Développement

de plateformes AdTech

Une demand-side platform est un logiciel qui permet aux annonceurs d'acheter automatiquement de l'inventaire publicitaire digital sur des milliers de sites et d'applications, en temps réel. Lorsqu'un utilisateur charge une page, le DSP reçoit une bid request d'une ad exchange, évalue si l'impression correspond aux critères de ciblage de l'annonceur (audience, géographie, appareil, contexte) et place une enchère - le tout en moins de 100 millisecondes. Le DSP qui remporte l'enchère affiche sa publicité. Ce processus, appelé real-time bidding (RTB), se produit des milliards de fois par jour dans l'écosystème de la publicité programmatique.

Un DSP (demand-side platform) sert les annonceurs - les acheteurs d'espace publicitaire. Un SSP (supply-side platform) sert les éditeurs - les vendeurs d'espace publicitaire. Le DSP décide sur quelles impressions enchérir et à quel prix. Le SSP gère l'inventaire publicitaire d'un éditeur, fixe les prix planchers et se connecte à plusieurs ad exchanges pour maximiser le revenu par impression. Ils se tiennent de part et d'autre de la même transaction : le DSP achète ce que le SSP vend, et l'ad exchange les relie. Beaucoup d'entreprises ad tech construisent les deux pour contrôler toute la chaîne d'approvisionnement programmatique.

Le real-time bidding est le mécanisme d'enchères qui fait tourner la publicité programmatique. Quand un internaute visite une page, le SSP de l'éditeur envoie une bid request contenant des données anonymisées (type d'appareil, localisation, contexte de navigation) aux ad exchanges connectés. Ces exchanges transmettent la requête aux DSP, qui l'évaluent face aux campagnes actives et renvoient un prix d'enchère - le tout en 50-100ms. Le plus offrant gagne et sa publicité est diffusée instantanément. Le RTB permet aux annonceurs d'acheter des impressions à l'unité sur la base des données d'audience plutôt que d'acheter de l'espace publicitaire en gros, ce qui rend chaque dollar plus efficace.

Une ad exchange est la place de marché où DSP et SSP réalisent leurs transactions. Elle reçoit l'inventaire publicitaire des SSP (éditeurs), diffuse les bid requests aux DSP (annonceurs), organise l'enchère et renvoie la création gagnante vers la page de l'éditeur. Voyez-la comme une bourse de la publicité : l'offre rencontre la demande en temps réel et le prix est fixé par la concurrence. Les principales ad exchanges traitent des millions de transactions par seconde. Certaines entreprises construisent leur propre ad exchange privée pour garder un contrôle total sur la logique d'enchères, la structure des commissions et les flux de données entre plateformes d'achat et de vente.

Le header bidding est une technique qui permet aux éditeurs de proposer leur inventaire publicitaire à plusieurs SSP et ad exchanges simultanément, avant d'appeler leur ad server principal. Sans header bidding, les impressions passent par une cascade séquentielle - chaque source de demande passe à son tour, et la première qui atteint le prix plancher l'emporte. Cela laisse de l'argent sur la table. Le header bidding lance une enchère parallèle sur toutes les sources de demande à la fois : l'enchère la plus élevée gagne toujours, quel que soit l'ordre. Résultat : les éditeurs constatent en général des CPM 20-40% plus élevés. Il existe des implémentations côté client (JavaScript dans le navigateur) comme côté serveur (server-to-server).

Les plateformes programmatiques évaluent des dizaines de signaux par impression pour décider s'il faut enchérir : données first-party (vos propres listes clients et visiteurs de votre site), segments de données tierces (données démographiques, centres d'intérêt, intention d'achat), signaux contextuels (contenu de la page, mots-clés), données d'appareil et de localisation, et schémas comportementaux (historique de navigation, usage des applications). Les DSP avancés superposent plusieurs critères de ciblage - par exemple, toucher les utilisateurs qui ont consulté la page tarifs d'un concurrent, se trouvent dans une agglomération donnée et naviguent sur mobile pendant les heures de bureau. Des modèles de machine learning prédisent ensuite quelles combinaisons génèrent les meilleurs taux de conversion.