Retail media tech : évaluer la marge au-delà du ROAS
Quand le retail media devient un centre de profit, le ROAS ne suffit plus à arbitrer les budgets
Le retail media, ensemble des dispositifs publicitaires opérés par des distributeurs, marketplaces ou plateformes marchandes à partir de leurs audiences, de leurs données transactionnelles et de leurs environnements d’achat, a gagné sa place dans les plans médias parce qu’il promet une proximité rare avec la conversion. Cette promesse est puissante : toucher un acheteur dans un contexte marchand, mesurer la vente attribuée, relier média et transaction, puis optimiser rapidement les enchères. Dans un marché où les cookies tiers se dégradent et où la donnée first-party, donnée collectée directement par une entreprise auprès de ses clients ou utilisateurs, devient stratégique, l’argument est solide.
Mais la phase actuelle du retail media impose un changement de lecture. Les directions marketing ne peuvent plus se contenter d’un ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, même lorsqu’il paraît élevé. Un ROAS de 8 peut être moins intéressant qu’un ROAS de 3 si le premier repose sur des produits à faible marge, des audiences déjà acquises, une forte cannibalisation organique et des frais technologiques opaques. À l’inverse, une campagne à ROAS court terme modéré peut créer davantage de valeur si elle recrute de nouveaux acheteurs, améliore la pénétration de catégorie, soutient des références à forte contribution et déclenche des réachats rentables.
L’enjeu est donc moins de mesurer ce que la campagne a vendu que ce qu’elle a réellement ajouté. Cette nuance est centrale. Le chiffre d’affaires attribué répond à une question opérationnelle : quelles ventes peuvent être rattachées à une exposition ou à un clic selon une règle donnée ? La marge incrémentale répond à une question de direction : quelle valeur économique additionnelle reste-t-il après coûts médias, remises, coûts technologiques, coûts produits, cannibalisation et effets de cycle de vie ? Dans un contexte où eMarketer estime que les dépenses retail media américaines dépassent 50 milliards de dollars par an, et où IAB Europe situe le marché européen au-delà de 14 milliards d’euros, cette distinction n’est plus un raffinement analytique. C’est une condition de rentabilité.
Le retail media tech désigne ici l’ensemble des briques permettant d’activer, mesurer et optimiser ces campagnes : plateformes propriétaires des retailers, DSP, demand-side platforms, plateformes permettant aux annonceurs d’acheter des impressions publicitaires de manière automatisée, SSP, supply-side platforms, outils par lesquels les éditeurs ou retailers mettent leur inventaire à disposition, clean rooms, environnements sécurisés de rapprochement de données, ad servers, dashboards BI et modèles d’attribution. La maturité technologique ne se juge pas seulement à la richesse fonctionnelle. Elle se juge à la capacité à révéler la marge, pas uniquement le revenu.
Pourquoi le ROAS reste utile, mais devient dangereux lorsqu’il est traité comme une preuve de valeur
Le ROAS a trois qualités qui expliquent son succès. Il est simple à comprendre, proche du langage financier et facilement comparable entre campagnes. Pour un directeur commercial, un responsable e-commerce ou un directeur marketing, savoir qu’un euro investi génère six euros de ventes attribuées donne une lecture immédiate de la performance apparente. Dans le retail media, cette métrique paraît encore plus robuste, car la vente est souvent observée dans l’environnement du distributeur lui-même, parfois jusqu’au ticket de caisse.
Le problème vient de l’interprétation causale. Un ROAS élevé ne prouve pas que la publicité a créé la vente. Il prouve seulement que la vente a été attribuée à la publicité selon une fenêtre, un modèle et un périmètre définis. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, peut fortement favoriser les formats proches de l’acte d’achat : search interne sponsorisé, produits recommandés, placements en page catégorie, retargeting on-site. Ces formats interceptent souvent une intention déjà formée. Ils sont utiles, mais leur valeur réelle dépend de ce qu’ils modifient : choix de marque, panier, fréquence, marge, recrutement ou défense concurrentielle.
Le biais est particulièrement fort lorsque les campagnes ciblent des clients existants ou des acheteurs récurrents de la catégorie. Une marque de lessive qui cible des foyers ayant acheté sa référence trois fois dans les six derniers mois obtiendra probablement un ROAS élevé. Mais si ces foyers auraient racheté sans exposition, la marge incrémentale est faible. La campagne peut avoir un rôle défensif, notamment si un concurrent enchérissait agressivement sur la même catégorie, mais elle ne doit pas être comptabilisée comme de la création nette de valeur.
Le ROAS masque aussi les différences de marge. Deux produits vendus 20 euros ne contribuent pas de la même manière si l’un génère 8 euros de marge brute et l’autre 2 euros. Le retail media, lorsqu’il est piloté au chiffre d’affaires, peut pousser mécaniquement les références à volume élevé mais contribution faible. Dans les catégories de grande consommation, où les marges nettes peuvent être comprimées par la promotion, la logistique et les accords commerciaux, cette erreur d’optimisation peut transformer une campagne apparemment performante en opération destructrice de valeur.
Enfin, le ROAS ignore souvent les coûts de la supply chain média. Frais de plateforme, coût data, commission de régie, frais d’agence, marge de trading, coût créatif, coût de mesure et parfois surcoût d’accès à des audiences premium : tous ces éléments réduisent la contribution finale. Dans le programmatique classique, plusieurs travaux menés autour de l’ISBA et de PwC ont montré qu’une part significative des dépenses pouvait être absorbée par la chaîne d’intermédiation. Le retail media n’est pas immunisé contre ce risque. La proximité transactionnelle ne dispense pas d’une lecture nette.
Construire un modèle de marge retail media : de la vente attribuée à la contribution incrémentale
La première étape consiste à remplacer le reporting centré sur le chiffre d’affaires attribué par un modèle de contribution. Ce modèle n’a pas besoin d’être parfait pour être utile. Il doit surtout rendre explicites les hypothèses économiques qui sont souvent dispersées entre marketing, finance, commerce, e-commerce et data.
Une formule opérationnelle peut être posée ainsi : contribution incrémentale égale chiffre d’affaires incrémental multiplié par marge brute, moins dépenses médias, moins frais technologiques, moins remises et coûts promotionnels, moins coûts opérationnels additionnels. Le chiffre d’affaires incrémental doit être distingué du chiffre d’affaires attribué. Si une campagne attribue 1 million d’euros de ventes mais que les tests indiquent que 60 % auraient eu lieu sans campagne, le chiffre d’affaires incrémental n’est que de 400 000 euros. Si la marge brute est de 30 %, la marge brute incrémentale est de 120 000 euros. Si le média, la data, la technologie et les frais associés coûtent 100 000 euros, la contribution nette tombe à 20 000 euros. Le ROAS attribué peut sembler excellent ; la création de valeur réelle est beaucoup plus fragile.
Ce modèle doit intégrer au minimum six variables. La première est la marge brute par SKU, stock keeping unit, référence produit identifiée de manière unique. La deuxième est le taux d’incrémentalité estimé par audience, format et moment de campagne. La troisième est la part de nouveaux acheteurs, car un nouvel acheteur de catégorie ou de marque n’a pas la même valeur qu’un client récurrent. La quatrième est le coût complet d’activation, incluant média, data, tech et production créative. La cinquième est la cannibalisation organique, c’est-à-dire la part des ventes qui aurait été obtenue via le référencement naturel du retailer ou la fidélité existante. La sixième est la LTV, lifetime value, valeur économique attendue d’un client sur toute sa relation avec la marque, surtout lorsque l’objectif est le recrutement.
Un exemple concret illustre l’arbitrage. Une marque alimentaire active deux campagnes retail media. La campagne A promeut une référence leader, très connue, avec un ROAS de 10, une marge brute de 18 % et une audience composée majoritairement d’acheteurs existants. La campagne B met en avant une innovation premium, avec un ROAS de 4, une marge brute de 42 % et une part de nouveaux acheteurs de 35 %. Si la campagne A est seulement incrémentale à 20 %, tandis que la campagne B l’est à 55 %, la seconde peut produire davantage de contribution nette malgré un ROAS inférieur. Le bon arbitrage ne se lit donc pas dans le ratio revenu sur dépense, mais dans le revenu additionnel pondéré par la marge et la qualité client.
Ce changement de modèle impose de récupérer des données rarement réunies dans les mêmes tableaux : marge par produit, prix net après promotion, statut nouveau versus existant, historique d’achat, exposition média, coût réel de diffusion, frais d’activation et résultats de tests. C’est précisément là que la technologie retail media doit prouver sa valeur. Une plateforme mature ne se contente pas d’afficher des ventes attribuées ; elle permet de segmenter la contribution selon les références, les audiences, les formats et les cohortes.
Lire les coûts technologiques : la marge se perd souvent dans les couches invisibles
Le retail media tech promet de l’automatisation, de la granularité et de la mesure. Mais chaque couche technologique ajoute potentiellement du coût, de l’opacité et de la complexité. Une campagne peut passer par une plateforme retailer, une SSP, une DSP, un ad server, un outil de mesure de visibilité, une solution de brand safety, un partenaire data, une clean room et un tableau de bord externe. Chacune de ces briques peut être justifiée. Mais l’empilement doit être audité, car la marge publicitaire nette dépend du rapport entre valeur analytique créée et coût ajouté.
Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, peut optimiser l’accès à l’inventaire. Mais il peut aussi encourager une logique d’achat impression par impression sans compréhension fine de la contribution. Une DSP peut offrir un pilotage avancé des audiences, du frequency capping, limitation du nombre d’expositions par utilisateur, et des optimisations cross-retailer. Mais si les données disponibles sont trop agrégées, si les frais ne sont pas transparents ou si la mesure reste enfermée dans une boîte noire, l’avantage analytique diminue.
Les annonceurs doivent donc demander un détail des coûts. Combien est payé pour l’inventaire média ? Combien pour la donnée ? Combien pour la technologie ? Quelle est la marge de la régie ? Les frais sont-ils calculés au CPM, cost per mille, coût pour mille impressions, au pourcentage de budget, au coût par segment ou au coût fixe ? Les enchères sont-elles au premier prix ou au second prix ? Les optimisations automatiques maximisent-elles le ROAS, le chiffre d’affaires, le clic, la conversion ou une métrique personnalisée de contribution ?
Cette dernière question est décisive. Si l’algorithme optimise vers le ROAS attribué, il favorisera souvent les audiences proches de l’achat et les produits à forte conversion. Si l’objectif est la marge incrémentale, l’optimisation doit intégrer d’autres signaux : marge SKU, probabilité de conversion naturelle, statut client, pression publicitaire, disponibilité produit, niveau de promotion, historique de réachat et valeur potentielle de la cohorte. Peu de plateformes le font parfaitement. Mais les annonceurs avancés peuvent déjà construire des proxys, par exemple en important des valeurs de conversion pondérées par la marge ou en séparant les campagnes selon leur rôle économique.
La transparence technologique n’est pas seulement un sujet d’achat média. C’est un sujet de gouvernance financière. Une entreprise qui ne comprend pas sa chaîne de coûts ne peut pas savoir si elle achète de la croissance, de la défense concurrentielle ou de la marge pour les intermédiaires. Le retail media doit donc être audité comme une supply chain de valeur, pas seulement comme un canal.
Mesurer l’incrémentalité : le passage obligé pour dépasser l’illusion de performance
La mesure d’incrémentalité cherche à estimer ce qui se serait passé sans la campagne. C’est la question la plus importante et la plus difficile. Dans le retail media, elle peut être abordée par plusieurs méthodes : holdout, groupe volontairement non exposé servant de comparaison ; test géographique ; split audience ; expérimentation par magasins ; ou modélisation statistique lorsque les volumes et l’historique le permettent.
Le holdout est souvent la méthode la plus lisible. Une partie comparable de l’audience est exclue de la campagne, puis on mesure l’écart de ventes entre exposés et non exposés. Si les exposés achètent 12 % de plus que le groupe de contrôle, ce lift peut être traduit en chiffre d’affaires incrémental, puis en marge. La difficulté tient à la qualité du groupe témoin : il doit être comparable en historique d’achat, fréquence, valeur, zone géographique, sensibilité promotionnelle et exposition à d’autres actions marketing. Un mauvais groupe de contrôle donne une fausse précision.
Les tests géographiques sont utiles lorsque les ventes offline dominent. Une marque peut activer une campagne dans certaines zones de chalandise, en garder d’autres comme contrôle, puis comparer l’évolution des ventes en magasin. Cette approche exige de corriger les effets de saisonnalité, météo, prix, opérations concurrentes, disponibilité rayon et pression promotionnelle. Elle est plus lourde qu’un reporting digital standard, mais elle répond mieux à la réalité de nombreuses catégories où le point de vente physique reste majoritaire.
Le MMM, marketing mix modeling, modélisation statistique estimant la contribution des leviers marketing à partir de séries temporelles agrégées, peut compléter les tests lorsque l’entreprise dispose de suffisamment d’historique. Il permet d’intégrer médias, prix, promotions, distribution, saisonnalité et concurrence. Son avantage est de fournir une lecture macro des investissements. Sa limite est la granularité : il distingue moins facilement l’effet d’un segment retail media précis ou d’un SKU particulier, sauf si les données sont très riches.
La bonne pratique consiste à combiner plusieurs niveaux. Les tests d’incrémentalité pour valider les hypothèses causales ; l’attribution pour piloter l’opérationnel au quotidien ; les cohortes pour suivre la valeur des acheteurs recrutés ; et le MMM pour arbitrer les enveloppes budgétaires. Aucun modèle ne suffit seul. Le last click, modèle attribuant toute la conversion au dernier point de contact, est trop myope. Le multi-touch attribution, modèle répartissant le crédit entre plusieurs points de contact, reste dépendant des traces observables. Le test est plus robuste, mais plus coûteux et moins permanent. La maturité consiste à accepter cette pluralité plutôt qu’à chercher une métrique magique.
Optimiser par marge : audiences, inventaires et produits ne doivent pas être pilotés avec le même KPI
Une fois la marge intégrée, la logique d’optimisation change. Le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, ne peut pas être résumé à une descente vers l’achat. En retail media, chaque campagne doit être rattachée à un rôle économique : recruter de nouveaux acheteurs, défendre une position, accélérer un lancement, augmenter le panier, stimuler le réachat, écouler un stock, soutenir une catégorie stratégique ou déplacer la préférence face à un concurrent.
Chaque rôle appelle une métrique différente. Une campagne de recrutement doit être évaluée au coût par nouvel acheteur, à la marge de première commande, au taux de réachat et à la LTV projetée. Une campagne défensive peut accepter une faible incrémentalité si elle protège une part de marché menacée, mais elle ne doit pas être comparée à une campagne de conquête. Une campagne d’innovation peut être jugée sur la pénétration de nouveaux foyers, l’essai produit et la récurrence. Une campagne de bas de funnel sur des références matures doit être analysée à l’aune de la cannibalisation et de la marge nette.
Les audiences doivent également être hiérarchisées. Les acheteurs fidèles de la marque sont souvent faciles à convertir, mais peu incrémentaux. Les acheteurs de la catégorie non acheteurs de la marque peuvent offrir un meilleur potentiel de croissance, mais à coût plus élevé. Les acheteurs dormants peuvent être rentables si le coût de réactivation reste inférieur à la marge attendue. Les nouveaux entrants dans une catégorie peuvent être stratégiques si la marque veut construire la préférence tôt. Le même CPM ou le même CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, n’a donc pas la même valeur selon le segment.
L’inventaire doit être traité avec la même discipline. Les sponsored products en search interne captent une intention explicite ; ils sont puissants pour convertir ou défendre. Les formats display on-site peuvent travailler la considération s’ils sont associés à des signaux d’intérêt. L’off-site activé avec données retailer peut élargir la couverture, mais il nécessite une vigilance accrue sur la visibilité, la brand safety et l’incrémentalité. Les dispositifs magasin ou drive-to-store peuvent être décisifs lorsque les ventes physiques dominent, mais leur mesure exige des rapprochements plus complexes.
La granularité produit est enfin déterminante. Optimiser au niveau marque peut conduire à financer des références qui gonflent le revenu mais détruisent la marge. Les annonceurs doivent idéalement classer les SKU en quatre familles : produits à forte marge et fort potentiel de recrutement ; produits à forte marge mais faible volume ; produits à faible marge mais rôle stratégique de défense ou de pénétration ; produits à faible marge et faible incrémentalité, à limiter. Ce simple portefeuille évite de confondre chiffre d’affaires et contribution.
Installer une gouvernance commune entre marketing, commerce, finance et data
Le principal frein à l’évaluation de la marge au-delà du ROAS n’est pas seulement technique. Il est organisationnel. Le retail media se situe souvent à l’intersection de plusieurs budgets : trade marketing, e-commerce, média, shopper marketing, category management et parfois CRM. Chacune de ces équipes a ses objectifs. Le commerce veut défendre le référencement et les accords enseignes. Le marketing veut construire la marque et recruter. L’e-commerce veut vendre vite. La finance veut préserver la contribution. La data veut fiabiliser la mesure. Sans gouvernance commune, le ROAS devient la métrique de compromis parce qu’il est simple, même s’il est insuffisant.
Une gouvernance mature commence par un dictionnaire partagé. Que signifie une vente attribuée ? Quelle fenêtre d’attribution est utilisée : 7 jours, 14 jours, 30 jours ? Un nouvel acheteur désigne-t-il un nouveau client de la marque, de la catégorie ou du retailer ? La marge est-elle brute, nette de promotions, nette de frais logistiques, ou nette de média ? Une campagne défensive est-elle censée être incrémentale ? Ces définitions doivent être tranchées avant les arbitrages budgétaires, pas après la présentation des résultats.
La deuxième étape est la budgétisation par objectif. Une enveloppe peut être consacrée à la défense de part de marché sur les requêtes critiques. Une autre au recrutement de nouveaux acheteurs. Une troisième aux lancements et innovations. Une quatrième aux tests d’incrémentalité. Cette séparation évite que toutes les campagnes soient jugées avec le même seuil de ROAS. Elle protège aussi les investissements de long terme, souvent moins performants en attribution immédiate mais plus créateurs de valeur client.
La troisième étape est l’alignement avec la finance. Les équipes marketing doivent accepter que certaines campagnes à ROAS élevé soient réduites si leur marge incrémentale est faible. Les équipes finance doivent accepter que certaines campagnes à ROAS faible soient maintenues si elles recrutent des cohortes rentables ou soutiennent une innovation stratégique. Le débat ne doit pas opposer performance et marque, mais court terme attribué et valeur économique réelle.
Enfin, la gouvernance doit prévoir des revues régulières par retailer, catégorie, audience et format. Un réseau peut être excellent pour recruter sur une catégorie donnée et médiocre sur une autre. Un format peut être rentable pendant un temps fort commercial et inefficace hors période. Une audience peut saturer rapidement. La maturité consiste à réallouer les budgets en fonction de la contribution observée, pas selon l’habitude relationnelle avec les distributeurs ou la facilité de reporting.
Conclusion : piloter le retail media comme un portefeuille de marge, pas comme un tableau de ROAS
Le retail media entre dans une phase où la discipline économique devient aussi importante que la capacité d’activation. Les annonceurs ont désormais accès à des inventaires puissants, à des données transactionnelles précieuses et à des outils technologiques sophistiqués. Mais cette sophistication ne crée de valeur que si elle permet de mieux répondre à une question simple : quel investissement augmente réellement la marge future de la marque ?
Une feuille de route actionnable peut se structurer en sept étapes. Premièrement, distinguer systématiquement chiffre d’affaires attribué, chiffre d’affaires incrémental et contribution nette. Deuxièmement, intégrer la marge par SKU dans les reportings retail media, même sous forme d’approximation initiale. Troisièmement, exiger la transparence des coûts technologiques, data, média et régie. Quatrièmement, installer des tests d’incrémentalité réguliers sur les principales audiences et familles de formats. Cinquièmement, segmenter les campagnes par rôle économique : recrutement, défense, conversion, innovation, réachat ou panier. Sixièmement, analyser les cohortes recrutées au-delà de la première vente, avec taux de réachat, marge et LTV. Septièmement, créer une gouvernance commune entre marketing, commerce, finance et data pour arbitrer sur la contribution plutôt que sur le ROAS moyen.
Le ROAS ne doit pas être abandonné. Il reste un indicateur utile de pilotage opérationnel, notamment pour comparer des créations, des enchères ou des placements dans un même contexte. Mais il doit être replacé à sa juste place : un signal, pas une preuve finale. Dans le retail media, la performance apparente est souvent la plus forte là où la causalité est la plus fragile. C’est précisément pourquoi les marques doivent passer d’un pilotage par revenu attribué à un pilotage par marge incrémentale.
Les organisations qui feront ce basculement disposeront d’un avantage compétitif. Elles sauront quand accepter un ROAS plus faible parce que la cohorte est meilleure, quand réduire une campagne flatteuse mais cannibalisante, quand payer plus cher une audience réellement nouvelle, et quand utiliser le retail media comme outil défensif sans surestimer sa contribution. À mesure que les budgets basculent vers les écosystèmes marchands, la question ne sera plus de savoir qui affiche le plus haut ROAS. Elle sera de savoir qui transforme la donnée retail en décisions de marge plus intelligentes, plus mesurées et plus durables.
