Le retour de l'out-of-home
La publicité out-of-home connaît un vrai moment. Après des années à être reléguée au rang de média hérité, coincé dans l'ère pré-digitale, l'OOH croît plus vite que la plupart des canaux digitaux. Les revenus mondiaux de l'OOH repassent au-dessus de leurs pics d'avant la pandémie, l'OOH digital (DOOH) devient le format dominant dans les grandes villes, et des marques qui avaient totalement abandonné le format y reviennent avec des budgets plus importants.
Les raisons sont simples. L'économie de l'attention a radicalement changé. Les fils digitaux sont saturés, les bloqueurs de pub se sont généralisés et la fatigue du scroll est bien réelle. Un panneau sur un axe de circulation dense, un écran digital grand format dans un pôle de transport ou une affiche bien placée dans un couloir commercial — tout cela perce l'attention comme les bannières et les vidéos pre-roll ne le peuvent tout simplement pas.
Mais un problème persistant se cache sous cette renaissance de l'OOH : la plupart des marques le mesurent encore comme il y a dix ans. Et cet écart entre la croissance du canal et la maturité de la mesure leur coûte bien plus cher qu'elles ne l'imaginent.
L'ancienne façon de mesurer l'OOH
L'approche traditionnelle de la mesure de l'OOH repose sur des estimations. Les impressions sont calculées à partir d'enquêtes de fréquentation piétonne et de données de panel. Le brand lift est mesuré via des enquêtes de mémorisation menées des semaines après la fin d'une campagne. L'attribution relève de la conjecture — un pic de trafic web pendant la fenêtre de campagne est vaguement crédité à l'affichage, sans aucune preuve causale.
Cette approche pose trois problèmes fondamentaux. D'abord, les données sont lentes. Quand une marque obtient des données de performance OOH exploitables, la campagne est souvent déjà terminée — trop tard pour optimiser. Ensuite, les données sont approximatives. Les décomptes d'impressions issus de panels et les enquêtes a posteriori introduisent un bruit important et ne peuvent pas isoler la contribution spécifique de chaque emplacement. Enfin, il n'y a aucune intégration cross-canal. L'OOH reste dans un silo, déconnecté des signaux online qu'il génère — visites du site, hausses de recherche de marque et pics de conversion qu'il produit de façon démontrable.
« La plupart des marques dépensent des budgets importants en OOH et prennent des décisions avec des données qui seraient rejetées comme non fiables sur n'importe quel autre canal. »
Ce qui a changé
La mesure moderne de l'OOH est fondamentalement différente de l'approche héritée. Plutôt que de s'appuyer sur des estimations et des données de panel, elle intègre des signaux réels et horodatés issus de multiples sources indépendantes — données de fréquentation piétonne, signaux de géolocalisation mobile, volume de recherche de marque, données de ventes offline et signaux comportementaux online — pour construire une image complète de l'impact de l'OOH.
Ce virage est rendu possible par trois évolutions convergentes :
- La prolifération à grande échelle de données de géolocalisation de haute qualité et conformes à la confidentialité
- Les progrès du Marketing Mix Modeling, qui peut désormais intégrer les leviers média offline avec la même granularité que le digital
- L'émergence de plateformes conçues spécifiquement pour combler l'écart entre l'exposition offline et les résultats online et offline
Résultat : l'OOH n'est plus une boîte noire. Les marques qui utilisent une mesure moderne peuvent voir, en temps quasi réel, comment des emplacements précis génèrent des comportements — et utiliser ces données pour optimiser les campagnes en cours plutôt que d'attendre un bilan de fin de campagne.
La mesure moderne de l'OOH ne te dit pas seulement ce qui s'est passé — elle te dit pourquoi, et le fait avec la vitesse et la granularité auparavant réservées aux médias digitaux. Cela transforme tout le processus de décision autour de l'investissement offline.
L'OOH dans un framework MMM moderne
Le Marketing Mix Modeling a historiquement eu du mal avec l'OOH. Les données d'exposition du canal étaient trop grossières — estimations d'impressions hebdomadaires ou mensuelles au niveau du marché — pour produire des courbes de réponse fiables. Cela a conduit de nombreux praticiens du MMM soit à exclure l'OOH de leurs modèles, soit à le traiter comme un coût fixe plutôt que comme une variable optimisable.
Ce n'est plus le cas. Lorsque l'OOH est intégré à un framework MMM avec des données d'exposition granulaires et résolues dans le temps — idéalement à une cadence hebdomadaire ou meilleure, ventilées par marché, format et type d'emplacement —, il devient entièrement modélisable. Le modèle peut isoler la contribution incrémentale de l'OOH aux ventes, estimer sa courbe de saturation, calculer son ROI marginal à différents niveaux de dépense et comparer son efficacité à la TV, au digital, à la radio et au paid social dans un cadre d'attribution unifié.
Les implications sont importantes. Les marques peuvent enfin répondre à des questions jusqu'ici sans réponse :
- Notre budget OOH est-il au-dessus ou en dessous du point de saturation pour ce marché ?
- Quels formats — grand format, transport, retail, DOOH — offrent le meilleur retour incrémental ?
- Comment l'OOH interagit-il avec nos dépenses digitales ? Amplifie-t-il le paid social, ou touchent-ils les mêmes audiences ?
- Quel est l'effet de halo de notre investissement OOH sur la recherche de marque et le trafic direct ?
- Comment réallouer le budget entre l'OOH et les autres canaux pour maximiser le ROI média total ?
L'écart d'attribution offline
Le problème le plus sous-estimé de la mesure de l'OOH est peut-être l'écart d'attribution qui existe entre l'exposition offline et le comportement online. Un consommateur voit un panneau de ta marque sur son trajet matinal. Le soir même, il cherche ton produit sur Google. Une semaine plus tard, il convertit sur ton site.
Sous l'attribution au dernier clic — encore la norme dans la plupart des plateformes analytics —, la conversion est entièrement créditée à la recherche Google. Le panneau est invisible dans les données. La marque en conclut que l'OOH est non mesurable et le sous-finance en conséquence. Pendant ce temps, ses dépenses digitales reçoivent le crédit de résultats que l'OOH a contribué à générer.
La mesure offline moderne comble cet écart. En suivant la relation statistique entre les niveaux d'exposition à l'OOH et les comportements online en aval — volume de recherche de marque, trafic direct, engagement social et, in fine, conversions —, il devient possible de modéliser la véritable contribution causale de l'OOH aux résultats business.
« Les marques qui gagnent avec l'OOH aujourd'hui ne dépensent pas plus — elles mesurent plus précisément et, en conséquence, allouent plus intelligemment. »
À quoi ressemble une bonne mesure de l'OOH
Une mesure efficace de l'OOH en 2025 présente plusieurs caractéristiques déterminantes. Elle est rapide — livrant des signaux de performance à une cadence hebdomadaire plutôt que des bilans trimestriels post-campagne. Elle est granulaire — ventilant la performance par marché, format et emplacement plutôt que de traiter l'OOH comme une seule ligne indifférenciée. Elle est intégrée — reliant l'exposition à l'OOH aux résultats online comme offline via un cadre de mesure unifié. Et elle est causale — utilisant la modélisation statistique pour isoler la vraie contribution incrémentale de l'OOH plutôt que de se fier à la corrélation.
Les marques qui bâtissent cette capacité de mesure n'obtiennent pas seulement de meilleures données. Elles obtiennent un véritable avantage concurrentiel. Elles peuvent repérer quels emplacements OOH fonctionnent et miser davantage dessus en cours de campagne. Elles peuvent voir quand leur investissement OOH atteint le point de rendements décroissants et réallouer en conséquence. Et elles peuvent démontrer le vrai ROI de l'OOH aux CFO et aux comités média avec la même rigueur que les canaux digitaux ont toujours pu revendiquer.
En résumé
L'OOH fait son retour — et pour les marques qui investissent dans une mesure sérieuse, les retours sont significatifs. Le média offre une couverture et une attention que le digital peine de plus en plus à reproduire. Mais en libérer toute la valeur suppose de dépasser les estimations d'impressions héritées et les enquêtes de panel pour adopter une approche moderne, pilotée par les données, qui intègre l'OOH dans le même cadre de mesure que tous les autres canaux de ton media mix.
La question n'est pas de savoir s'il faut investir dans l'OOH. Pour la plupart des annonceurs nationaux et régionaux, la réponse est déjà oui. La question est de savoir si ton infrastructure de mesure est assez sophistiquée pour te dire si cet investissement fonctionne vraiment — et quoi faire quand ce n'est pas le cas.