ChatGPT Ads : ce qu'on a vraiment appris après nos premiers tests

TL;DR

• Le fonctionnement de ChatGPT Ads reprend une logique très proche de Meta : une campagne, des groupes d'annonces, des annonces, sans complexité technique particulière au démarrage.
• Sur un premier test en stratégie "maximiser les clics", le coût par clic n'a pas semblé excessif comparé aux CPM déjà pratiqués sur Meta, même si la comparaison directe reste difficile faute de recul.
• Sans tracking de conversion au lancement, il est impossible de juger la vraie performance business, seulement le comportement publicitaire de surface.
• Une seule annonce sur cinq a capté l'essentiel des clics : celle qui parlait directement du problème de l'utilisateur, pas de la marque elle-même.
• La plateforme ne fournit aujourd'hui aucun insight sur les requêtes ou les audiences touchées, ce qui limite fortement les possibilités d'optimisation fine.

Un fonctionnement qui ne dépayse pas

Techniquement, lancer une campagne sur ChatGPT Ads ne demande pas d'apprendre un nouvel outil de zéro. La structure reprend celle de Meta : une campagne, des groupes d'annonces à l'intérieur, puis des annonces. Pour une équipe déjà habituée aux régies publicitaires classiques, la prise en main est quasiment immédiate.

Le premier test a été lancé en stratégie d'enchère "maximiser les clics", par prudence, sans avoir encore de tracking de conversion en place. Le choix a permis d'observer le comportement de la plateforme sans attendre d'avoir toute l'infrastructure de mesure prête, quitte à ne pas pouvoir juger la vraie performance business dans un premier temps.

Le vrai niveau de prix, encore difficile à trancher

Sur les coûts, le constat est prudent : pour de la prestation de service B2B, le coût par clic n'a pas semblé excessif. La comparaison directe avec Meta est cependant compliquée, puisque les métriques de référence ne sont pas exactement les mêmes, et que le CPM autour de 9€ déjà observé sur Meta ne se transpose pas directement à ChatGPT.

Ce qu'il faut retenir à ce stade, c'est que la diffusion sur ChatGPT n'est pas hors de prix par rapport aux standards déjà connus. Ce n'est ni une bonne affaire évidente, ni un canal à écarter d'emblée pour des raisons de coût.

Une annonce qui domine, les autres qui suivent à peine

Sur un test avec plusieurs variantes d'annonces, un seul message a nettement surperformé les autres, pendant que la majorité peinait à générer du clic. Le point commun de l'annonce gagnante : elle parlait directement du problème que rencontre l'utilisateur, pas de l'entreprise qui propose la solution.

C'est une règle d'écriture publicitaire qui rapproche fortement ChatGPT Ads de la logique Search sur Google Ads. L'utilisateur est en train de chercher une réponse à une question précise, pas de découvrir une marque au hasard d'un fil d'actualité. Une annonce qui ressemble à un prolongement naturel de cette réponse a beaucoup plus de chances de capter l'attention qu'une annonce qui se présente d'abord comme une publicité pour une entreprise.

Ne jamais parler de sa propre marque en premier

La conséquence directe de ce constat est une règle d'écriture simple à énoncer, mais fréquemment oubliée : ne jamais commencer une annonce ChatGPT Ads en parlant de soi-même en tant qu'entreprise. Le réflexe classique consiste à dire ce que l'on fait et pourquoi on est bon dans ce domaine. Sur ce canal, ce réflexe se retourne contre l'annonceur.

Le message doit d'abord mettre en avant le problème que rencontre le client potentiel, avant même de mentionner la solution. Certains secteurs, comme la mode, se prêtent moins facilement à cet exercice qu'un secteur B2B ou orienté résolution de problème, mais la logique reste transposable dans la grande majorité des cas.

Une boîte noire qui limite l'optimisation

Le principal point de vigilance reste le manque d'insights fournis par la plateforme. Impossible aujourd'hui de savoir précisément à quelles requêtes ou à quels profils d'utilisateurs une annonce a été exposée. Un travail de ciblage fin, via un prompt détaillé donnant des indices contextuels sur l'audience visée, peut être mis en place au niveau du groupe d'annonces, mais son effet réel reste difficile à mesurer faute de retour de la plateforme.

Cette opacité impose une approche progressive : tester large dans un premier temps pour prendre la température, puis affiner au fur et à mesure que le tracking de conversion accumule du volume, plutôt que d'espérer une optimisation fine dès les premiers jours de diffusion.