OpenAI prépare un nouveau format publicitaire, affiché pendant la création d'images. Pour comprendre son effet sur les achats, les annonceurs devront regarder au-delà des clics et des ventes qui suivent une annonce.
Le 5 octobre 2026, OpenAI a annoncé un test de publicités visuelles pendant la génération d'images dans ChatGPT. Prévu plus tard dans le mois aux États-Unis, il concernera les utilisateurs des offres Free et Go, avec un premier groupe d'annonceurs. Les publicités seront identifiées et resteront séparées de l'image en cours de création, précise l'entreprise.
Il s'agit d'un nouvel emplacement, pas de la première arrivée de la publicité dans ChatGPT, dont les tests ont commencé en février. OpenAI accompagne cette annonce d'outils destinés à mesurer les résultats des campagnes. C'est là que se joue une question décisive pour les marques : leur publicité suscite-t-elle de nouveaux achats, ou rencontre-t-elle surtout des personnes déjà prêtes à acheter ?
Une annonce visible n'est pas un conseil de l'assistant
OpenAI affirme que les publicités n'influencent pas les réponses de ChatGPT. Dans le fonctionnement annoncé, acheter un emplacement permet donc d'afficher un message commercial, pas d'obtenir que l'assistant présente le produit comme le meilleur choix.
Chez Maple Labs, nous distinguons le fait qu'une marque apparaisse dans une réponse et le fait que l'assistant la conseille pour un besoin précis. Cette différence devient particulièrement utile lorsque réponse et publicité cohabitent sur un même écran : une marque présente dans un encart payé ne devient pas, par cette seule présence, une recommandation de l'assistant.
Pour l'annonceur, cet emplacement peut néanmoins être intéressant. Une personne qui explore un projet est susceptible de découvrir un produit adapté. Reste à mesurer ce que cette rencontre change à sa décision.
Le canapé acheté le lendemain
Imaginons une personne qui demande à ChatGPT de créer une image de son futur salon. Pendant la génération, elle voit une publicité pour un canapé, puis commande ce modèle le lendemain sur le site du marchand. Ce scénario fictif paraît raconter une histoire simple : une annonce, puis un achat.
Mais plusieurs histoires peuvent produire la même suite d'événements. La publicité a peut-être fait découvrir le canapé. Elle a peut-être rappelé une marque déjà envisagée. Ou la personne avait déjà choisi ce modèle et aurait passé commande de toute façon.
Les outils de mesure décrits par OpenAI permettent aux annonceurs de transmettre des informations sur les achats et d'autres actions réalisées chez eux. La plateforme peut ensuite rattacher une vente à un clic antérieur, selon un délai choisi, ou à l'affichage d'une publicité sans clic, dans une fenêtre d'un jour.
C'est ce qu'on appelle l'attribution : une règle donne du crédit à un contact publicitaire dans le parcours d'achat. Elle aide à suivre les campagnes, mais une vente attribuée n'est pas nécessairement une vente supplémentaire. Compter uniquement les clics peut manquer l'influence d'une annonce simplement vue. Compter les achats après affichage peut aussi inclure des commandes déjà décidées.
Estimer ce qui se serait passé sans publicité
Pour aller plus loin, il faut construire une comparaison. Une méthode consiste à répartir au hasard des personnes entre un groupe pouvant recevoir la campagne et un groupe qui ne la reçoit pas, puis à comparer leurs achats. Le tirage au sort vise à éviter que les différences de départ, notamment l'envie d'acheter, expliquent à elles seules le résultat. C'est le principe de l'expérience contrôlée expliqué par les chercheurs de Kellogg.
Cette précaution compte particulièrement en publicité : les systèmes cherchent justement à atteindre les personnes les plus susceptibles de répondre. Comparer après coup celles qui ont vu une annonce aux autres risque donc de confondre la qualité du ciblage avec le pouvoir de persuasion du message.
Le problème précède ChatGPT. Une étude publiée en 2019 dans Marketing Science, menée par des chercheurs de Kellogg et de Facebook sur quinze expériences publicitaires américaines, a confronté des méthodes fondées sur l'observation aux résultats d'expériences randomisées. Les premières ne retrouvaient souvent pas les mêmes effets, malgré de nombreuses informations sur les utilisateurs.
OpenAI annonce pour sa part des travaux encore précoces avec Haus, Measured et WorkMagic autour d'expériences géographiques. L'objectif est d'estimer les ventes supplémentaires liées aux campagnes, ce que le secteur appelle l'incrémentalité. Comparer des territoires demande notamment de tenir compte de leurs différences et des autres facteurs susceptibles de faire varier les achats. Le mot « expérience » ne dispense pas d'examiner le protocole et l'incertitude du résultat.
Ces mesures répondent à la question à l'échelle d'une campagne, pas en désignant avec certitude chaque acheteur convaincu. Pour notre canapé, le tableau de bord peut retrouver un contact publicitaire avant la commande. Une comparaison bien conçue cherche quelque chose de plus exigeant : combien de commandes la campagne a ajoutées. C'est ce supplément, rapporté au coût de la publicité, qui permet à une marque de juger si elle a intérêt à recommencer.
