normalisé, un bundle app imprécis, un floor incohérent ou une chaîne de paiement moins transparente. Le diagnostic doit donc distinguer vendeur direct, reseller autorisé et chemin suspect.

L’attribution constitue une zone de friction majeure. Un ad server annonceur peut attribuer une conversion post-view à une impression servie dans une fenêtre de 24 heures ou 7 jours. La DSP peut appliquer une autre fenêtre, une règle de déduplication post-clic, ou exclure les impressions non visibles. Une plateforme retail media peut attribuer une vente à une exposition sur son environnement fermé, sans partager le log complet. Le résultat est une multiplication de vérités partielles. Une campagne peut afficher 1 000 conversions dans le reporting DSP, 820 dans l’ad server, 1 250 dans une plateforme partenaire et 610 après rapprochement avec les ventes validées. Ce n’est pas nécessairement une fraude ; c’est souvent un problème de définition et de périmètre.

Pour limiter ces écarts, les équipes doivent documenter les conventions : moment de comptage de l’impression, fuseau horaire, fenêtre d’attribution, hiérarchie post-clic versus post-view, déduplication entre canaux, exclusion des conversions annulées, prise en compte de la marge et des nouveaux clients. Sans dictionnaire partagé, l’analyse des pertes de signal devient une discussion politique entre plateformes au lieu d’un diagnostic opérationnel.

Méthode d’audit : logs, rapprochements et expérimentation contrôlée

L’audit doit combiner trois niveaux : données agrégées, logs événementiels et tests contrôlés. Les données agrégées permettent de repérer les anomalies : chute de win rate sur une SSP, hausse soudaine de l’IVT, baisse de mesurabilité, écart entre impressions facturées et servies. Mais elles ne suffisent pas. Les logs, c’est-à-dire les fichiers détaillant les événements à un niveau granulaire, permettent de reconstruire les séquences : bid request, bid response, win notice, impression, clic, conversion, device, domaine, bundle app, deal ID, consent string, timestamp, prix et identifiant pseudonymisé lorsque disponible.

Un rapprochement utile consiste à partir d’un identifiant transactionnel commun. Dans l’idéal, l’auction ID ou l’impression ID permet de relier l’événement SSP, DSP et ad server. En pratique, ces identifiants ne sont pas toujours disponibles ou cohérents. Il faut alors rapprocher par timestamp, domaine, placement, prix, creative ID, deal ID et user ID pseudonymisé. Cette méthode est moins parfaite mais suffisante pour identifier des patterns : certains domaines perdent 25 % des impressions au rendu, une SSP présente des délais supérieurs, un format mobile génère des impressions non mesurables, un deal a une forte duplication via resellers.

Les tests contrôlés permettent ensuite de valider les hypothèses. Par exemple, un annonceur peut isoler pendant deux semaines trois chemins d’approvisionnement vers un même éditeur : direct SSP A, reseller SSP B, open exchange SSP C. À budget, ciblage, fréquence et création comparables, il mesure les écarts de CPM, taux de win, rendu, viewability, IVT, visites qualifiées et conversions incrémentales. Si le chemin direct coûte 12 % plus cher au CPM brut mais réduit de 30 % les pertes de rendu et améliore la visibilité de 18 points, la décision peut être de privilégier ce chemin malgré un prix facial supérieur.

Un autre test consiste à modifier les seuils de filtrage DSP. Une stratégie très restrictive en brand safety et viewability peut améliorer la qualité moyenne mais réduire la couverture et augmenter le CPM. Une stratégie trop large peut générer du volume peu contributif. L’objectif est de construire une courbe de réponse : à quel niveau de filtrage le coût par visite qualifiée ou le CPA incrémental est-il optimal ? Le CPA incrémental désigne le coût des conversions qui n’auraient probablement pas eu lieu sans exposition, mesuré par holdout, geo-test ou méthode quasi expérimentale. Sans incrémentalité, un filtrage peut sembler performant parce qu’il concentre l’achat sur des audiences déjà intentionnistes.

Les audits doivent aussi intégrer le consentement. Segmenter les résultats selon les statuts de consentement permet de distinguer perte de signal et perte de performance. Un inventaire sans consentement peut rester utile en ciblage contextuel ou notoriété, mais il doit être exclu de certains modèles d’attribution utilisateur. Le risque est de confondre un environnement moins mesurable avec un environnement moins efficace. Une impression non adressable peut contribuer à la demande, même si elle ne remonte pas dans un reporting user-level.

Transformer le diagnostic en décisions média et contractuelles

Une analyse des pertes de signal n’a de valeur que si elle modifie les décisions. La première décision concerne les supply paths. Les équipes doivent réduire les chemins redondants, privilégier les vendeurs directs lorsque la qualité et le prix le justifient, exclure les resellers opaques, négocier des deal IDs plus granulaires et demander une transparence sur les frais. Le bon indicateur n’est pas seulement le CPM, mais le coût par impression visible, valide, mesurable et contributive. Un inventaire à 4 euros de CPM avec 45 % de viewability et 6 % d’IVT peut être plus cher économiquement qu’un inventaire à 7 euros avec 80 % de viewability et 1 % d’IVT.

La deuxième décision concerne les contrats et SLA, service level agreements, engagements de niveau de service. Les annonceurs avancés doivent intégrer des clauses sur la disponibilité des logs, la granularité des rapports, les définitions d’impression, les standards anti-fraude, la conformité ads.txt, la transparence des resellers, les délais de reporting et les règles de remboursement en cas d’anomalies majeures. Sans accès aux logs ou au moins à des agrégats auditables, la perte de signal restera non prouvable.

La troisième décision concerne la mesure. Il faut définir un référentiel de vérité par usage. L’ad server peut rester la source de facturation et de diffusion. La DSP peut rester la source d’optimisation tactique. L’outil de vérification peut être la référence pour viewability, brand safety et IVT. Le CRM ou l’outil analytics peut être la référence pour les ventes validées, la marge et la valeur client. Vouloir un seul chiffre universel est souvent illusoire ; l’enjeu est de savoir quel chiffre sert quelle décision.

La quatrième décision concerne le pilotage du funnel. En haut de funnel, une partie du signal utilisateur sera structurellement perdue, surtout en vidéo, CTV, audio ou DOOH. Le pilotage doit alors s’appuyer davantage sur couverture, répétition, attention, lift de recherche de marque, études exposés/non exposés ou MMM, marketing mix modeling, modélisation statistique estimant la contribution des leviers à partir de séries temporelles agrégées. En bas de funnel, où les décisions reposent sur attribution et conversion, les exigences de traçabilité doivent être plus fortes : consentement, fréquence, déduplication, ventes validées et tests d’incrémentalité.

La cinquième décision concerne l’organisation. Les pertes de signal ne sont pas seulement un sujet trading. Elles impliquent ad operations, data, analytics, juridique, agence, DSP, SSP, éditeurs et finance. Un comité mensuel de qualité supply peut être plus utile qu’un reporting de performance supplémentaire. Il doit examiner les écarts récurrents, valider les exclusions, suivre les tests de supply path optimization, documenter les conventions de mesure et arbitrer entre volume, qualité, coût et contribution business.

Conclusion : piloter la perte de signal comme un coût caché de l’achat programmatique

Les divergences entre ad server, SSP et DSP ne disparaîtront pas. Elles sont inhérentes à une chaîne d’achat automatisée, multi-acteurs, soumise à des contraintes de latence, de privacy, de qualité média et d’attribution. L’objectif n’est donc pas d’obtenir une réconciliation parfaite, mais de rendre les pertes explicites, mesurables et actionnables. Une impression ne vaut pas seulement par son prix d’achat ; elle vaut par sa capacité à être transmise, achetée, rendue, mesurée, visible, valide et reliée à un résultat business pertinent.

Une feuille de route opérationnelle peut se structurer en sept étapes. Premièrement, cartographier les événements de la chaîne, de l’ad call à la conversion validée. Deuxièmement, aligner les définitions : impression servie, rendue, mesurable, visible, valide, attribuable. Troisièmement, construire des ratios de passage par SSP, deal, domaine, format, device et statut de consentement. Quatrièmement, analyser les écarts avec des logs lorsque les volumes ou les budgets le justifient. Cinquièmement, tester les supply paths plutôt que supposer que le chemin le moins cher est le plus efficace. Sixièmement, relier les pertes techniques à des métriques économiques : CPM visible valide, CPA incrémental, ROAS incrémental, marge et nouveaux clients. Septièmement, intégrer les résultats dans les contrats, exclusions, enchères, deals et conventions d’attribution.

Pour les professionnels du marketing, le sujet est stratégique. Une perte de signal mal comprise peut masquer une fraude, pénaliser un inventaire premium, gonfler artificiellement un CPA, ou favoriser des canaux bas de funnel déjà surexposés. À l’inverse, une analyse rigoureuse peut révéler que certaines pertes sont acceptables parce qu’elles correspondent à des choix de qualité, de privacy ou de couverture. La maturité consiste à ne pas traiter tous les écarts comme des erreurs, mais à identifier ceux qui détruisent réellement de la valeur. Dans un marché où la transparence supply devient un avantage compétitif, piloter les pertes de signal entre ad server, SSP et DSP revient à reprendre le contrôle économique de chaque impression achetée.