Elles ne sont qu'une des briques que GA4 pour Google Ads met à disposition pour segmenter ce que la balise Ads ne voit pas.
Le mur d’éligibilité : assez de volume dans les deux sens
Avant d’utiliser ces audiences dans Ads, le prérequis que les présentations enthousiastes relèguent en note : pour que Google Analytics 4 calcule ses métriques prédictives, il faut un volume minimal d’utilisateurs récurrents ayant déclenché la condition (l’achat, typiquement) et d’utilisateurs ne l’ayant pas déclenchée, sur une fenêtre récente, avec un événement purchase propre, valeur et devise comprises.
Faites le calcul pour votre compte : ce niveau de volume suppose un trafic et des achats récurrents que beaucoup de PME n’atteignent pas. Et le mur n’est pas franchi une fois pour toutes : si le volume retombe, GA4 cesse de calculer, sans préavis, l’audience passe « non éligible ».
Le statut se contrôle en deux clics dans le constructeur dédié, sur les modèles suggérés : c’est l’outil natif de Google Analytics 4 pour lire ce type de données, aucune application tierce n’est nécessaire. Identifiez ce point avant tout projet : si c’est non, le reste de cette page est de la culture générale, et votre temps est mieux investi sur le first-party d’un tracking propre, sans regret, c’est un mur de volume, pas de compétence. Et si GA4 lui-même n’est pas encore en place, la vue d’ensemble GA4 pour Google Ads est le point de départ.
Que prédit vraiment GA4, et quels templates en découlent ?
Les trois métriques sous-jacentes : un classement, pas une certitude
Trois métriques structurent le principe dans Google Analytics 4 : la chance d'achat à court terme, le risque de churn à court terme, le revenu prédit sur une période récente, ce dernier point couvre aussi bien l'utilisateur qui va se désabonner explicitement que celui qui cesse de revenir sans désabonnement formel, un désabonnement resté silencieux. Ce sont des modèles d'apprentissage automatique, pas des règles écrites à la main : plus le volume de données comportementales en amont est solide sur la durée, plus la prédiction gagne en fiabilité. Les segments suggérés découpent ces classements par percentiles : « Likely 7-day purchasers » désigne le haut du classement, pas une certitude d’achat.
La prédiction porte sur la probabilité d’achat de l’utilisateur, pas sur les produits précis qu’il choisira. Les produits consultés et les produits achetés alimentent le comportement observé, mais l’audience reste construite au niveau de chaque utilisateur.
Lisez bien : un classement relatif, à recouper avec ce que vos parcours d’utilisateurs racontent vraiment, l’autre lecture des comportements, moins spectaculaire, plus tenace.
Le nom marketing prête à confusion : « l'IA prédit qui va acheter ». Non, elle classe qui est le plus susceptible de le faire. Le profil du 91e percentile peut ne porter que 8 % de chances réelles ; c'est simplement plus que les 90 % de gens derrière lui.
La nuance vaut un budget : il s’agit plutôt du haut d’un classement, pas d’une liste de clients acquis, dense en signal, pas garanti en résultat.
Les cinq templates GA4 et leur cas d’usage Ads
Google Analytics 4 propose nativement cinq segments prêts à l'emploi, bâtis sur les dimensions de probabilité purchase_probability et churn_probability exposées en API et Explorations. Chacun correspond à un usage distinct, acquisition, rétention, LTV, et ils ne sont pas interchangeables.
| Audience suggérée | Métrique sous-jacente | Horizon | Usage Ads recommandé |
|---|---|---|---|
| Likely 7-day purchasers | Probabilité d’achat | 7 j | Signal PMAX / exclusion prospection |
| Likely first-time 7-day purchasers | Probabilité d’achat (non-acheteurs) | 7 j | Acquisition nouveaux clients |
| Likely 7-day churning purchasers | Probabilité de churn (acheteurs) | 7 j | Remarketing rétention LTV |
| Likely 7-day churning users | Probabilité de churn (actifs non-acheteurs) | 7 j | Remarketing réengagement |
| Predicted 28-day top spenders | Revenu prédit | 28 j | Enchère supérieure / VBB |
Deux points de terrain : « Likely first-time 7-day purchasers » est le seul segment qui combine signal prédictif et contrainte d'acquisition pure, le plus utile en prospection, pas son homologue sans le filtre « first-time » (qui inclut des réacheteurs). « Predicted 28-day top spenders » n'a de sens qu'avec une stratégie d'enchère orientée valeur (attribution data-driven conseillée pour lire ce signal correctement).
Ajuster les centiles : le levier que personne ne touche
GA4 offre trois modes de seuil sur chaque segment prédictif.
| Mode | Ce que ça sélectionne | Signal | Quand l’utiliser |
|---|---|---|---|
| Très probable (top N%) | Les N% les plus probables | Dense, volume faible | Exclusion / VBB haute précision |
| Peu probable (bottom N%) | Les N% les moins probables | Diffus, volume large | Réengagement bas de funnel |
| Personnalisé (plage de centiles) | Plage libre avec curseur volume/probabilité | Variable | Arbitrage signal/volume sur mesure |
Le curseur affiche en temps réel le volume estimé et la densité de signal. Élargir le centile augmente le volume mais dilue le signal, la décision reste un compromis, pas une recette universelle. Les templates suggérés partent souvent d’un seuil « Très probable » ; c’est vite trop restrictif pour les comptes dont le volume est déjà limite.
Comment utiliser les audiences prédictives GA4 dans Google Ads ?
Une fois éligibles, elles se partagent automatiquement aux comptes publicitaires liés : c'est la liaison GA4↔Ads qui fait le transport, à condition qu'elle soit correctement posée.
Ces usages publicitaires doivent rester séparés dans l’évaluation : signal, remarketing et exclusion ne répondent pas aux mêmes arbitrages publicitaires.
Signal, remarketing différencié, exclusion : trois usages, trois logiques
C'est là que le choix d'usage se joue. Le réflexe naïf : viser en exclusif les profils déjà en route vers la conversion, et payer pour des résultats largement acquis. Le problème d'incrémentalité dans toute sa splendeur.
L’usage rentable est la modulation d’intensité. Trois leviers :
- Signal d’audience pour les campagnes automatisées : « voilà à quoi ressemblent mes meilleurs profils », la machine élargit à partir de là.
- Remarketing différencié : le message (et l’enchère) pour un churn probable à fort historique n’est pas celui d’un acheteur probable, réactiver l’un, ne pas sur-payer l’autre.
- Exclusion, le plus sous-coté : retirer les acheteurs ultra-probables d’une campagne de prospection coûteuse, précisément parce qu’ils convertiraient sans elle.
Affiner avec des critères supplémentaires : le risque de sur-filtrage
GA4 aide à ajouter des conditions à un segment prédictif : démographiques (âge, genre), géographiques (région, ville), comportementales (événement spécifique). L'intention est légitime, affiner un ensemble large, mais le piège est systématique : chaque couche supplémentaire réduit l'effectif, parfois drastiquement, et peut le repasser sous le volume requis pour être exploitable côté Ads.
En pratique : un segment « Likely 7-day purchasers » éligible peut devenir trop petit dès qu’on le filtre sur une région et une tranche d’âge. Testez le volume estimé dans le constructeur avant d'empiler les conditions. Si le total passe sous le seuil requis, retirez un filtre plutôt que de construire sur du sable.
Le first-party data bien configuré est la vraie réponse au besoin de segmentation fine : enrichir le modèle avec des données comportementales propres en amont vaut mieux qu’affiner en aval au risque de le vider.
Mesurer si l’audience génère vraiment un gain incrémental
La question clé à poser avant d’allouer du budget : ce segment m'apporte-t-il des conversions que je n'aurais pas eues sans lui, ou est-ce que je paie simplement pour habiller une intention déjà là ?
Trois méthodes, du plus simple au plus rigoureux :
- Comparer CPA brut vs CPA incrémental : retirer le segment d'une campagne sur une période courte (2-3 semaines) et observer si le volume de conversions chute. Si la campagne tient sans lui, le gain incrémental était faible.
- Conversion Lift (natif Ads) : test de levée intégré à l'interface publicitaire, expose un groupe de contrôle à la campagne sans le segment et mesure la différence de taux de conversion. Requiert un budget et un volume suffisants pour être statistiquement lisible.
- Exclusion systématique des ultra-probables : si les retirer d'une campagne de prospection ne fait pas baisser vos conversions totales, c'est un indice fort que ces utilisateurs convertissaient déjà, votre campagne les reciblait inutilement.
Le garde-fou : ces prédictions héritent de toute la chaîne en amont, un purchase aux valeurs fausses prédit du faux, un consentement troué appauvrit le modèle. Avant de bâtir là-dessus, sachez d’où viennent les écarts entre ce que comptent Ads et GA4 : la même donnée bancale qui fausse vos rapports fausse vos percentiles. Les rapports d’audience héritent de la même fragilité. La qualité de l’événement purchase, valeur, devise, key event proprement configuré, conditionne directement la fiabilité des centiles (événements et conversions GA4). Et elles classent le comportement sur votre site ; elles ne savent rien de ce qui se passe ailleurs.
Le Consent Mode v2 impacte directement la quantité de données envoyées à GA4 : un consentement troué appauvrit le modèle prédictif bien avant d’atteindre le mur des 1 000.
Quelles permissions et contraintes techniques faut-il anticiper ?
Le rôle requis pour créer des audiences prédictives
Pour créer des segments (y compris prédictifs), GA4 exige un rôle suffisant au niveau propriété. Un accès en lecture ou en analyse aide à voir l'existant, mais pas de créer une audience, et peut masquer les templates prédictifs disponibles dans le constructeur.
L’outil de création reste le même constructeur d’audiences : les droits déterminent si vous pouvez seulement lire une définition ou la modifier.
En pratique : si un collaborateur vous dit « je ne vois pas les audiences prédictives dans GA4 », vérifiez d’abord ses droits avant de supposer un problème d’éligibilité. C’est la cause la plus fréquente de ce signalement, et la plus vite résolue.
Le quota d’audiences par propriété
GA4 applique un quota d’audiences par propriété. Il inclut tous les segments, comportementaux, personnalisés, et prédictifs. Sur un compte multi-usage (plusieurs équipes marketing, plusieurs produits, plusieurs cycles de test), ce plafond est atteint plus vite qu’on ne le pense.
Ajouter des segments sans arbitrage peut saturer le quota et bloquer toute nouvelle création. La bonne hygiène : archiver ce qui n'est plus utilisé, un élément archivé ne compte plus dans le quota. Vérifiez le total dans Admin avant de construire, et anticipez les prochains cycles de campagnes : les prochains lancements ont besoin de marge sur ce quota. Sur des comptes denses, le vrai travail n'est pas de créer, c'est de choisir quoi garder.
Suivre les audiences dans le temps, au-delà du lancement
Un segment éligible aujourd'hui ne l'est pas forcément dans le cours normal des prochains mois. Suivez son volume que vous consultiez l’application mobile GA4 ou l'interface web : c'est la même donnée, deux points d'accès. L’application ne change ni le calcul ni le statut d’éligibilité. Les publics ciblés dépendent de cette continuité, un ensemble qui bascule sous le volume requis peut perdre son éligibilité et cesser d’être mis à jour.
- Mur d’éligibilité : il faut assez de volume côté utilisateurs déclencheurs et non déclencheurs. Si le volume ou la qualité du modèle retombe, GA4 peut arrêter de mettre les prédictions à jour.
- Trois familles de métriques découpées par percentiles : achat, churn, revenu.
- C’est un classement relatif, pas une certitude : le haut du classement reste probabiliste.
- Usage prudent : moduler l’intensité (signal, remarketing différencié, exclusion des ultra-probables), éviter le ciblage exclusif.
Vous lancer ou pas : la décision en trois étapes
Dans l’ordre, sans sauter d’étape : le statut d’éligibilité (deux clics, tout de suite) ; si non éligible, dossier clos, first-party classique.
Si éligible : un usage de modulation (commencez par l’exclusion des ultra-probables en prospection, le gain le plus propre), et la mesure de l’effet.
L’IA ne sait pas qui achètera. Elle classe qui est le plus susceptible de le faire, et c’est déjà beaucoup, à condition de s’en servir pour doser, pas pour viser en tunnel fermé.
Questions fréquentes
Quels sont les prérequis pour activer les audiences prédictives GA4 ?
purchase propre incluant valeur et devise pour les métriques d’achat et de revenu. Si le volume ou la qualité du modèle retombe sous le seuil requis, GA4 peut arrêter de mettre les prédictions à jour.Que prédisent exactement les audiences prédictives GA4 ?
Faut-il cibler les acheteurs probables avec ses budgets Ads ?
Une audience prédictive prédit-elle qui va acheter ?
Comment l'audience prédictive GA4 devient-elle disponible dans Google Ads ?
Que se passe-t-il si la qualité des données d'événement `purchase` est dégradée ?
purchase sans valeur ou sans devise, ou un consentement troué qui appauvrit les données, produit des percentiles peu fiables - et donc des décisions d'enchères ou d'exclusion construites sur une base fragile.