Maor Sadra (Incrmntal) “Notre solution est née d’un ras-le-bol quant au bullshit de l’attribution”

Fatigué des illusions du dernier clic, Maor Sadra veut redonner aux marketeurs la vérité de leurs actions. Avec Incrmntal, il transforme chaque micro-changement en test incrémental, capable de mesurer en continu l’impact réel des investissements médias. Son objectif : armer les annonceurs face à la complexité croissante des écosystèmes et leur offrir un pilotage clair, robuste et en temps réel.

Open Garden. Vous avez lancé Incrmntal, il y a 5 ans de celà, avec l’ambition de faire de l’incrémentalité la clé de la mesure de la performance marketing. Pourquoi ?

Maor Sadra. Je travaille dans l’adtech depuis plus de vingt ans. Ce qui m’a séduit à l’époque, c’était cette promesse : tout est traçable, tout est mesurable. Mais à un moment, j’ai compris que ce n’était qu’un mythe. La “mesure” se résumait en fait à de l’attribution au dernier clic. C’est comme dire que le joueur qui marque un but est le seul à féliciter, alors qu’il n’a touché le ballon qu’à la fin de l’action. Ce modèle pousse les acteurs à optimiser pour toucher le ballon en dernier, même si ça n’apporte aucune vraie valeur.

En 2015, avec l’explosion de la fraude publicitaire, j’ai vu les dérives de ce système. Des procès, des pertes d’emploi, des marketeurs qui prenaient de mauvaises décisions simplement pour améliorer leurs KPI d’attribution. Parce que leur prime en dépendait. Il y avait une vraie dissonance entre ce qu’on mesurait et ce qui avait réellement de l’impact.

C’est là que j’ai commencé à réfléchir à l’incrémentalité. À l’époque, cela passait par des expérimentations simples : on met en pause une campagne Google, on la redémarre, on observe. Mais cette logique ne tenait pas parce que d'autres variables entraient systématiquement en jeu, qui biaisaient les résultats. Il fallait une nouvelle approche, plus robuste.

Avec mon cofondateur, expert en machine learning et en IA, on a imaginé une plateforme fondée sur la causalité, capable de mesurer en continu l’effet réel des actions marketing – et non leurs simples corrélations. C’est ainsi qu’Incrmntal est né…

Concrètement, comment ça fonctionne ?

Notre postulat de départ, c’est que les marketeurs font énormément de changements au quotidien : lancer une campagne, changer une créa, ajuster un budget… On parle d’en moyenne 1 480 changements par mois, pour le marketeur moyen. 

Ces micro-changements sont autant d’opportunités d’expérimenter. Notre plateforme les enregistre automatiquement et les utilise comme des tests pour identifier leur impact causal. Nous avons développé un moteur de distribution causale qui apprend de ces micro-variations pour attribuer une valeur incrémentale à chaque changement. Nous sommes connectés à plus de 150 plateformes, dont Meta, Google, la TV linéaire, le DOOH… Nous voyons tout, ou presque.

On pourrait presque croire que vous faites du MMM (Marketing Mix Modeling)…

Non, notre approche est fondamentalement différente. Le MMM est basé sur la corrélation entre les dépenses et les résultats. Il suppose que si vous dépensez un million de dollars, il doit y avoir un impact. Nous, on ne part pas des dépenses, mais des changements effectués par le marketeur, pour isoler leur impact sur les revenus.

Si vous lancez une campagne Google à un million de dollars et qu’elle n’a aucun impact mesurable, on lui attribuera zéro valeur. Là où le MMM divise mécaniquement l’impact entre les canaux, notre modèle mesure l’effet réel, en continu, sans avoir besoin de planifier des tests. On pourrait dire, en résumé, que le MMM est une boussole alors qu’Incrmntal est un GPS.

Peut-on combiner MMM et une solution comme Incrmntal ?

Bien sûr. Le MMM reste pertinent pour planifier l’allocation budgétaire future. Il est utile si vous cherchez à simuler des scénarios. Incrmntal, c’est pour mesurer l’impact réel, en live, et ajuster ses décisions en conséquence.

Qu’en est-il des tests d’incrémentalité, dont vous évoquez les limites il y a 5 ans. Sont-ils devenus plus efficaces entretemps ? Google et Meta sont assez “pushy” sur le sujet…

Leur approche est solide mais limitée à leur propre plateforme. Ils ne savent pas si l’utilisateur a aussi été exposé à une pub ailleurs. Ils maîtrisent leur environnement mais pas l’écosystème global. C’est là que nous intervenons, en croisant les signaux de toutes les plateformes – y compris la TV, les podcasts, le web, le mobile…

Qui sont vos clients aujourd’hui ?

Nous travaillons avec des annonceurs dans le gaming, la fintech, le B2B, l’e-commerce… Nous ne sommes pas limités à un canal ni à un secteur. Ce qui compte, c’est que l’annonceur soit dans une logique d’optimisation continue. Nos clients font en moyenne 7400 changements par mois. 

Quel serait, selon vous, le “stack” de mesure idéal pour un annonceur en 2025 ?

Tout dépend du profil de l’annonceur. Un petit e-commerçant n’a pas besoin d’un MMM. En revanche, tout le monde devrait avoir un système d’attribution, même basique. Il est utile pour les arbitrages simples : bannière bleue ou rouge, créa A ou B.

Pour mesurer la valeur réelle, il faut des outils d’incrémentalité. Et pour les marques traditionnelles, qui vendent offline via des distributeurs et investissent massivement dans les médias classiques, le MMM et les tests planifiés restent les plus pertinents.

Le MMM a l’avantage d’intégrer des variables non-média, comme le prix, les stocks ou la promotion. Est-ce aussi votre cas ? 

Oui. Par exemple, nous intégrons le nombre de taxis disponibles en temps réel pour tenir compte de l’offre, pour le compte de notre client FreeNow. Pour Binance, nous allons prendre en compte le cours du Bitcoin, qui a évidemment un impact fort sur le succès des campagnes d’acquisition. Notre système est capable d’absorber ce type de signaux externes.

Combien coûte votre solution ?

Le tarif moyen tourne autour de 5 000 dollars par mois. Certains clients paient plus, jusqu’à 25 000 dollars, d’autres moins. Tout dépend de la complexité mais on est, comme vous le voyez, très loin des prix liés à un dispositif de MMM.

Quels sont vos prochains chantiers côté produit ?

D’abord, l’intégration des LLM, pour permettre aux utilisateurs de dialoguer avec la plateforme , en posant des questions comme “Montre-moi mes meilleurs canaux” ou “Quels leviers dois-je activer pour croître en Italie ?”. 

Ensuite, il y a tout ce qui toutche à l’ingénierie des signaux. Nous préparons des modules pour injecter nos insights dans les walled gardens afin de leur faire comprendre, par exemple, qu’un annonceur a décidé de diminuer ses investissements… et pourquoi il l’a fait.

Vous évoquiez la multiplication des “walled gardens”. Ce phénomène ne risque-t-il pas de s’atténuer sous la pression des annonceurs, qui veulent plus de transparence et d’interopérabilité ?

Je ne parle pas uniquement de Google ou Meta. Regardez Tesla, Uber, PayPal… Tous ces acteurs deviennent des walled gardens. Ils disposent de données propriétaires et n’ont aucun intérêt à les partager. 

Les impératifs de confidentialité amenés par le contexte réglementaire, comme le RGPD en Europe, leur donnent même une excuse parfaite : “Je garde mes données, venez chez moi si vous voulez les exploiter.”

Un mot sur le multi-touch attribution (MTA) ? Pourquoi ce modèle ne s’est-il jamais imposé ?

Le MTA est séduisant en théorie, mais très fragile. Dès qu’un nouveau canal émerge - comme le podcast ou l’influence marketing - vous devez refaire tout le modèle. Le dernier clic est simpliste, mais facile à déployer. Idem pour le premier clic. Le MTA est complexe et instable.

Quels changements majeurs anticipez-vous dans les 12 à 24 prochains mois, au-delà de la montée en puissance des "walled gardens" ?

L’optimisation basée sur la valeur incrémentale est en train de devenir la norme. Même Google s’y met. Les plateformes d’attribution tierces, en revanche, vont décliner. 

Dans un monde de plus en plus fermé, on n’a plus besoin d’attribution, mais de mesure. Ce qui n’est pas la même chose, contrairement à ce que beaucoup peuvent penser. Je pense que les acteurs comme Uber, PayPal ou même Google continueront à fonctionner avec une attribution au dernier clic. Et qu’ils le feront en s’appuyant sur leurs propres données plutôt qu’un outil tiers pour le faire. 

Quant au MMM, j’ai l’impression que la bulle est en train de se dégonfler. Même si, chaque semaine, une nouvelle boîte de MMM voit le jour… Il y a beaucoup d’effervescence, mais peu de différenciation réelle.

Parlons de création publicitaire. On parle souvent d’audience planning, de contexte, mais rarement de créa quand on mesure l’impact d’une campagne. Est-ce un levier que vous intégrez dans vos modèles ?

Bien sûr. Et c’est même là que notre méthode surpasse les autres. La création est un levier immédiat, à fort impact, mesurable en temps réel. Entre une bannière bleue, rouge ou orange, on peut observer des écarts significatifs de performance. Chaque changement créatif est donc considéré comme un événement incrémental. Et dans des environnements pilotés par l’algorithme – comme les plateformes de performance automatisée –, c’est parfois le seul levier que vous pouvez vraiment actionner. 

Mais je pense qu’on va basculer dans un autre monde : avec l’IA générative, il n’y aura bientôt plus trois versions d’une pub… mais des millions. On ne parlera plus de bleu ou de rouge, mais de dynamiques créatives à très grande échelle. Ce qui comptera, c’est de savoir quand une nouvelle variation a commencé à circuler, et quel effet elle a eu.