L’IAB publie un cadre pour créditer l’influence des LLM sur les conversions, tout en constatant l’absence de preuves exploitables à l’intérieur des plateformes. Des ouvertures arrivent pourtant : Google est sommé de partager des clics au Royaume-Uni et OpenAI teste un tableau de bord, sans que le lien entre visibilité IA et ventes soit pour l’instant établi.
Des données promises par Google et OpenAI, mais des angles morts subsistent
L’Autorité de la concurrence et des marchés du Royaume-Uni impose à Google de fournir aux éditeurs britanniques des données de clics issues de ses fonctionnalités de recherche IA, avec une échéance fixée au 3 décembre. Parallèlement, OpenAI expérimente un tableau de bord analytique qui recense le nombre d’apparitions d’une entreprise dans les réponses de ChatGPT et les clics générés vers son site. Ces informations sont attendues par des éditeurs comme BDG, qui les jugent précieuses pour leurs offres géographiques. Selon certains responsables, l’absence de ces données laisse les éditeurs dans le flou. Le partage d’analyses est présenté comme bénéfique à la fois pour les plateformes et les médias, et la nécessité d’une vérification tierce pour auditer les chiffres fournis est soulignée. Malgré la publication du cadre de l’IAB, de nombreux aspects restent non mesurables.
Expérimentations éditeurs : visibilité accrue, attribution toujours incomplète
Des éditeurs testent des solutions sur le terrain. Time collabore avec Mobian pour mesurer la performance de ses publicités diffusées auprès d’agents d’IA, tandis que Bustle Digital Group s’appuie sur Profound pour évaluer ses campagnes géographiques. Ces démarches offrent une visibilité sur certains segments du parcours, mais ne permettent pas encore de relier de façon fiable l’influence de l’IA aux ventes. Elles interviennent alors que des groupes élargissent leurs offres géographiques, un développement freiné par la difficulté persistante de la mesure.
Ce que formalise le cadre : décisions, preuves attendues et manques de transparence
Le cadre de l’IAB propose de distinguer qui crée l’intention, qui prend la décision et qui exécute la transaction, et d’associer chaque revendication à des preuves spécifiques. Il met en avant des déficits de transparence qui compliquent la vérification de ces revendications et formule plusieurs recommandations : indiquer si les recommandations sont payées ou organiques, exposer les sources, et étiqueter de façon cohérente le trafic d’origine IA. Il invite aussi marques et agences à appliquer les standards de revendication et de preuve, et les éditeurs à identifier les preuves nécessaires pour étayer l’influence de leur contenu. Un cas type décrit une réponse IA s’appuyant sur une critique d’éditeur : sans clic sur la citation, la vente est souvent comptabilisée comme recherche ou trafic direct par le détaillant. L’utilisation d’un contenu à l’entraînement n’est pas traçable de l’extérieur, le grounding et la citation sont observables mais ne suffisent pas à prouver l’ampleur de l’influence, et le lien entre signaux de sourcing et conversions en aval manque pour étayer pleinement une revendication contributive.
L’IA appliquée, concrètement ?
Les cas d’usage qui marchent vraiment, décryptés chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Pourquoi l’attribution décroche : parcours IA sans clics et outils insuffisants
Les parcours pilotés par des assistants d’IA manquent souvent d’impressions, de clics et de données de référence, ce qui fait que des ventes issues de recommandations peuvent être attribuées à d’autres canaux. Des responsables de la mesure constatent que les outils actuels peinent à relier l’influence de la recherche IA aux conversions. Certaines plateformes de mesure savent suivre la visibilité IA, les citations et la présence des marques dans les réponses, mais ne relient pas de manière fiable ces interactions aux achats. Une analyse de sessions de navigateur menée par Profound a montré qu’un consommateur sur trois a eu, dans le mois précédant l’achat, une conversation IA pertinente demeurée non attribuée, un résultat établi sans inclure le mode IA de Google ni ses aperçus. Ce phénomène est qualifié de problème délicat à ce stade.
Ce que disent les acteurs : reçus manquants, budgets contraints et besoins d’accompagnement
Des responsables éditeurs et mesure constatent que les médias fournissent des réponses mais ne disposent pas des preuves qui démontrent leur rôle dans la conversion. Le cadre aide à comparer des offres, dans un environnement où se multiplient des solutions propriétaires utilisant des termes identiques pour des définitions différentes. Côté annonceurs, l’absence de données de première main issues des plateformes d’IA limite l’extension de budgets vers les LLM. Plusieurs dirigeants soulignent la nécessité de mieux comprendre comment les modèles répondent et comment attribuer l’effet observé, les CTR n’étant pas mesurés dans ce contexte. Ils réclament un accompagnement similaire à celui offert par les grandes plateformes sociales ou vidéo. Du côté de l’IAB, les responsables décrivent l’initiative comme un appel à l’action face à l’opacité des plateformes et aux preuves manquantes. Enfin, des éditeurs évoquent des accords avec des entreprises d’IA apportant une compensation pour contenu et références ; au Washington Post, 95 % des références d’IA reçues proviendraient d’OpenAI, selon son rédacteur en chef exécutif.
