Du ciblage utilisateur à l’hyper-contextualisation
Les domaines d’application de l’IA sont vastes et nous la retrouvons dans bien des aspects de la vie quotidienne : chatbots, objets connectés à commande vocale, reconnaissance d’images… les usages sont multiples. Bien que l’intelligence artificielle ne soit pas un concept récent, les améliorations des capacités de calcul, survenues il y’a une quinzaine d’années avec l’apparition des GPU (Graphics Processing Unit) dont les capacités sont bien supérieures à celles des traditionnels CPU (Central Processing Unit), ont permis à la discipline de transformer d’énormes volumes de données en insights et d’en faire un véritable atout.
Le monde de la publicité digitale qui dispose et exploite de grandes quantités de données, tant contextuelles que personnelles, a naturellement bénéficié grandement des avancées de l’IA au cours des dernières années. L’apparition du Deep Learning avec l’utilisation des GPU a permis de dépasser les limites du Machine Learning. Le Deep Learning qui permet en effet de traiter des volumes de données bien plus importants, grâce à une approche de réseau neuronal qui recherche des modèles et des corrélations, a rendu possible le développement d’algorithmes moins « dirigés », réduisant ainsi le biais humain.
Le Deep Learning a contribué à l’analyse de contenus éditoriaux et de la brand suitability de chacune de ces pages web. Ces données analysées, dites sémantiques, sont ensuite utilisées pour opérer un ciblage publicitaire dans un contexte de diffusion maîtrisé. Des millions de pages web sont ainsi analysées afin de définir une classification précise des contenus. Le multi-scoring qui en découle permet d’identifier l’interconnexion de sujets variés au sein d’un même contenu éditorial. Cette hyper-contextualisation est rendue possible par l’utilisation d’algorithmes de NLU (Natural Language Understanding) qui permettent de comprendre le sens exact d’une page web apportant ainsi une vision plus claire et granulaire des contextes de diffusion.
Cette solution permet non seulement de s’affranchir de l’utilisation de toutes données personnelles mais offre aussi une meilleure mémorisation du message publicitaire poussé dans un contexte de diffusion affinitaire. L’intelligence artificielle appliquée à la sémantique est alors capable de cibler l’attention de l’utilisateur, à la différence des ciblages basés sur les données utilisateurs qui se focalisent sur l’intention.
Peut-on repousser les limites de l’IA ?
Néanmoins, pour que cette intelligence artificielle se développe et s’optimise, un volume important de données est nécessaire. Dans un monde cookieless et consentless où la donnée utilisateur disponible est décroissante, la donnée sémantique, qui reflète les centres d’intérêts immédiats des internautes, vaudra de l’or pour qui sait l’exploiter.
Une publicité adressée à la bonne personne et au bon moment, rien de nouveau sous le soleil du marketing. Cependant, l’ultra-personnalisation est un des nouveaux enjeux de l’IA. Plus le volume de données analysées est important, plus nous seront capables de comprendre les comportements des utilisateurs et de personnaliser le contenu d’un message publicitaire. Une question éthique se pose : toutes les données disponibles doivent-elles être utilisées ? L’évolution du cadre légal, en réduisant la quantité de données utilisateurs disponibles, donne un début de réponse à cette question. L’évolution du cadre technologique, lui aussi, implique moins de partage de ces données collectées entre les différents acteurs, et donc un accès beaucoup plus concentré autour des géants du marché. C’est pourquoi L’IA appliquée aux contextes de diffusion permet de créer de nouvelles stratégies publicitaires ultra-personnalisées ne dépendant pas de ces données en voie de disparition. Fini le contextuel comme nous l’avons connu aux prémices de la publicité digitale. Grande prêtresse de notre temps, l’intelligence artificielle permet désormais de comprendre plus précisément des sujets complexes grâce à une analyse fine et précise, faisant de la sémantique plus qu’une alternative à la disparition progressive des données utilisateurs mais une véritable stratégie de ciblage publicitaire.
La publicité digitale se trouve aujourd’hui confrontée à des défis de grande ampleur mais le ciblage publicitaire n’en est pas pour autant menacé. Les progrès de l’intelligence artificielle vont de plus en plus nous permettre de privilégier le ciblage sémantique au ciblage comportemental. Les acteurs de l’industrie publicitaire doivent tenir compte des opportunités offertes par les technologies et être prêts à adopter une philosophie plus éthique pour construire le futur de la publicité digitale sans données personnelles.
