À quand un journal aux contenus automatiquement adaptés au profil de son lecteur? Si les DMP (data management plateforms) font aujourd’hui partie des outils de régies pour personnaliser l’expérience publicitaire de l’internaute, leur utilisation côté éditeur se fait encore avec parcimonie. « Le marketing éditorial est appréhendé de façon variable, en fonction du groupe de presse », estime Frédéric Olivennes, directeur général de Weborama, prestataire technologique des groupes Le Monde, Les Echos-Le Parisien ou Amaury. Si les quotidiens y voient une étape technologiquement réalisable, ils ne la jugent pas forcément souhaitable. « Le portage permettait déjà d’obtenir une granularité suffisante pour proposer des suppléments géolocalisés, rappelle Anne Pican, éditrice numérique du Figaro.fr. Mais s’il s’agit de sur-personnaliser l’information en fonction des centres d’intérêt, on risque de rapidement tourner en rond. »
Bulle de filtres
L’approche a déjà montré ses limites avec Facebook, décrié pour créer des bulles de filtres. « Le New York Times ou le Wall Street Journal utilisent leur DMP pour proposer des contenus personnalisés, constate Diane Lemoine, directrice du marketing numérique du Monde. Pour autant, nous ne souhaitons pas le faire car cela demanderait beaucoup d’investissements techniques et un travail comportemental sur notre propre base d’abonnés. » L’analyse de la navigation de l’internaute sert éventuellement à proposer des services. Le Figaro les limite à « des newsletters », souligne Anne Pican, dont l’équipe travaille néanmoins « pour le futur site, sur des zones où seront faîtes des propositions “cela pourrait vous intéresser” ».
Machine learning
Si la porte est - définitivement ? - fermée à l’hyperpersonnalisation, l’utilisation de DMP au plan éditorial s’avère surtout utile pour le recrutement d’abonnés. « Nous identifions ainsi des lecteurs réguliers pour proposer des scénarios d’inscription et d’abonnement », illustre Diane Lemoine. Cela permet ainsi de choisir la bonne autopromotion. Chez certains pure players, la logique est plus poussée. Webedia par exemple « dispose d’un module qui utilise du machine learning basé sur la navigation des internautes pour les suggestions de bande annonce sur Allociné, explique Arnaud Métral, directeur général chargé du publishing. Et nous développons un moteur de recommandation personnalisée de films et de séries liée aux données de la DMP et au comportement des internautes. » Cette fonctionnalité est attendue au plus tard début 2019. « La data peut permettre d’optimiser l’exposition de l’offre en temps réel en fonction du profil et donc d’augmenter l’audience, revendique Frédéric Olivennes. Avec deux limites : la culture du média et la nécessité de ne pas inverser la logique d’offre. »
