La plupart des outils contextuels sont antérieurs à la révolution de l'IA, mais de nombreux éditeurs n'ont pas encore repensé leur approche à la lumière des possibilités qu'offre désormais l'IA. Ces solutions traditionnelles classent les pages en grandes catégories, sans tenir compte du sens et des nuances qui font la valeur du contenu pour les acheteurs et les vendeurs.
La « Contextual Intelligence » d'Optable utilise un modèle linguistique à grande échelle (LLM) pour classer les contenus, dépassant ainsi ces limites afin d'offrir aux éditeurs une compréhension plus approfondie de ce qu'ils publient — et davantage de moyens de transformer cette compréhension en valeur ajoutée.
Alors que l'IA redéfinit les possibilités offertes par les technologies contextuelles, le moment est venu pour les éditeurs de revoir leur approche.
Comment le ciblage contextuel fonctionnait-il traditionnellement ?
La plupart des systèmes contextuels traditionnels disponibles sur le marché s'appuient sur des modèles d'apprentissage automatique développés il y a plusieurs années. Ils identifient des schémas : quels mots apparaissent sur une page, à quelle fréquence et à côté de quels autres mots. Ils attribuent ensuite une catégorie à la page.
Cette approche a fonctionné pendant un certain temps, mais elle a ses limites :
- Il analyse les mots, pas leur sens. La reconnaissance de motifs a du mal à gérer l’ambiguïté, le sarcasme, les nuances et les mentions en passant. Pour un modèle qui ne tient compte que des mots, un titre tel que « Les actions Apple s’effondrent » peut ressembler à une recette de dessert. En matière de sécurité des marques, cela se traduit souvent par des listes de mots-clés à bloquer très larges, qui empêchent les publicités d’apparaître sur des pages pourtant parfaitement sûres.
- Souvent, il n'en voit qu'une partie. De nombreux systèmes classent une page en fonction de son URL, de son titre ou d'un extrait. Ils n'évaluent pas l'article dans son intégralité et passent à côté d'informations telles que le ton, le moment de publication et le contexte.
- Il est conçu pour une seule taxonomie. Les modèles traditionnels sont entraînés sur un ensemble fixe de catégories. L'ajout d'une nouvelle taxonomie ou d'une taxonomie personnalisée implique de nouvelles données et un nouveau cycle d'entraînement ; c'est pourquoi de nombreux systèmes effectuent une seule classification, puis traduisent le résultat. La précision diminue au fur et à mesure.
- Tout s'arrête au niveau de la page. Les catégories sont regroupées dans un système et les données d'audience dans un autre. Les acheteurs peuvent cibler une page ou une personne, mais rarement les deux à la fois.
Cela fonctionnait bien tant que l'identité tierce assumait l'essentiel de la charge. Aujourd'hui, l'approche contextuelle doit prendre le relais, et les lacunes sont difficiles à ignorer.
Optable va au-delà des mots-clés
L'intelligence contextuelle d'Optable ne se contente pas de compter les mots ou de filtrer le contenu selon des catégories superficielles. Nous l'avons développée à partir de modèles linguistiques à grande échelle, le même type d'IA qui équipe les assistants les plus performants du moment, afin d'analyser le sens de la page. Concrètement, cela signifie que :
- Il comprend le contexte. Le modèle saisit les nuances, le ton et les sujets complexes, ce qui lui permet de faire la distinction entre « Apple » (l'entreprise) et « apple » (le fruit). Lorsqu'un même article aborde plusieurs sujets, comme la finance personnelle et l'automobile, il attribue à chacun la catégorie qui lui correspond, au lieu d'imposer une seule correspondance, même si celle-ci n'est pas la plus pertinente.
- Cela va au-delà du simple sujet. Chaque page est directement classée selon les catégories de contenu de l'IAB (3.1 ou 2.2), les mots-clés, la sécurité des marques, le sentiment et l'émotion. Les annonceurs peuvent se fier à ce signal et moins dépendre des listes de blocage générales qui les empêchent d'accéder à un contenu sûr et de haute qualité.
- Il s'adapte en permanence aux nouveaux contenus. Le modèle appréhende le langage dans son ensemble, au lieu de s'appuyer sur un ensemble fixe d'exemples d'apprentissage ; ainsi, l'apparition de nouveaux sujets ou termes ne nécessite pas de reconfiguration. Les pages sont également reclassées à intervalles réguliers afin de garantir l'actualité et la précision des résultats.
- Il transforme le contexte en audiences. Chaque consultation d'une page de petites annonces est associée au lecteur qui l'a consultée. Cela signifie que les éditeurs peuvent constituer des audiences de première partie, telles que « les lecteurs ayant consulté du contenu sur les finances personnelles à trois reprises au cours des 30 derniers jours ».
C'est là que l'intelligence contextuelle va au-delà des outils traditionnels. Ces mêmes classifications s'appliquent en temps réel sur la page. Les éditeurs peuvent monétiser les lecteurs ponctuels dès leur première visite, et au fil de leurs visites, ce qui leur permet de constituer des audiences de lecteurs qui reviennent régulièrement sur un sujet donné. Ces audiences peuvent être combinées à d'autres données de première partie et transmises à Google Ad Manager, aux SSP, aux DSP et à d'autres destinations.
Google envoie désormais les catégories par défaut. En quoi votre catalogue se démarque-t-il ?
À compter d'octobre 2026, Google Ad Manager ajoutera automatiquement, par défaut, les catégories de contenu IAB aux requêtes d'enchères. C'est une bonne nouvelle pour le secteur, mais cela signifie que tout le monde utilise désormais la même taxonomie. Lorsque toutes les pages consacrées au voyage envoient la même catégorie IAB « voyage », cette catégorie à elle seule ne suffira pas à démarquer votre inventaire.
Les catégories IAB de Google ne couvrent que la demande de Google. De nombreux éditeurs vendent leurs espaces publicitaires via Prebid et d’autres partenaires en dehors de leur serveur publicitaire, où ces catégories n’apparaissent jamais. La « Contextual Intelligence » d’Optable classe chaque page selon les mêmes catégories IAB standard, puis Optable transmet ces classifications à Prebid afin que les éditeurs puissent envoyer un signal cohérent à tous leurs partenaires de demande.
Outre les catégories de l’IAB, Optable classe chaque page en fonction des mots-clés, de la sécurité des marques, du sentiment et de l’émotion, et cette profondeur d’analyse prend de plus en plus d’importance à mesure que les achats deviennent plus autonomes. Les agents d’achat commencent à lire les briefs, à évaluer l’inventaire et à recommander des offres, mais ils ne travaillent qu’à partir des signaux qui leur sont fournis. Avec un contexte plus riche, un agent peut distinguer un article de voyage présentant un nouveau circuit passionnant de celui expliquant que les gens n’ont pas les moyens de voyager cette année : même catégorie « voyage » de l’IAB, mais contextes diamétralement opposés.
Comment tirer le meilleur parti de Contextual dès aujourd'hui
Chaque demande d'offre s'accompagne désormais de catégories de base, et les agents commencent à s'impliquer davantage dans les achats. L'avantage revient à ceux qui réagissent en premier aux signaux les plus pertinents. Voici par où commencer.
Pour les éditeurs
- Vérifiez vos classifications. Examinez comment sont classées 10 à 20 pages présentant des nuances, et vérifiez si votre fournisseur lit l'article dans son intégralité ou seulement le titre. Si certaines pages sont mal classées ou si les catégories sont trop générales, testez un classificateur basé sur un modèle de langage grand (LLM) sur quelques sites.
- Mettez le contenu en adéquation avec vos audiences. Transformez les sujets préférés de vos lecteurs en segments pour les offres directes et les PMP. Pour les lecteurs ponctuels, transmettez les catégories de pages à votre serveur publicitaire sous forme de paires clé-valeur.
- Préparez votre agent. Traitez un appel d'offres récent via un agent côté vendeur, tel que l'Audience Agent ou le Sales Agent d'Optable. Si l'agent se contente de catégories générales, affinez vos signaux à l'aide de mots-clés et de catégories plus précises.
Pour les marques et les agences
- Repensez vos listes de blocage. Passez en revue les thèmes et les mots-clés que vous bloquez par défaut, comme l'actualité ou la finance. Avec les éditeurs qui classent les contenus en fonction de leur signification et de la sécurité de la marque, remplacez les blocages généraux par des exclusions au niveau des pages et regagnez une audience sûre.
- Testez le système de classification. Demandez aux éditeurs des exemples de classification pour quelques pages présentant des nuances avant de vous engager. Si un article sur les résultats financiers d’Apple est classé dans la catégorie « alimentation », ce signal n’est pas fiable.
- Aller au-delà de la catégorie dans votre brief. Ajoutez à vos briefs des mots-clés, le ton souhaité et les exigences en matière de sécurité de la marque, et ne vous limitez pas aux catégories de l'IAB. Les agents d'achat ne peuvent répondre qu'à ce que vous leur demandez.
La prochaine étape de l'évolution du marketing contextuel avec Optable
La « Contextual Intelligence » d'Optable met à profit les grands modèles linguistiques pour la classification contextuelle et relie directement les résultats aux audiences propriétaires. Voici comment cela fonctionne :
Les éditeurs qui utilisent déjà le SDK Web Optable peuvent se lancer sans avoir à procéder à une nouvelle intégration. Ceux qui ont déjà un partenaire de classification peuvent le connecter ou importer leurs classifications.
Contextual Intelligence analyse l'intégralité de la page pour en extraire le sens et transforme ces informations en audiences propres aux éditeurs. Cela fournit aux acheteurs et à leurs agents des indicateurs plus riches sur lesquels s'appuyer, et offre aux éditeurs un inventaire qui vaut la peine d'être acheté, le tout sur une seule et même plateforme, sans nécessiter de nouvelle intégration.
Vous souhaitez voir comment cela s'applique à votre propre contenu ? Prenez rendez-vous avec notre équipe.
