La phase d’apprentissage est la période où le Smart Bidding calibre son modèle sur vos conversions : performance volatile, durée mesurée en événements de conversion, pas en jours. Le vrai risque n’est pas sa durée, c’est sa réinitialisation : changer de stratégie, modifier la cible ou bouleverser la structure relance le calibrage à zéro. La discipline clé est la retenue.
Quand vous activez une stratégie d’enchères Smart Bidding, l’algo ne démarre pas en pleine possession de ses moyens : il calibre. Il teste, observe quels contextes produisent des conversions, ajuste son modèle de prédiction.
Pendant ce temps, la performance est volatile : le CPA peut grimper, le ROAS plonger puis remonter, les volumes faire le yo-yo. Ce n’est pas un dysfonctionnement ; c’est le bruit normal d’un système qui apprend.
La durée typique va de deux à six semaines, mais ce chiffre en jours est trompeur.
La phase d’apprentissage se mesure en événements de conversion, pas au calendrier. Un compte qui génère beaucoup de conversions calibre vite ; un compte à faible volume, cinq conversions par semaine, peut traîner bien au-delà des sept jours qu’on lit partout.
L’algo n’a pas encore vu assez d’exemples pour construire un modèle fiable. Conséquence directe : si votre volume est faible, ne vous fiez pas au calendrier pour juger que « ça devrait marcher maintenant ». L’algo n’apprend pas avec le temps qui passe ; il apprend avec les conversions qui tombent.
Cas particulier à nommer, parce qu’il piège : le statut « Learning limited » (apprentissage limité) n’est pas une phase transitoire qu’il suffit d’attendre. C’est un signal de problème, typiquement pas assez de volume de conversions, ou une cible trop contraignante pour le budget.
Le traiter comme une attente, c’est attendre indéfiniment quelque chose qui ne viendra pas. Traitez-le comme un diagnostic : augmenter le volume (élargir, regrouper, baisser la contrainte) ou revoir la cible.
La phase d’apprentissage produit une performance volatile. La volatilité fait peur, la peur pousse à corriger : « le CPA a doublé cette semaine, je baisse la cible ».
Et chaque correction substantielle (changement de stratégie, modification de cible même légère, gros bouleversement de structure ou de budget) réinitialise l’apprentissage. C’est exactement ce qui se joue quand on touche au tROAS, son élasticité et ses limites en pleine volatilité : chaque ajustement de cible repart de zéro.
Vous venez de remettre le calibrage à zéro au moment précis où l’algo commençait à comprendre.
Le résultat est un piège silencieux : un compte qu’on pilote nerveusement, en ajustant chaque semaine, ne sort jamais vraiment de l’apprentissage. Il vit en re-learning permanent, sous-performant en continu, et son gestionnaire conclut que le Smart Bidding ne marche pas, alors qu’il ne l’a jamais laissé finir d’apprendre.
La compétence à développer est donc une compétence de retenue : préparer soigneusement en amont (bon tracking, bonne cible, bon volume), activer, puis tenir ses mains pendant que les chiffres dansent.
Regarder un CPA spiker sans réagir va contre tous les réflexes de gestion. Mais c’est exactement ce que l’algo demande pour réussir.
« Ne rien toucher pendant l’apprentissage » ne veut pas dire ne jamais rien faire. Cela veut dire : ne pas faire les changements qui réinitialisent (stratégie, cible). Certains actes n’entrent pas dans ce périmètre et restent légitimes.
L’un d’eux est crucial : si votre tracking s’est cassé pendant la phase, laisser des données polluées entrer dans le modèle est pire que tout. Il existe pour ça l’exclusion de données dans les enchères, qui répare le signal sans relancer brutalement le calibrage.
La limite honnête : la frontière entre correction qui sabote et correction légitime n’est pas toujours nette. Dans le doute, l’abstention est le meilleur pari : un apprentissage qu’on laisse finir vaut mieux qu’un apprentissage qu’on optimise.
Avant d’activer une stratégie : tout préparer (tracking propre, cible dérivée de la marge, volume suffisant), parce que ce que vous ne réglez pas avant, vous ne pourrez pas le corriger pendant sans tout réinitialiser.
Pendant la phase : ne touchez ni la stratégie ni la cible, et ne réagissez pas à la volatilité (notez-la, ne la corrigez pas). Si vous voyez « Learning limited », ce n’est pas une attente, c’est un problème de volume ou de cible à résoudre, et c’est souvent là que poser les bonnes règles et seuils du tCPA débloque tout.
Après stabilisation seulement : ajustez, par petits pas espacés. La meilleure chose que vous puissiez faire pour un algo qui apprend, c’est souvent ne rien faire.
Resets à répétition ou « Learning limited » bloqué : on diagnostique ce qui empêche le calibrage.
Réserver un appelParlons de vos objectifs