IA et empreinte carbone publicitaire : comment concilier sobriété et performance média ?
L’intelligence artificielle (IA) transforme la production et la diffusion des campagnes publicitaires. Mais si celle-ci permet d’automatiser des tâches et de multiplier les créations, elle pose aussi une question essentielle : comment profiter de ses capacités sans accroître inutilement l’empreinte environnementale de la publicité ?
Il va de soi que générer dix variantes d’une bannière pour n’en tester que deux mobilise des ressources, y compris pour les versions qui ne seront jamais diffusées. Pour comprendre le lien entre IA et empreinte carbone publicitaire, il faut donc tenir compte à la fois des émissions de production et des émissions de diffusion.
Dans une tribune publiée par Minted, Vincent Villaret, directeur général d’Impact Plus, propose d’évaluer l’utilité de ces outils au regard des ressources qu’ils mobilisent. Une équipe peut ainsi se demander si elle a besoin de produire plus de variantes ou si elle obtiendrait davantage en choisissant mieux les formats et les emplacements à tester.
Pourquoi l’IA peut-elle alourdir l’empreinte carbone publicitaire ?
De la production des créations à la diffusion des annonces, une campagne numérique mobilise des outils de création, des plateformes d’achat média et des infrastructures qui traitent et transmettent les données. Lorsque ces prestations sont achetées à des fournisseurs, les émissions associées peuvent relever du scope 3 de l’annonceur, qui couvre les émissions indirectes de sa chaîne de valeur.
Les modèles d’intelligence artificielle mobilisent eux aussi des ressources de calcul, pour leur entraînement comme pour leur utilisation. À l’échelle d’une campagne, les ressources nécessaires dépendent notamment du modèle choisi et du nombre de fois où il est sollicité.
Le risque apparaît lorsque l’IA générative sert à multiplier les variantes de bannières ou de vidéos à tester. Produire davantage de créations ne garantit ni plus d’attention ni de meilleurs résultats médias. Cela peut en revanche accroître les besoins de calcul, même si une partie des variantes n’est jamais diffusée. Une fois les annonces en ligne, le volume de données transmis varie notamment selon le poids des fichiers et le nombre d’impressions.
Quels usages de l’IA tester pour réduire les émissions ?
Le lien entre IA et empreinte carbone publicitaire dépend des usages. Dans sa tribune, Vincent Villaret propose trois pistes pour limiter les émissions, de la sélection des placements à la conception des publicités.
1. Réduire la déperdition média grâce à l’analyse prédictive
L’analyse prédictive peut aider à repérer les placements qui génèrent beaucoup d’émissions au regard de l’attention qu’ils suscitent. Elle permet aussi d’examiner certains sites dits Made for Advertising (MFA), lesquels sont principalement conçus pour générer des revenus publicitaires. Avant d’écarter un placement, il convient d’examiner ses émissions et ses résultats médias.
L’objectif est de toucher le public visé avec moins d’impressions inutiles. Pour évaluer l’effet d’un changement de placement, il est utile de comparer les émissions et un indicateur adapté à la campagne, comme le coût par vue complète.
2. Privilégier des modèles d’IA adaptés aux tâches
Pour une tâche bien définie, comme classer des créations selon leur message, un modèle spécialisé peut suffire et mobiliser moins de ressources de calcul qu’un grand modèle généraliste. Cette démarche de « frugalité algorithmique » consiste à choisir un outil proportionné au besoin. La comparaison gagne à porter sur la même tâche, à qualité de résultat comparable, en tenant compte du nombre de requêtes nécessaires.
3. Concevoir des créations publicitaires plus légères
Alléger une bannière ou une vidéo peut réduire le volume de données transféré si la version diffusée bénéficie de cette optimisation. Lorsque l’IA intervient dans la création, le brief peut fixer des limites de poids et de résolution dès le départ. Un test sur deux versions du même emplacement, à durée identique, permet ensuite de comparer les émissions liées à la diffusion, la qualité visuelle et le nombre de vues complètes.
IA et empreinte carbone publicitaire : quels indicateurs suivre ?
Pour savoir si un ajustement réduit les émissions, il est utile de comparer une version de référence et une version optimisée sur un périmètre identique. Trois indicateurs peuvent éclairer cette comparaison :
- Les émissions totales, pour vérifier si elles baissent à l’échelle du périmètre mesuré.
- Les émissions pour 1 000 impressions, pour comparer l’intensité carbone de la diffusion lorsque les volumes diffèrent.
- Un indicateur de performance média, comme le coût par conversion, pour vérifier si le changement préserve le résultat recherché.
Impact Plus aide les annonceurs et les agences à rapprocher ces données pour identifier les formats et les placements sur lesquels tester une réduction.
Vers une IA au service d’une publicité plus responsable
La relation entre IA et empreinte carbone publicitaire s’évalue à l’échelle de la campagne. Si l’optimisation réduit les émissions de diffusion, il reste à vérifier ce qu’elle change en amont, notamment les ressources de calcul mobilisées pour produire les créations. C’est cette comparaison, mise en regard des résultats média, qui permet de décider si un usage mérite d’être généralisé.
Le changement de perspective proposé par Vincent Villaret est clair : l’industrie publicitaire gagnerait à évaluer ses outils à l’aune de leur utilité réelle, de leur consommation de ressources et de leur contribution à des campagnes plus efficaces. En associant mesure carbone, optimisation créative et choix média, la sobriété peut devenir un critère de pilotage, au même titre que la performance.
Source : Vincent Villaret, « L’IA au chevet de l’empreinte carbone publicitaire », Minted.
IA et empreinte carbone publicitaire : comment concilier sobriété et performance média ?
L’intelligence artificielle (IA) transforme la production et la diffusion des campagnes publicitaires. Mais si celle-ci permet d’automatiser des tâches et de multiplier les créations, elle pose aussi une question essentielle : comment profiter de ses capacités sans accroître inutilement l’empreinte environnementale de la publicité ?
Il va de soi que générer dix variantes d’une bannière pour n’en tester que deux mobilise des ressources, y compris pour les versions qui ne seront jamais diffusées. Pour comprendre le lien entre IA et empreinte carbone publicitaire, il faut donc tenir compte à la fois des émissions de production et des émissions de diffusion.
Dans une tribune publiée par Minted, Vincent Villaret, directeur général d’Impact Plus, propose d’évaluer l’utilité de ces outils au regard des ressources qu’ils mobilisent. Une équipe peut ainsi se demander si elle a besoin de produire plus de variantes ou si elle obtiendrait davantage en choisissant mieux les formats et les emplacements à tester.
Pourquoi l’IA peut-elle alourdir l’empreinte carbone publicitaire ?
De la production des créations à la diffusion des annonces, une campagne numérique mobilise des outils de création, des plateformes d’achat média et des infrastructures qui traitent et transmettent les données. Lorsque ces prestations sont achetées à des fournisseurs, les émissions associées peuvent relever du scope 3 de l’annonceur, qui couvre les émissions indirectes de sa chaîne de valeur.
Les modèles d’intelligence artificielle mobilisent eux aussi des ressources de calcul, pour leur entraînement comme pour leur utilisation. À l’échelle d’une campagne, les ressources nécessaires dépendent notamment du modèle choisi et du nombre de fois où il est sollicité.
Le risque apparaît lorsque l’IA générative sert à multiplier les variantes de bannières ou de vidéos à tester. Produire davantage de créations ne garantit ni plus d’attention ni de meilleurs résultats médias. Cela peut en revanche accroître les besoins de calcul, même si une partie des variantes n’est jamais diffusée. Une fois les annonces en ligne, le volume de données transmis varie notamment selon le poids des fichiers et le nombre d’impressions.
Quels usages de l’IA tester pour réduire les émissions ?
Le lien entre IA et empreinte carbone publicitaire dépend des usages. Dans sa tribune, Vincent Villaret propose trois pistes pour limiter les émissions, de la sélection des placements à la conception des publicités.
1. Réduire la déperdition média grâce à l’analyse prédictive
L’analyse prédictive peut aider à repérer les placements qui génèrent beaucoup d’émissions au regard de l’attention qu’ils suscitent. Elle permet aussi d’examiner certains sites dits Made for Advertising (MFA), lesquels sont principalement conçus pour générer des revenus publicitaires. Avant d’écarter un placement, il convient d’examiner ses émissions et ses résultats médias.
L’objectif est de toucher le public visé avec moins d’impressions inutiles. Pour évaluer l’effet d’un changement de placement, il est utile de comparer les émissions et un indicateur adapté à la campagne, comme le coût par vue complète.
2. Privilégier des modèles d’IA adaptés aux tâches
Pour une tâche bien définie, comme classer des créations selon leur message, un modèle spécialisé peut suffire et mobiliser moins de ressources de calcul qu’un grand modèle généraliste. Cette démarche de « frugalité algorithmique » consiste à choisir un outil proportionné au besoin. La comparaison gagne à porter sur la même tâche, à qualité de résultat comparable, en tenant compte du nombre de requêtes nécessaires.
3. Concevoir des créations publicitaires plus légères
Alléger une bannière ou une vidéo peut réduire le volume de données transféré si la version diffusée bénéficie de cette optimisation. Lorsque l’IA intervient dans la création, le brief peut fixer des limites de poids et de résolution dès le départ. Un test sur deux versions du même emplacement, à durée identique, permet ensuite de comparer les émissions liées à la diffusion, la qualité visuelle et le nombre de vues complètes.
IA et empreinte carbone publicitaire : quels indicateurs suivre ?
Pour savoir si un ajustement réduit les émissions, il est utile de comparer une version de référence et une version optimisée sur un périmètre identique. Trois indicateurs peuvent éclairer cette comparaison :
- Les émissions totales, pour vérifier si elles baissent à l’échelle du périmètre mesuré.
- Les émissions pour 1 000 impressions, pour comparer l’intensité carbone de la diffusion lorsque les volumes diffèrent.
- Un indicateur de performance média, comme le coût par conversion, pour vérifier si le changement préserve le résultat recherché.
Impact Plus aide les annonceurs et les agences à rapprocher ces données pour identifier les formats et les placements sur lesquels tester une réduction.
Vers une IA au service d’une publicité plus responsable
La relation entre IA et empreinte carbone publicitaire s’évalue à l’échelle de la campagne. Si l’optimisation réduit les émissions de diffusion, il reste à vérifier ce qu’elle change en amont, notamment les ressources de calcul mobilisées pour produire les créations. C’est cette comparaison, mise en regard des résultats média, qui permet de décider si un usage mérite d’être généralisé.
Le changement de perspective proposé par Vincent Villaret est clair : l’industrie publicitaire gagnerait à évaluer ses outils à l’aune de leur utilité réelle, de leur consommation de ressources et de leur contribution à des campagnes plus efficaces. En associant mesure carbone, optimisation créative et choix média, la sobriété peut devenir un critère de pilotage, au même titre que la performance.
Source : Vincent Villaret, « L’IA au chevet de l’empreinte carbone publicitaire », Minted.