Qu'est-ce que le marketing prédictif ?
Le marketing prédictif regroupe trois familles de calculs. Les prévisions agrégées : volume de ventes ou de conversions du mois prochain, effet d'un budget. Les scores individuels : probabilité qu'un client achète, se désabonne, ou valeur qu'il rapportera. Et la modélisation de l'effet des leviers, dont le marketing mix modeling est la forme la plus aboutie. Les deux premières existent dans des outils courants : Google Analytics 4 propose des métriques prédictives (probabilité d'achat, probabilité de désaffection, revenus prédits) lorsque la propriété atteint les seuils minimaux de données que Google publie. Ici, « IA » désigne l'apprentissage automatique ; les modèles de langage, eux, ne prédisent rien : ils peuvent expliquer une prévision, pas la calculer.
Ce qu'on peut prévoir avec ses propres données
- L'effet d'une variation de budget à court terme, sur une campagne qui a de l'historique : la diffusion suit à peu près le budget, les conversions moins vite, parce qu'un budget élargi achète un inventaire moins qualifié.
- La saisonnalité : si vos ventes montent chaque année en septembre, deux ou trois années d'historique suffisent à la voir et à la chiffrer.
- L'entonnoir : à partir d'un objectif de ventes, les visites, les leads et le budget nécessaires, avec vos propres taux de conversion mesurés.
- Le risque de départ d'un client, quand on dispose d'assez de clients et d'un historique d'achat ou d'abonnement.
- La valeur future d'un client (LTV), à condition d'avoir des cohortes assez anciennes pour l'observer.
Ce qu'on ne peut pas prévoir
- Une rupture : arrivée d'un concurrent, mise à jour de l'algorithme de Google, crise, changement de règles d'une régie.
- L'effet d'un levier jamais testé : sans historique sur LinkedIn Ads, aucune donnée ne dit ce qu'il rapportera chez vous.
- Le comportement hors de la plage observée : avoir dépensé entre 2 000 et 4 000 € par mois ne dit rien de fiable sur 20 000 €.
- Un résultat à l'unité près : une prévision honnête donne une fourchette, pas un chiffre rond.
- L'effet d'un levier lent, comme le SEO ou la notoriété, sur quelques semaines.
Projection, scénario, prévision : la différence
- Projection : on prolonge une tendance mesurée avec une hypothèse explicite. Exemple : si le coût par lead reste à 60 €, comme sur les trois derniers mois, 6 000 € donnent environ 100 leads.
- Scénario : on compare plusieurs hypothèses côte à côte — prudent, central, ambitieux, ou couper, réduire, réallouer, augmenter — pour choisir.
- Prévision : on affirme ce qui va probablement se passer, avec une marge d'erreur, à partir d'un modèle validé sur le passé.
- Pour la plupart des PME, les deux premiers suffisent, et ils sont plus honnêtes que le troisième : leurs hypothèses sont visibles.
Exemple chiffré : projeter une hausse de budget
Exemple : une campagne a dépensé 3 000 € le mois dernier pour 60 conversions, soit un coût par acquisition de 50 € (CPA = dépense ÷ conversions). Une hausse de 20 % du budget, à 3 600 €, ne donnera pas mécaniquement 72 conversions. Avec une hypothèse de rendements décroissants — par exemple des conversions qui progressent de 16 % quand le budget progresse de 20 % —, on attend environ 70 conversions et un CPA d'environ 52 €. L'intérêt n'est pas le chiffre, c'est que l'hypothèse se lit à côté : si elle est fausse, on le verra dans quatre semaines, et on la corrigera.
Confronter la prévision au réel chaque semaine
Une prévision qu'on ne vérifie jamais n'est qu'une opinion chiffrée. Figez-la le jour de la décision : la date, les chiffres de référence tels qu'ils étaient, l'hypothèse et le résultat attendu. Ne la recalculez pas après coup. Comparez ensuite à durée égale — quatre semaines contre quatre semaines — et lisez l'écart sans conclure trop vite : entre-temps, la saison a changé, les concurrents ont enchéri autrement, d'autres campagnes ont bougé. Ce n'est pas une expérience contrôlée. Mais quand le même écart se répète décision après décision, c'est l'hypothèse qu'il faut changer.
Le marketing mix modeling, la version à grande échelle
Le marketing mix modeling (MMM) estime la contribution de chaque canal aux ventes à partir de données agrégées, le plus souvent hebdomadaires et sur deux à trois ans, en modélisant l'effet retard de la publicité (adstock) et sa saturation. Google publie Meridian et Meta publie Robyn, deux outils open source. C'est la méthode la plus solide pour répartir un budget entre canaux, mais elle demande un historique long, des dépenses qui ont varié et une compétence statistique : elle concerne surtout les annonceurs qui investissent sur plusieurs canaux depuis plusieurs années.
Les pièges du marketing prédictif
- Des conversions mal mesurées : un tracking en double ou cassé fausse toutes les prévisions qui s'appuient dessus.
- Confondre corrélation et cause : les ventes montent en décembre avec la publicité, mais aussi sans elle.
- Un modèle boîte noire dont personne ne peut lire les hypothèses.
- Un chiffre produit par un modèle de langage : plausible, jamais garanti.
- Un échantillon trop petit : prévoir sur vingt conversions, c'est prévoir sur du bruit.
- Ne jamais revenir vérifier : c'est la seule façon de savoir si le modèle sert à quelque chose.
Ce que fait Vandolo
Le module Business plan & prévisionnel (71 € HT par mois) part de votre typologie — e-commerce, génération de leads, application, média —, déroule l'objectif en entonnoir puis en budget réparti entre Google et Meta, propose trois scénarios et une projection sur douze mois avec les ratios CPC, CPA et ROAS, et confronte le prévisionnel au réel, rempli depuis GA4, avec un suivi hebdomadaire de la cible et du réel. Le module Publicité (119 € HT par mois) chiffre des scénarios d'arbitrage — couper, réduire, réallouer, augmenter — sur vos campagnes réelles, hypothèses affichées. Vandolo ne calcule pas de score de probabilité d'achat par client et ne fait pas de marketing mix modeling. Les projections sont de l'arithmétique sur des données mesurées ; l'IA les explique, elle n'en produit aucune.