De solides referrals IA ne prouvent pas que les publicités ChatGPT fonctionnent
Une recommandation ChatGPT non rémunérée peut apporter à un distributeur un client précieux, même lorsqu’un placement payant génère un faible retour. Un annonceur qui envisage les ChatGPT Ads doit donc distinguer ces deux voies avant de définir un budget. OpenAI tire des revenus de la vente de ces placements et a donc un intérêt commercial à accroître les dépenses des annonceurs tout en préservant l’expérience de recommandation qui attire les utilisateurs.
ChatGPT rend cette distinction visible : les utilisateurs de son offre Free ou Go reçoivent des conseils d’achat avec une carte « Sponsored » distinctement étiquetée en dessous. Comme cette carte se situe en dehors de la recommandation, acheter cet espace offre à un annonceur une voie d’accès au client différente de celle qui consiste à obtenir une recommandation non rémunérée. Les performances sur une voie ne permettent pas d’établir la valeur de l’autre.
Les clics payants génèrent des retours mesurés plus faibles
La comparaison du trafic payant provient de chercheurs associés à la Frankfurt School of Finance & Management et à la Vienna University of Economics and Business. Leur document de travail, encore en cours d’examen, a analysé 1 898 sites e-commerce totalisant 16 milliards de dollars de ventes annuelles combinées et près de 10 milliards de visites sur 60 semaines, de juin 2025 à août 2026. Ces totaux couvrent l’ensemble du jeu de données e-commerce sur les différents canaux d’acquisition.
Au sein de ce jeu de données, les visites payantes issues de ChatGPT ont généré un revenu moyen par session de 89 cents, contre 2,45 dollars pour Google Search payant. Le revenu par session mesure le chiffre d’affaires associé à chaque visite ; le taux de conversion mesure la part des visites ayant conduit à un achat. Les taux de conversion étaient de 0,37 % pour ChatGPT payant et de 1,17 % pour Google Search payant. Ensemble, ces mesures montrent moins d’achats et moins de chiffre d’affaires généré par une visite payante moyenne provenant de ChatGPT.
Cette faiblesse allait au-delà du search payant. Les chercheurs ont également constaté que les visiteurs payants issus de ChatGPT obtenaient de moins bons résultats que les visiteurs arrivant via les publicités Google, la recherche Google, le trafic direct et les recommandations ChatGPT non rémunérées. Il s’agit de différentes façons d’acquérir des clients ; ce constat plus large replace donc les résultats de ChatGPT payant dans leur contexte sans attribuer les chiffres de Google Search payant à tous les autres canaux.
Au niveau des annonceurs, le taux de conversion moyen masquait la fréquence à laquelle les campagnes n’enregistraient aucun achat. Parmi les 102 annonceurs de l’étude, 82 % n’ont enregistré aucun achat provenant de leurs publicités ChatGPT. Pour ces comptes, les reportings montraient des visites publicitaires sans chiffre d’affaires pour compenser leur coût d’acquisition. Ce pourcentage s’applique à cet échantillon d’annonceurs.[
La question de savoir si ces visites offrent un retour compétitif dépend aussi de leur prix. Les chercheurs ont d’abord comparé le taux de conversion et le revenu par session, puis ont utilisé des prix publicitaires publiquement communiqués pour estimer le chiffre d’affaires par dollar publicitaire dépensé. Sur cette base, Google Search payant a généré plus de six fois le chiffre d’affaires par dollar publicitaire que ChatGPT. Cela relie le comportement des visiteurs au montant qu’un annonceur dépense pour l’obtenir.
Les chercheurs ont estimé que ChatGPT devrait coûter environ 26 cents par clic pour égaler le retour du search payant. Le plus grand compte publiquement connu dans leurs données payait 1,72 dollar par clic, ce qui fournit une comparaison au niveau du compte avec le prix calculé. Un chiffre estime le prix nécessaire pour égaler les retours selon la comparaison des chercheurs ; l’autre enregistre ce qu’un compte a payé. Une visite générant relativement peu de chiffre d’affaires peut malgré tout être attractive à un prix suffisamment bas, ce qui rend l’écart commercialement important.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
L’attribution influence la manière dont les annonceurs lisent les résultats
Le calcul des dépenses dépend aussi du fait que les achats reçoivent ou non le bon crédit publicitaire. Farhad Divecha, group CEO chez Accuracast, une agence publicitaire ayant un intérêt commercial à aider ses clients à mesurer et améliorer leurs campagnes, a déclaré à Digiday : « Nous continuons à constater des écarts à ce niveau », et a expliqué : « Certains sont des problèmes de rodage parce qu’il s’agit d’un nouveau système qui doit être mis en place dans les systèmes des annonceurs, mais certains problèmes viennent d’une attribution défaillante. » L’attribution consiste à affecter un achat à l’interaction publicitaire qui en reçoit le crédit.
Divecha identifie des problèmes à la fois dans la configuration côté annonceur et dans l’attribution du crédit d’achat. Un achat absent du reporting de campagne a tout de même pu avoir lieu ; le constat d’absence d’achat décrit donc des résultats enregistrés. Corriger ces problèmes pourrait modifier les performances mesurées, mais l’effet dépend du nombre d’achats mal attribués et du sens de cette mauvaise attribution. Les annonceurs doivent donc évaluer les retours enregistrés parallèlement à la fiabilité du système qui les attribue.
Les referrals IA non rémunérés mesurent une opportunité différente
Le même document de travail fournit une autre raison de distinguer trafic payant et trafic non rémunéré. Avant le début de la publicité, les referrals ChatGPT non rémunérés convertissaient à 2,21 %, contre 0,37 % pour les visites payantes. Comme le chiffre non rémunéré provient d’une période antérieure, les taux ne constituent pas une comparaison contrôlée sur la même période. Ils montrent néanmoins le risque qu’il y a à utiliser les performances passées des referrals non rémunérés pour fixer des attentes concernant un placement payant.
Des mesures plus larges dans le retail montrent également la valeur des referrals IA. Adobe Analytics, dont l’activité d’analytics bénéficie de la demande de mesure du comportement numérique des clients, a constaté que les referrals IA vers les sites retail américains généraient en septembre 83 % de chiffre d’affaires en plus par visite que le trafic non IA. Ces visiteurs convertissaient également 90 % mieux, passaient 73 % plus de temps sur les sites retail et consultaient 25 % de pages en plus. Les résultats combinent de meilleurs résultats d’achat avec un engagement plus fort.
Mais la définition d’Adobe couvre largement les referrals IA et n’isole pas les clics payants ChatGPT. Plus de temps et plus de pages décrivent un comportement de navigation, tandis que le taux de conversion et le revenu par visite relient les visites aux ventes. Ces constats aident à expliquer l’intérêt pour l’IA comme voie d’accès aux clients, mais ils ne permettent pas de déterminer ce qu’un annonceur devrait payer pour un clic publicitaire ChatGPT. Les équipes e-commerce doivent conserver, pour chaque résultat, la voie d’acquisition et la période de mesure qui lui sont associées.
La croissance du nombre d’annonceurs mesure la participation
L’intérêt pour l’achat de ces clics progresse, même si l’étude sur les performances payantes soulève des questions sur les retours. Adthena, une entreprise d’intelligence publicitaire ayant un intérêt commercial dans la demande de suivi des campagnes, a suivi 1 082 marques faisant de la publicité aux États-Unis, au Royaume-Uni, en Australie et dans l’UE en juin. Son décompte suivi est passé à 3 741 en juillet puis à 6 333 en août. Ces chiffres montrent une croissance rapide de la participation observée.
Les estimations de New Street Research pointent également vers une adoption croissante, en utilisant une mesure différente. L’entreprise estimait environ 20 000 annonceurs ChatGPT fin août et environ 60 000 début octobre. Comme ces estimations diffèrent des décomptes de marques suivis par Adthena, elles doivent être lues comme des séries distinctes. Les deux décrivent la participation, tandis que les retours de campagne nécessitent des mesures de ventes et de dépenses.
La participation s’étend aussi à différentes catégories de dépenses. Sensor Tower, un fournisseur d’intelligence de marché ayant un intérêt commercial dans la demande de données publicitaires, a fourni des chiffres cités par Digiday montrant que la part du shopping dans les dépenses publicitaires ChatGPT aux États-Unis est passée de 38 % en avril à 20 % en septembre. Sur la même période, le logiciel est passé de 13 % à 18 %, les services financiers de 2 % à 13 %, et le voyage et tourisme de 5 % à 9 %. Comme il s’agit de parts de dépenses, ces chiffres montrent un mix de catégories plus large sans établir de changements dans les dépenses absolues ou le retour de chaque catégorie.
Les ambitions de revenus d’OpenAI dépendent de la valeur du clic
Une base d’annonceurs plus large compte pour OpenAI, mais les estimations des chercheurs montrent pourquoi la seule participation ne permet pas de trancher l’économie du modèle. Ils estiment que la publicité génère actuellement environ 1 dollar par utilisateur gratuit et par an, contre environ 5 dollars pour servir un utilisateur gratuit. Selon ces estimations, les revenus publicitaires sont inférieurs au coût de service de cet utilisateur. Combler cet écart exige une hausse substantielle du revenu par utilisateur.
Les projections d’OpenAI situent les revenus publicitaires à 102 milliards de dollars d’ici 2030, soit l’équivalent d’environ 40 dollars par utilisateur gratuit. Les chercheurs concluent qu’ajouter des annonceurs et des clics ne suffira pas à combler le déficit de financement à moins que chaque clic ne devienne sensiblement plus précieux. La capacité des annonceurs à payer dépend de ce que le trafic leur rapporte, ce qui lie les revenus projetés d’OpenAI aux performances des campagnes. Davantage de visites disponibles ne suffit pas, à lui seul, à établir que les annonceurs peuvent les acheter de manière rentable à des prix compatibles avec ces projections.
OpenAI indique que les ChatGPT Ads ont atteint un rythme annualisé de revenus d’un milliard de dollars moins de 200 jours après leur lancement. Un rythme annualisé exprime le rythme de revenus annuel implicite de l’activité à un moment donné ; il diffère donc des revenus publicitaires cumulés déjà encaissés. Ce jalon décrit la croissance de l’activité publicitaire d’OpenAI, tandis que les retours des annonceurs restent une mesure distincte.
Le volume de requêtes mesure l’échelle
La taille de l’audience offre une autre mesure du potentiel de l’activité, mais les définitions des requêtes influencent la comparaison. OpenAI affirme que ChatGPT traite environ 20 % du volume de requêtes « search-like » de Google. Appliquer cette part au dernier volume annuel de recherche communiqué par Google implique plus de 1 000 milliards de telles requêtes ChatGPT par an. Ce total est une extrapolation à partir de la part revendiquée, et les différences dans ce qui est compté comme une recherche limitent la comparaison avec Google Search.
SEOClarity, un éditeur de logiciels d’optimisation pour les moteurs de recherche ayant un intérêt commercial dans la manière dont les entreprises mesurent l’activité de recherche, estime un volume plus faible. L’entreprise situe ChatGPT à environ 7,5 % du volume de recherche de Google, ce qui implique approximativement 375 milliards de requêtes par an. Les estimations diffèrent, et chacune dépend de sa méthode de mesure. Même un décompte précis des requêtes laisserait aux annonceurs la nécessité d’établir combien de chiffre d’affaires génèrent les visites achetées au prix facturé.
Le recul des referrals soulève une question de conception produit
Au-delà de la taille de l’audience, les chercheurs ont examiné si l’introduction des publicités coïncidait avec des changements dans le nombre de visiteurs e-commerce envoyés par ChatGPT. Dans leur protocole d’étude, les publicités ont commencé aux États-Unis puis se sont étendues à huit pays supplémentaires, tandis que les marchés de l’UE sans publicité servaient de contrôles : des marchés de comparaison utilisés pour estimer les changements en l’absence de publicité. Ils ont comparé les variations des referrals après lancement dans les marchés avec publicité à celles observées dans ces marchés de contrôle. L’analyse porte sur le volume de referrals, ce qui étend la question au-delà des retours sur les clics achetés.
Le constat général des chercheurs était une baisse de 6 % à 8 % du nombre de visiteurs envoyés vers les sites e-commerce après l’apparition de la publicité. Leur estimation initiale faisait état d’une baisse de 5,9 % par rapport aux marchés sans publicité au cours des 13 premières semaines. Mais elle n’était pas statistiquement significative, ce qui signifie que le test statistique ne la distinguait pas assez clairement d’une variation due au hasard. Ce résultat initial doit être lu avec cette réserve.
Les chercheurs ont ensuite ajusté leur analyse pour tenir compte d’une croissance de l’usage de ChatGPT plus rapide en Amérique du Nord qu’en Europe. Selon les hypothèses de cet ajustement, la baisse estimée allait de 7,2 % à 8,4 % et devenait statistiquement significative. Le résultat statistique plus fort dépend donc de la manière dont l’analyse prend en compte une croissance inégale de l’usage selon les régions. Tant la baisse estimée que sa significativité statistique changent avec cet ajustement.
La baisse observée concernait le nombre de referrals, tandis que les visiteurs non rémunérés qui continuaient d’arriver convertissaient à peu près à leur niveau antérieur. Moins de visites et une conversion plus faible impliqueraient des problèmes produit différents ; cette distinction est donc importante pour évaluer ce qui a changé. L’analyse identifie un volume de referrals plus faible sans en établir la cause. Elle laisse aussi ouverte la possibilité que les performances payantes s’améliorent tandis que les recommandations non rémunérées conservent leur valeur.
Pour améliorer les performances payantes, les chercheurs suggèrent un meilleur ciblage et un placement des publicités plus directement dans les réponses comme moyens d’accroître la valeur de l’espace publicitaire. Un meilleur ciblage pourrait rendre les offres sponsorisées plus pertinentes, tandis qu’un placement dans les réponses modifierait leur relation avec le conseil d’achat lui-même. La séparation actuelle entre les recommandations et la carte sponsorisée donne du contexte à cette proposition de conception produit. Déplacer les publicités dans les réponses pourrait mettre sous pression l’expérience qui soutient les recommandations non rémunérées, mais cela reste un arbitrage proposé plutôt qu’un résultat observé d’une expérimentation avec ces placements.
En résumé
Pour les dirigeants, la question n’est pas de savoir si l’IA peut apporter des clients précieux. Elle est de savoir si les placements payants ChatGPT peuvent les acquérir à un prix compatible avec l’activité. De solides referrals non rémunérés, une participation croissante des annonceurs et la croissance des revenus d’OpenAI ne répondent pas à cette question.
Les éléments de preuve actuels plaident pour des tests mesurés plutôt que pour de larges réallocations budgétaires. Les annonceurs devraient évaluer le trafic payant ChatGPT séparément des recommandations non rémunérées, vérifier l’attribution des achats et comparer les coûts d’acquisition avec les canaux établis. Le revenu par visite est utile, mais une décision de dépense doit aussi tenir compte des marges et du coût de chaque clic. Les problèmes d’attribution justifient une enquête, pas l’hypothèse que des ventes non enregistrées rendront une campagne rentable.
Pour OpenAI, améliorer les retours des annonceurs pourrait nécessiter des changements de ciblage, de tarification ou de placement. Ces choix doivent aussi préserver l’expérience de recommandation qui fait la valeur de ChatGPT pour les utilisateurs. Le test commercial consiste à savoir si les placements payants peuvent offrir des retours compétitifs sans affaiblir cette expérience. Tant que les preuves ne seront pas plus solides, la croissance des budgets devrait suivre des résultats vérifiés plutôt que la dynamique de la plateforme.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.


