Newsletter de janvier 2026

OpenAI a confirmé le déploiement de publicités intégrées dans ChatGPT, visibles directement sous les réponses des utilisateurs. Les tests ont commencé aux États-Unis, après plusieurs mois d’indices laissant entrevoir l’arrivée progressive d’un modèle publicitaire : une rupture claire avec l’expérience sans publicité qui prévalait jusqu’ici.

Les formats observés restent discrets dans leur forme, mais très visibles dans le fil de la conversation. Cela change la logique d’exposition : la publicité ne s’affiche plus autour du contenu, elle s’intègre à la réponse elle-même.

Un modèle encore premium, mais révélateur

Les premiers tests s’accompagnent de tarifs CPM élevés, nettement supérieurs à ceux pratiqués sur Google ou Meta. Ce positionnement limite pour l’instant l’accès à ce canal, mais il en dit long sur la valeur perçue de l’attention dans un contexte conversationnel.

Ce que cela implique pour les marques

L’enjeu ne se limite pas au budget. Les messages devront être pensés pour un contexte très spécifique : celui d’une réponse attendue comme utile. Cela impose de sortir des logiques publicitaires classiques pour aller vers des prises de parole plus pertinentes, plus directes, et mieux contextualisées.

Avis Pixalione :

Les publicités dans ChatGPT ouvrent un nouvel espace d’exposition, encore immature sur le plan de la mesure. À ce stade, le sujet est moins d’activer le levier que de comprendre comment exister dans des environnements de réponse, où la valeur perçue prime sur le clic.

Google a lancé Mix Experiments en version bêta dans Google Ads. Cette fonctionnalité permet de comparer différentes structures de campagnes afin de mesurer leur impact réel sur la performance.

Plutôt que de s’appuyer uniquement sur les modèles d’attribution standards, Mix Experiments permet de tester concrètement ce qui se passe lorsqu’on modifie le mix média, par exemple en comparant une stratégie Search seule à une combinaison Search + Performance Max.

Une méthode qui change la lecture des performances

L’outil repose sur des tests contrôlés, avec des audiences réparties entre plusieurs configurations. L’objectif est simple : distinguer les conversions réellement générées de celles qui auraient eu lieu de toute façon.

Ce que cela change pour les annonceurs

Mix Experiments n’est pas un outil d’optimisation quotidienne. Il sert avant tout à éclairer les décisions structurantes, notamment lorsqu’il s’agit de réallouer ou de sécuriser des budgets dans un environnement de plus en plus automatisé.

Avis Pixalione :

Mix Experiments permet de répondre à une question centrale en SEA : un levier apporte-t-il réellement de la valeur, ou capte-t-il des conversions existantes. Dans un contexte Google Ads fortement automatisé, c’est un outil clé pour décider sur des faits, pas sur des impressions.

Lors du Forum de Davos (19–23 janvier 2026), les leaders de la tech ont fait passer un message clair : l’IA ne peut plus être pilotée sans une traçabilité solide des données utilisées. La notion de Data Provenance s’impose désormais comme un prérequis, et non plus comme un sujet secondaire.

Jusqu’ici, l’attention portait surtout sur la puissance des modèles et les cas d’usage. En 2026, la confiance, la conformité et la capacité à expliquer les décisions prises par l’IA prennent le dessus.

Pourquoi ce sujet devient critique

L’IA générative amplifie tout : les bonnes données comme les mauvaises.
Sans traçabilité claire, il devient difficile de comprendre les recommandations produites, d’en garantir la fiabilité ou de défendre une décision face à des enjeux réglementaires ou business.

C’est précisément ce point qui ressort des échanges à Davos : une IA performante mais opaque devient un risque.

Ce que Gartner met en perspective

Gartner souligne que les entreprises qui tirent de la valeur de l’IA sont celles qui ont structuré leurs sources de données, leurs règles d’usage et leur gouvernance. La performance ne dépend plus uniquement des algorithmes, mais de la maîtrise de toute la chaîne de valeur de la donnée.

Avis Pixalione :

Les discussions de Davos confirment une évolution majeure : la donnée devient un actif stratégique à condition d’être traçable. En 2026, la performance de l’IA dépendra moins de la sophistication des modèles que de la capacité des organisations à maîtriser l’origine, la qualité et l’usage de leurs données. La Data Provenance n’est plus un sujet de conformité, c’est un levier de crédibilité et de décision.

Google a présenté l’Universal Commerce Protocol (UCP), une initiative destinée à standardiser la façon dont les données produit sont décrites et partagées sur le web. L’objectif est de limiter la fragmentation entre moteurs, plateformes e-commerce, marketplaces et environnements IA.

Cette annonce s’inscrit dans une évolution claire : la recherche ne se limite plus à afficher des liens, mais agrège, compare et recommande à partir de données structurées.

Pourquoi Google agit maintenant

Une même information produit peut aujourd’hui exister sous plusieurs formats selon les canaux. Ces écarts compliquent la compréhension des produits, autant pour les utilisateurs que pour les systèmes automatisés.

Avec UCP, Google cherche à s’appuyer sur des données plus cohérentes, plus fiables et plus faciles à exploiter, notamment dans des interfaces de recommandation et de synthèse.

Ce que cela change pour le SEO et l’e-commerce

La structuration des données devient un levier de visibilité à part entière. Les sites capables de fournir des informations produit claires et normalisées seront mieux positionnés dans les résultats enrichis et les interfaces IA.

Avis Pixalione :

Avec UCP, Google renforce une logique déjà à l’œuvre : la visibilité des sites e-commerce dépend de plus en plus de la qualité et de la cohérence des données produit, pas seulement du contenu éditorial. Les marques qui investissent dès maintenant dans une structuration propre et standardisée de leurs données se donnent un avantage durable dans un écosystème où search, shopping et IA convergent.

Avec Andromeda, Meta a profondément modifié la façon dont ses campagnes publicitaires sont diffusées. L’algorithme accorde désormais beaucoup plus d’importance aux créations elles-mêmes qu’aux réglages de ciblage ou aux variations techniques.

Concrètement, Meta cherche à comprendre ce qui capte vraiment l’attention, pas ce qui a été finement paramétré. Résultat : les annonces trop similaires entre elles performent moins, même si elles sont bien configurées.

Ce qui ne fonctionne plus comme avant

Pendant longtemps, il était courant de tester plusieurs versions très proches d’une même annonce : un visuel quasi identique, un texte légèrement modifié, un CTA différent.
Avec Andromeda, ce type de tests apporte peu de valeur. L’algorithme regroupe les créations trop similaires et les traite comme un seul signal.

En clair : changer un détail ne suffit plus. Ce que Meta attend, ce sont des idées réellement différentes.

Ce que Meta attend désormais des annonceurs

Les campagnes qui performent le mieux sont celles qui proposent plusieurs approches créatives distinctes :
des messages différents, des formats variés, des angles clairs.
Ce n’est plus une question de quantité de variations, mais de qualité et de diversité des concepts.

Cela implique de repenser la production créative : moins d’itérations cosmétiques, plus de vraies idées testées en parallèle.

Avis Pixalione :

Avec Andromeda, Meta envoie un message clair : la performance ne se gagne plus avec des réglages fins, mais avec de bonnes créations. Les marques qui continueront à produire des variantes très proches passeront à côté du potentiel de diffusion. Celles qui investissent dans des concepts créatifs réellement différents donneront à l’algorithme ce dont il a besoin pour performer.