La plupart des tests d'incrémentalité s'apparentent à des autopsies. Lorsque le résultat tombe, le sort en est déjà jeté, non pas par le test lui-même, mais par le choix de l'emplacement et du mode de diffusion de la publicité. Les marketeurs traitent l'incrémentalité comme une note reçue en fin de trimestre. Il s'agit pourtant davantage d'une décision prise dès le départ, au moment de choisir où la publicité serait diffusée.
Ce recadrage est essentiel, car l'incrémentalité est devenue le KPI que tout le monde réclame et que presque personne ne croit. Selon les principales études du secteur, la plupart des annonceurs estiment que leur stack, leur attribution, leur MMM et leur mesure de l'incrémentalité combinés manquent encore de la rigueur, de la rapidité et de la fiabilité nécessaires (IAB, State of Data 2026). Nous soutenons que le problème ne vient pas de la mesure, mais de la stratégie média.
Ce qu'un test de lift mesure réellement
Chaque test de lift répond à une seule question : cette publicité a-t-elle touché quelqu'un qui n'aurait pas converti autrement ? Ce « autrement » est au cœur du sujet. L'incrémentalité correspond à ce qui s'est passé moins ce qui se serait produit sans la publicité (le contrefactuel), et l'ampleur de cet écart est déterminée moins par le test que par l'emplacement choisi.
Ce qui mène à un constat inconfortable : les canaux auxquels les marketeurs font le plus confiance sont souvent les moins incrémentaux. La recherche de marque et le reciblage convertissent à merveille et affichent d'excellents résultats sur les tableaux de bord, précisément parce qu'ils captent une demande déjà prête à passer à l'achat. Sur 225 tests géographiques DTC, la recherche de marque a enregistré un ROAS incrémental médian de 0,70x, tandis que le leader, Tatari CTV, atteignait 3,30x (Stella). En d'autres termes, un taux de conversion élevé peut être le symptôme d'une faible incrémentalité, et non la preuve d'une forte.
Appelons cela la différence entre la récolte de la demande et l'introduction de la demande. La récolte capte une intention déjà existante. L'introduction génère une vente qui n'aurait pas eu lieu autrement. Les deux ont leur place dans un plan média. Une seule est incrémentale.
Et la lecture des résultats n'est fiable que si le groupe témoin est solide. Les expériences publicitaires sur les plateformes peuvent discrètement confondre l'effet de la publicité avec le ciblage de l'algorithme, car la plateforme diffuse chaque variante à son propre mix d'utilisateurs optimisé. Ce biais, documenté dans une étude du Journal of Marketing de 2025 (Braun & Schwartz), s'accentue à mesure que les algorithmes deviennent plus intelligents. La solution est un véritable contrefactuel randomisé : la même population, sans la publicité. C'est ce qui distingue une lecture causale d'une corrélation flatteuse.
La place de l'incrémentalité dans le stack
Aucun modèle unique n'est la source de vérité. L'attribution est rapide et granulaire pour l'optimisation quotidienne. Le MMM définit la vision stratégique. L'incrémentalité est le contrôle causal qui calibre les deux, en affinant les priors du MMM et en validant les affirmations de l'attribution. Les programmes les plus performants utilisent les trois et traitent les divergences comme des signaux, et non comme du bruit.
Mais concevoir une stratégie pour l'incrémentalité n'est que la moitié du travail. Le but réel du test n'est pas de fabriquer du lift, mais de révéler quels emplacements l'ont généré, afin de pouvoir y allouer du budget. C'est là que la plupart des programmes stagnent. 71 % des annonceurs considèrent l'incrémentalité comme leur principal KPI retail media, mais seuls 15 % se jugent très ou extrêmement efficaces pour la mesurer (Skai, 2026). Le problème n'est généralement pas la méthodologie. C'est la discipline nécessaire pour déplacer les budgets lorsque les chiffres remettent en question un poste de dépense qui semblait bon sur le papier. Le ROAS rapporté par les plateformes peut surestimer le véritable impact incrémental de 30 à 60 % sur les canaux de récolte comme le social payant et le reciblage (Measured), ce qui signifie que les emplacements les plus efficaces en apparence sont souvent ceux qui sont discrètement surfinancés.
Pourquoi Rokt est conçu pour l'introduction
Rokt opère au moment de la transaction, cette fenêtre entre le paiement et la confirmation, lorsque l'achat vient d'être décidé. Structurellement, il s'agit d'une introduction de demande par conception. Le client s'est engagé dans un achat, donc une offre pertinente provenant d'un autre annonceur atteint quelqu'un qui ne cherchait pas cette marque. L'intention du client portait sur un produit totalement différent ; il n'y a donc aucune demande existante à récolter pour l'annonceur que nous introduisons. Nous créons un moment de considération qui n'aurait pas existé.
L'engagement y est élevé, avec un CTR moyen de 4,03 % (10x Google Display, 4x Facebook) et un CVR de 6,32 %. Mais une conversion élevée est précisément le piège mentionné plus haut ; nous le traitons donc comme un symptôme à tester, et non comme une preuve à laquelle se fier. La position structurelle offre des chances favorables, mais ne donne pas de passe-droit, c'est pourquoi chaque emplacement est systématiquement mesuré. Et nous utilisons plusieurs méthodes rigoureuses. Les « ghost ads » permettent un groupe témoin au niveau de l'utilisateur : le groupe de contrôle est composé de personnes qui auraient vu l'offre, correspondaient au ciblage, avaient passé les filtres de suppression et remporté l'enchère, mais ont été écartées aléatoirement à la dernière étape. Ainsi, le groupe traité et le groupe témoin proviennent de la même population éligible. Les tests de lift basés sur la géographie, y compris les modèles de marchés appariés et de contrôle synthétique utilisés par des partenaires comme Haus, comparent des zones géographiques entières et capturent les effets hors ligne et omnicanaux qu'un test au niveau de l'utilisateur peut manquer. Des conceptions différentes, des forces différentes. Ce qu'ils partagent, c'est un véritable contrôle randomisé, et nous utilisons les deux.
L'incrémentalité n'a jamais été une note à attendre en fin de trimestre. C'est un choix que vous faites chaque fois que vous décidez où investir votre prochain dollar.
Sources
Enquête ANA sur les KPI retail media (2024) ; IAB x BWG Global State of Data 2026 ; Braun & Schwartz, « Where A/B Testing Goes Wrong », Journal of Marketing (2025) ; Stella 2025 DTC Incrementality Benchmarks (225 tests géographiques) ; Skai 2026 State of Retail Media Measurement ; Measured (surestimation du iROAS) ; Rokt by the Numbers (2026).
.jpg)
